基于多元经验模态分解与卷积神经网络的气液两相流流型识别

来源：计量学报杂志2023年第1期北京时间：

作者：张立峰,王智

单位：华北电力大学自动化系,河北 保定 071003

摘要：提出了一种基于多元经验模态分解(MEMD)与卷积神经网络(CNN)的垂直管道气液两相流流型识别方法。该方法基于数字化电阻层析成像(ERT)系统采集的测量数据,预处理后进行MEMD分析,通过求取各分量与原始信号的皮尔逊相关系数选取本征模函数(IMFs)并求解Hilbert边际谱,提取Hilbert边际谱的标准差与均值作为卷积神经网络(CNN)输入以识别流型。结果表明,该方法能够有效识别泡状流、弹状流、段塞流,平均识别准确率可达96.43%。

关键词：计量学;流型识别;电阻层析成像;多元经验模态分解;卷积神经网络

基金资助：国家自然科学基金(61973115)