基于多元经验模态分解与卷积神经网络的气液两相流流型识别

摘要：

提出了一种基于多元经验模态分解(MEMD)与卷积神经网络(CNN)的垂直管道气液两相流流型识别方法.该方法基于数字化电阻层析成像(ERT)系统采集的测量数据,预处理后进行MEMD分析,通过求取各分量与原始信号的皮尔逊相关系数选取本征模函数(IMFs)并求解Hilbert边际谱,提取Hilbert边际谱的标准差与均值作为卷积神经网络(CNN)输入以识别流型.结果表明,该方法能够有效识别泡状流、弹状流、段塞流,平均识别准确率可达96.43％.

关键词：计量学、流型识别、电阻层析成像、多元经验模态分解、卷积神经网络

所属期刊栏目：44

分类号：TB937(计量学)

资助基金：国家自然科学基金61973115

在线出版日期：2023-03-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：73-79