基于奇异值分解和最小二乘支持向量机的气-液两相流流型识别方法

• 作者: 关跃波 周云龙 孙斌 赵鹏
• 来源期刊: 核动力工程
• 关键词: 流型识别 经验模态分解 奇异值分解 最小二乘支持向量机
• 年，卷（期）: 2007,（6）
• 所属期刊栏目: 热工与水力
• 页码范围: 62-66
• 页数: 5页
• 分类号: O359.1
• 语种: 中文
• DOI: 10.3969/j.issn.0258-0926.2007.06.015

摘要

针对气-液两相流压差波动信号的非平稳特征和BP神经网络学习算法收敛速度慢、易陷入局部极小值等问题,提出了一种基于奇异值分解和最小二乘支持向量机(LS-SVM)的流型识别方法.该方法首先采用经验模态分解将气-液两相流压差波动信号分解为多个平稳的固有模态函数之和,并形成初始特征向量矩阵;对初始特征向量矩阵进行奇异值分解,得到矩阵的奇异值,将其作为流型的特征向量,根据LS-SVM分类器的输出结果来识别流型.对水平管内空气-水两相流4种典型流型进行识别,结果表明,与神经网络相比,该方法具有更高的识别率和识别速度.

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	东北电力大学能源与机械工程学院	298	2173	22.0	30.0
2	孙斌	东北电力大学能源与机械工程学院	125	1172	17.0	28.0
3	关跃波	东北电力大学能源与机械工程学院	8	74	5.0	8.0
4	赵鹏	东北电力大学能源与机械工程学院	8	68	4.0	8.0