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
单位:东北电力大学能源与机械工程学院; 吉林省吉林市132012
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社