文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 基于经验模态分解和BP神经网络的油气两相流流型辨识
侵权投诉

基于经验模态分解和BP神经网络的油气两相流流型辨识

基于经验模态分解(empidcal mode decomposition,EMD)BP神经网络,提出了油气两相流流型辨识的新方法。应用EMD将差压信号分解成不同频率尺度上的单组分之和,并提取组分的归一化能量作为流型辨识特征量。BP神经网络以这些能量特征量为输入对油气两相流不同流型(包括泡状流、塞状流、层状流、弹状流和环状流)进行分类。实验结果表明,本文提出的流型辨识方法是有效的,其中泡

维普资讯 doc.guandang.net

第2 8卷

第 4期

仪器仪表学报 C ieeJu n lo ce ti nt me t hn s o ra fS ini cI sr n f u

Vo_ . l28 No 4

20 07年 4月

Ap . 0 7 r2 0

基于经验模态分解和 B P神经网络的油气两相流流型辨识术 李强伟,王保良,黄志尧,李海青 (江大学控制科学与工程学系浙摘工业控制技术国家重点实验室杭州 30 2 ) 107

要:基于经验模态分解(m icl oe eo psi,M ) B e p i d cm oi nE D和 P神经网络, ram d t o提出了油气两相流流型辨识的新方法。应用 E D将 M

差压信号分解成不同频率尺度上的单组分之和,并提取组分的归一化能量作为流型辨识特征量。B P神经网络以这些能量特征量为输入对油气两相流不同流型(包括泡状流、塞状流、层状流、弹状流和环状流)进行分类。实验结果表明,本文提出的流型辨识方法是有效 的,其中泡状流、塞状流、层状流、弹状流和环状流的辨识精度分别为 10、 .%, .%、 .%和9 .%。 0% 8 4 9 3 9 3 9 3 6 69

关键词:经验模态分解; P神经网络;油气两相流; B流型;差压信号 中图分类号: 3 9 1 0 5 .文献标识码: A国家标准学科分类代码: 1 .0 5 08 4

Fl w a t r de tfc to fo lg s t o p te n i n i a i n o i- a wo- a e fo ba e o i ph s w s d n l

e piia o e o po iin n BP e a t r m rc lm de d c m sto a d n ur lnewo k

L inw i i a g e,WagB oi g H a gZ i o L iig Q n al n, u n h a, i qn a y Ha ( ai a aoa r nuta o t l ehooy Dp r et Cnrl c ne n nier g N tn l brt yo ds il nr cn l, eat n o ot i c dE gnei, o L o fI r C o T g m f oS e a n Z ea gU i rt, aghu3 02, hn ) hj n nv sy H n zo 10 7 C i i ei a

A s a t B sd o m iclm d eo p s i ( MD)a d bc rpgt n( P erlnt o,anw

b t c: ae n e pr a o ed cm oio E r i tn n ak po aa o B )nua e r e i w k me h d i p o o e o i e t y f w p t r folg st o p a e f w.EMD i a pi d t h i e e t l r s u e sg t o s r p s d t d n i o at n o i a w - h s o fl e - l p l o t e df r n i e s r i— s e f a p n lo - h s o t b an fe ue c o o e swih di e e ts a e a ft p a e f w o o ti rq n y c mp n nt t f r n c ls,a d t e n r l e n ry o h o o wo l f n h o mai d e e g ft e c mp— z

n n se t ce St e f au e o o at r d n i c t n e t x r t d a h e t r f w p t n i e t a i .W i h s n r e tr s a p t,f e f w p t r s i a l f e i f o t t e e e e g f au e s i us i o at n h y n v l e s c sb b l o u h a u b e f w,pug f w,sr t e o,sug fo a d a n l rfo ae i e t e i g BP n u M ewok. l l o l tai d f w i f l l w n n u a w r d ni d usn e r n t r l l i f Th x e me t lr s ls id c t h tt e p o o e e e p r n a e u t n i ae ta h r p s d BP. a e t o s ef cie f rt e i e tfc t n o o p t i b s d me h d i fe tv o h d n i a i ff w a— i o l tr s n h de tf ain r tsa e 1 0%, 9 4%,9 .%,9 .%,a d9 . e n;a d t e i n i c t ae r O i o 8. 33 63 n 6 9% frb b l l w,p u lo o u b ef o lgf w,sr t e t i d af i l f w,su lw a d a n lrfo e p ciey o lgfo n n ua w rs e t l . l v

Ke o d: m icl o edc m oio E ) P

n ua n tok o - stop aef w; o a e; i yw rs e pr a m d eo p si i t n( MD;B e rl ew r; ig -h s l la w o f w pt r d - l t n f fr n ilp e s r in l ee ta r su e sg a

由于两相流的差压信号包含着流体的丰富信息,近

1引

言

年来已逐渐成为两相流参数检测的重要研究对象。已经有许多的信号处理工具包括傅里叶变换、时傅里叶变短 换和小波变换等应用于两相流差压信号的分析。但是由

两相流广泛存在于石油、化工、冶金和环保等工业, 其流型的在线辨识对于工业系统的过程控制、质量保证和安全管理有着极其重要的意义。然而由于两相流固有

的复杂非线性特性,使得流型辨识成为两相流参数检测 的难点之一。 收稿日期:0 51 R ci dD t:0 51 2 0 .2 eev ae20—2 e

于两相流差压信号固有的非线性非平稳本质,上述的而信号处理工具本质上属于傅里叶类变换,并不十分适应两相流差压信号波形急剧变化的物理特性。19 98年, H ag un提出了一种新的信号时频分析方法一经验模态分

基金项目:国家自然科学基金( 07 0 4资助项目 5 56 8 )

基于经验模态分解和BP神经网络的油气两相流流型辨识

第1页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email