基于卷积神经网络与门控循环单元的气液两相流流型识别方法

摘要：

提出了一种基于卷积神经网络(CNN)与门控循环单元(GRU)的垂直管道气液两相流流型识别方法.该方法基于电阻层析成像(ERT)系统的重建图像,对其填充处理后进行离散余弦变换(DCT),求取最大、最小DCT系数的差值,选取一定帧数长度数据作为网络输入,对流型进行识别.分析了输入序列长度对CNN-GRU、CNN及GRU网络分类准确的影响,确定了最佳输入向量维度分别为60、65及50,使用实验数据对3种网络进行训练、测试,结果表明,CNN-GRU网络分类准确率最高,平均流型识别准确率可达99.40％.

关键词：计量学、流型识别、离散余弦变换、卷积神经网络、门控循环单元、电阻层析成像

所属期刊栏目：43

分类号：TB937(计量学)

资助基金：国家自然科学基金61973115

在线出版日期：2022-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1306-1312