基于双通道混合网络融合支持向量机的电容层析成像流型辨识

来源：电子测量技术杂志2022年第4期北京时间：

作者：马 敏，李继伟，曾 田

单位：中国民航大学 电子信息与自动化学院 天津 300300

摘要：针对两相流流型辨识精度低的问题，提出一种基于双通道混合网络融合支持向量机的流型辨识算法。通过多尺度卷积核对电容向量进行多尺度特征提取丰富特征层信息，利用压缩激励网络(squeeze-and-excitation networks，SENet)关注卷积核通道上重要特征张量，调整各通道的重要占比，此外引入多头自注意力机制对电容向量的深度特征进行学习。将带有SENet的多尺度卷积通道与多头自注意力通道进行特征融合形成双通道辨识模型，最后将双通道模型有效捕捉到的电容向量特征的特征送入支持向量机中进行训练并测试。仿真实验结果表明，相比于BP神经网络、SVM、1DCNN算法，所提算法在流型辨识中的平均辨识率显著提升，高达98.6%。

关键词：多尺度特征; 压缩激励网络; 支持向量机; 电容层析成像; 流型辨识

基金资助：国家基金面上项目(61871379资助