基于小波变换与神经网络的上倾管流型识别方法

• 作者: 李爽 李玉星 王冬旭
• 来源期刊: 油气储运
• 学科: 工学
• 关键词: 气液两相流 上倾管 流型识别 持液率信号 小波变换 概率神经网络
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 输送与储存
• 页码范围: 912-918
• 页数: 7页
• 分类号: TQ021.1
• 字数: 4126字
• 语种: 中文
• DOI: 10.6047/j.issn.1000-8241.2020.08.010

摘要

为实现上倾管气液两相流流型的智能识别,提出了基于小波变换与概率神经网络的流型识别方法.采用中国石油大学(华东)室内小型环道试验装置进行气液两相流试验,采集上倾管流型以及相应的持液率信号.运用小波变换对持液率信号进行5级分解,并对分解后的信号提取标准差作为概率神经网络的输入参数,对试验中获得的分层流、气泡流、段塞流、严重段塞流流型进行识别.结果 表明:该方法对4种流型的识别效果较好,其整体识别率为96.5％,其中分层流和严重段塞流的识别率高达98％.基于小波变换与概率神经网络的上倾管流型识别方法能够有效克服传统识别方法中主观因素的影响,不仅显著提高了流型识别的准确率,而且识别过程更加智能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李玉星	中国石油大学(华东)储运与建筑工程学院·山东省油气储运安全省级重点实验室	109	928	16.0	24.0
2	李爽	中国石油大学(华东)储运与建筑工程学院·山东省油气储运安全省级重点实验室	50	295	10.0	16.0
3	王冬旭	中国石油大学(华东)储运与建筑工程学院·山东省油气储运安全省级重点实验室	5	2	1.0	1.0