文献类型：期刊文章

作　　者：翁润滢[1] 孙斌[1] 赵玉晓[2] 张竟月[3] 文英杰[4]

WENG Runying;SUN Bin;ZHAO Yuxiao;ZHANG Jingyue;WEN Yingjie(School of Measurement and Testing Engineering,China Jiliang University,Hangzhou310018,Zhejiang,China;College of Modern Science and Technology,China Jiliang University,Hangzhou310018,Zhejiang,China;National Institute of Metrology,China,Beijing100029,China;Hangzhou Institute of Calibration and Testing for Quality and Technical Supervision,Hangzhou310019,Zhejiang,China)

机构地区：[1]中国计量大学计量测试工程学院,浙江杭州310018 [2]中国计量大学现代科技学院,浙江杭州310018 [3]中国计量科学研究院,北京100029 [4]杭州市质量技术监督检测院,浙江杭州310019

出　　处：《化工学报》

基　　金：国家自然科学基金项目(51475440)~~

年　　份：2018

卷　　号：69

期　　号：12

起止页码：5065-5072

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了研究气液两相流的动态特性,以及解决提取的特征值少而没有代表性导致识别率不高的传统问题,利用V锥流量计和动态差压传感器获取气液两相流在不同流型下的波动信号,采用自适应最优核算法对获取的动态信号进行时频分析,把一维时域信号转换为三维的时频谱图,能够清晰描述出管道内气液两相流的流动状态。将不同流型的时频谱图通过卷积神经网络(CNN)进行学习并自动提取相应的特征值,然后使用Softmax分类器进行训练从而实现流型识别。通过对几种常见流型进行试验与分析发现,采用时频谱图结合卷积神经网络的深度学习方法识别气液两相流流型,克服了传统流型识别方法特征值提取的不足之处,能够更贴切地描述气液两相流的动态特征。此方法可以进一步研究更多种类的流型以及空隙率等。

关 键 词：气液两相流 流型识别 算法  时频分析 神经网络

分 类 号：TP274.2]