一种基于经验模式分解的气液两相流流型识别方法

提出了一种基于经验模式分解的气液两相流流型识别方法。该方法首先对压差波动信号进行经验模式分解,将其分解为多个平稳的固有模式函数之和,再选取若干个包含主要流型信息的IMF分量,并从中提取时域特征指标—峭度系数作为LVQ神经网络的输入参数,从而实现流型的智能识别。对水平管内空气—水两相流流型的识别结果表明:以EMD为预处理器提取峭度系数的LVQ网络识别方法具有更高的识别率,可以准确、有效地识别流型。