基于希尔伯特—黄变换与Elman神经网络的气液两相流流型识别方法

气液两相流的流型对其流动和传热特性有很大的影响,所以如何确定流型一直是两相流研究中的重要课题。但是,由于两相流介质之间存在着随机多变的相界面,致使两相流的流型不仅是多种多样,而且其变化也带有随机性,这给流型识别带来了很大困难。而希尔伯特-黄变换(HHT)和神经网络在气液两相流流型识别中还很少见,文中提出了希尔伯特-黄变换与Elman神经网络相结合的气液两相流流型识别的新方法。将压差波动信号经验模态分解(EMD)后的固有模态函数(IMF)进行分析,提取IMF能量特征作为Elman神经网络的输入特征向量,对水平管内的气液两相流流型进行识别。实验结果表明:该方法能很好地识别水平管内的4种流型,为流型识别开辟了一条新的途径;另外,该方法优于BP网络且稳定、识别率高,具有可行性。