论文部分内容阅读
提出了一种基于经验模式分解的气液两相流流型识别方法。该方法首先对压差波动信号进行经验模式分解，将其分解为多个平稳的固有模式函数之和，再选取若干个包含主要流型信息的IMF分量，并从中提取时域特征指标-峭度系数作为LVQ神经网络的输入参数，从而实现流型的智能识别。对水平管内空气-水两相流流型的识别结果表明：以EMD为预处理器提取峭度系数的LVQ网络识别方法具有更高的识别率，可以准确、有效地识别流型。