基于小波包分解和Kohonen神经网络的气液两相流流型识别方法

被引：22

作者：

孙斌

周云龙

张玲

洪文鹏

机构：

[1] 华北电力大学动力系

[2] 东北电力学院动力系

来源：

热能动力工程 | 2005年 / 01期

关键词：

流型识别; 小波包分解; 神经网络; 压差波动;

D O I：

暂无

中图分类号：

TQ021.1 [流体力学过程及原理];

学科分类号：

摘要：

针对传统流型识别方法主观性强和BP神经网络训练受病态样本影响较大的缺点 ,根据小波包变换能将信号按任意时频分辨率分解到不同频段的特性 ,提出一种新的气液两相流流型识别方法。该方法首先利用小波包分解对流型的动态压差波动信号进行分析、提取特征 ,然后将小波包能量特征与Kohonen神经网络结合进行流型识别。对水平管内空气 -水两相流 4种典型流型的识别结果表明 :该方法能有效克服传统识别方法具有的主观性和BP网络的缺陷 ,具有很好的识别效果 ,从而为流型的在线识别提供一种新的有效的技术选择

引用

页码：48 / 51+106 +106

页数：5

共 5 条

[1] 水平管气液两相流流型的压差波动特征 [J].