基于神经网络和D-S证据理论的气液两相流流型识别方法

• 作者: 周云龙 孙斌
• 来源期刊: 化工学报
• 关键词: 气液两相流 小波包变换 BP神经网络 D-S证据理论 流型识别
• 年，卷（期）: 2006,（3）
• 所属期刊栏目: 过程系统工程
• 页码范围: 607-613
• 页数: 7页
• 分类号: O359.1
• 语种: 中文
• DOI: 10.3321/j.issn:0438-1157.2006.03.024

摘要

提出一种运用神经网络和D-S(Dempster-Shafer)证据理论的多特征信息融合的气液两相流流型识别方法.对压差波动信号进行4层小波包分解,提取各频带信号的小波包能量和信息熵构造两个特征向量,再利用统计和分形理论提取压差波动信号的3个统计参数和4个分形参数作为另一个特征向量,然后将这些特征向量送入改进的BP神经网络进行训练,从而实现对流型的识别.以初始识别结果作为彼此独立的证据,根据D-S证据融合规则进行融合处理,得到最终的识别结果.以水平管内空气-水两相流流型识别为例,说明了该方法的具体实现过程.结果表明,多特征信息融合比单一特征的识别方法具有更高的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周云龙	东北电力学院动力系	298	2173	22.0	30.0
2	孙斌	东北电力学院动力系	125	1172	17.0	28.0