基于电导波动信号的EMD分解和RBF神经网络的气液两相流流型识别方法

• 作者: 周云龙 张南 张学清 张艳艳
• 来源期刊: 化工自动化及仪表
• 学科: 工学
• 关键词: 气液两相流 流型识别 电导探针 EMD分解 RBF神经网络
• 年，卷（期）: 2009,（1）
• 所属期刊栏目: 检测与仪表
• 页码范围: 52-56
• 页数: 5页
• 分类号: TP391|O359
• 字数: 2533字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3932.2009.01.014

摘要

针对电导波动信号具有非线性、非平稳的特征,提出一种应用经验模态分解(EMD)和RBF神经网络进行流型识别的新方法.首先对电导波动信号进行EMD分解,提取出IMF能量参数特征,然后将其输入到RBF神经网络,从而实现了对流型的识别.研究结果表明:该方法能够准确地识别出泡状流、弹状流、塞状流和混状流四种流型,且具有较好的识别效果.该方法为流型识别提开辟了新的方向.

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	张学清	东北电力大学自动化工程学院	6	70	4.0	6.0
3	张南	东北电力大学自动化工程学院	3	29	2.0	3.0