基于经验模式分解和概率神经网络的气液两相流识别

摘要：

针对气液两相流压差波动信号的非平稳特征和BP神经网络学习收敛速度慢、易陷入局部极小值等问题,提出了一种基于经验模态分解(empirical mode decomposition,EMD)和概率神经网络的流型识别方法.该方法首先对原始信号进行了经验模态分解,将其分解为多个平稳的固有模态函数(intrinsic mode function,IMF)之和,再选取若干个包含主要流型信息的IMF分量进行进一步分析.由于流型转变时,压差波动信号各频带的能量会发生变化,因而可以从各IMF分量中提取能量特征参数作为神经网络的输入参数来识别流型.对水平管内空气-水两相流4种典型流型的识别结果表明,EMD能量比小波包能量特征具有更高的流型识别率,可以准确、有效地识别流型.

关键词：热能动力工程、气液两相流、流型识别、经验模式分解、概率神经网络

所属期刊栏目：27

分类号：O359(流体力学)

资助基金：吉林省科技发展计划20040513

在线出版日期：2007-07-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：72-77