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%。
科研之友
微信
新浪微博
Facebook
分享链接
