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

• 作者: 周云龙 孙斌 张永刚 王强
• 来源期刊: 中国电机工程学报
• 学科: 物理学
• 关键词: 气液两相流 流型识别 希尔伯特-黄变换 经验模态分解 固有模态函数 Elman神经网络
• 年，卷（期）: 2007,（11）
• 所属期刊栏目: 发电
• 页码范围: 50-56
• 页数: 7页
• 分类号: O359
• 字数: 2194字
• 语种: 中文
• DOI: 10.3321/j.issn:0258-8013.2007.11.010

摘要

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.

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	王强	东北电力大学能源与机械工程学院	10	166	6.0	10.0
4	张永刚		2	49	2.0	2.0