| 改进HHT变换和RBF神经网络识别两相流 |
| |
| 引用本文： | 刘军,张宜兵.改进HHT变换和RBF神经网络识别两相流[J].信息技术,2014(10):154-158. |
| |
| 作者姓名： | 刘军 张宜兵 |
| |
| 作者单位： | 青岛科技大学自动化与电子工程学院,山东青岛,266042 |
| |
| 摘 要： | 针对电导波动信号的非线性非平稳特征以及EMD(empirical mode decomposition,经验模式分解)方法存在的模态混叠等不足,提出了一种基于EEMD(ensemble empirical mode decomposition,集合经验模式分解)的改进HHT(Hilbert-Huang transform,希尔伯特-黄变换)和RBF(radial basis function,径向基函数)神经网络相结合的垂直上升管气液两相流的流型识别方法。首先对电导波动信号进行EEMD分解,利用改进HHT对IMF(intrinsic mode functions,本质模态函数)作变换分析,然后将提取的IMF能量特征作为RBF神经网络的输入特征向量,从而实现对气液两相流流型的识别。实验研究表明:该方法能准确地对泡状流、泡状-段塞流、段塞流、段塞-混状流、以及混状流五种流型进行识别,且具有较高的识别率,同时对相关领域的研究也具有一定的参考价值。
|
| 关 键 词： | 气液两相流 流型识别 EEMD分解 Hilbert变换 RBF神经网络 |
Identification for gas-liquid two-phase flow regime based on improved Hilbert-Huang transform and RBF neural network |
| |
| LIU Jun,ZHANG Yi-bing.Identification for gas-liquid two-phase flow regime based on improved Hilbert-Huang transform and RBF neural network[J].Information Technology,2014(10):154-158. |
| |
| Authors: | LIU Jun ZHANG Yi-bing |
| |
| Abstract: | |
| |
| Keywords: | gas-liquid two-phase flow flow regime identification ensemble empirical mode decomposition Hilbert transform radial basis function neural network |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
