计算机测量与控制
計算機測量與控製
계산궤측량여공제
COMPUTER MEASUREMENT & CONTROL
2009年
9期
1828-1830
,共3页
流型识别%BP网络%概率密度函数
流型識彆%BP網絡%概率密度函數
류형식별%BP망락%개솔밀도함수
根据气液两相流的特点,将其分为层状流、塞状流、弹状流和环状流等流型,分别对其采集差压信号,并利用概率密度函数(PDF)对差压信号特征进行了分析,得出了PDF的4个特征参数,即波峰个数K1、波峰峰值K2、波峰位置K3、PDF方差K4.将K1,K2,K3,K4构成的特征向量作为神经网络的输入样本对BP神经网络进行训练并进行流型识别.结果表明,该方法具有准确率高等优点,是流型识别的一种新手段.
根據氣液兩相流的特點,將其分為層狀流、塞狀流、彈狀流和環狀流等流型,分彆對其採集差壓信號,併利用概率密度函數(PDF)對差壓信號特徵進行瞭分析,得齣瞭PDF的4箇特徵參數,即波峰箇數K1、波峰峰值K2、波峰位置K3、PDF方差K4.將K1,K2,K3,K4構成的特徵嚮量作為神經網絡的輸入樣本對BP神經網絡進行訓練併進行流型識彆.結果錶明,該方法具有準確率高等優點,是流型識彆的一種新手段.
근거기액량상류적특점,장기분위층상류、새상류、탄상류화배상류등류형,분별대기채집차압신호,병이용개솔밀도함수(PDF)대차압신호특정진행료분석,득출료PDF적4개특정삼수,즉파봉개수K1、파봉봉치K2、파봉위치K3、PDF방차K4.장K1,K2,K3,K4구성적특정향량작위신경망락적수입양본대BP신경망락진행훈련병진행류형식별.결과표명,해방법구유준학솔고등우점,시류형식별적일충신수단.
