基于复杂度特征的气液二相流流型识别方法

被引:11
作者
孙斌
周云龙
钟金山
机构
[1] 东北电力大学能源与机械工程学院
关键词
流型识别; 经验模式分解; 复杂度; 支持向量机;
D O I
暂无
中图分类号
O359 [多相流];
学科分类号
080704 ;
摘要
针对气液二相流压差波动信号的非平稳和非线性特征,提出了一种基于经验模式分解(EMD)复杂度特征和支持向量机的流型识别方法。该方法首先对二相流压差波动信号进行经验模式分解,将其分解为若干个固有模态函数(IMF),然后对每一个IMF分量提取复杂度特征作为流型特征向量,并以此作为输入参数建立支持向量机分类器来识别流型。对水平管内空气-水二相流的实验结果表明,文中提出的方法能准确地识别流型,从而为流型识别提供了一种新的有效方法。
引用
收藏
页码:27 / 30
页数:4
相关论文
共 5 条
[1]   基于多尺度信息熵特征和RBF神经网络的气液两相流流型识别方法 [J].
孙斌 ;
王强 ;
周云龙 .
仪器仪表学报, 2006, (07) :725-729
[2]   基于小波包能量特征的气液二相流流型识别方法 [J].
孙斌 ;
周云龙 .
化学工程, 2006, (02) :33-36
[3]   HHT与神经网络在油气两相流流型识别中的应用 [J].
孙斌 ;
张宏建 ;
岳伟挺 .
化工学报, 2004, (10) :1723-1727
[4]   基于支持向量机的机械系统多故障分类方法 [J].
段江涛 ;
李凌均 ;
张周锁 ;
何正嘉 ;
符寒光 .
农业机械学报, 2004, (04) :144-147
[5]   改进BP神经网络在流型智能识别中的应用 [J].
吴浩江 ;
胡志华 ;
周芳德 .
西安交通大学学报, 2000, (01) :22-25