基于神经网络的两相流流型识别方法研究

采集了水平管内气水两相流动的差压信号,利用概率密度函数(PDF)对差压信号特征进行了分析;定义了PDF的四个特征参数,即PDF波峰个数K1、波峰峰值K2、波峰位置K3、以及PDF的方差K4来反映流型的特征。运用四个参数构成的特征向量对径向基函数(RBF)神经网络进行训练并识别流型,结果表明,该方法具有识别速度快、准确率高的特点,从而为两相流的流型识别提供了一种有效的手段。