基于深度学习的两相流气泡末速度预测

摘要：

针对在气液两相流中难以进行稳态分析,无法对气泡末速度进行精准预测的问题,提出一种基于深度学习的气泡末速度预测方法.首先,搭建了一套高速相机采集系统获取气泡图像,利用图像处理技术和椭圆拟合算法对气泡进行图像分割,进而计算气泡上升速度,建立关于气泡末速度的图像数据集;然后,设计了一种以VGG网络为基础的回归网络模型,并采用迁移学习的方式对VGG网络进行训练和参数优化,有效地解决了训练样本不足、预测精度低的问题,实现了对气液两相流中气泡末速度的精准预测.实验结果表明:与传统的定量分析方法相比,基于迁移学习的VGG回归网络能够更好地对气泡图像进行特征提取,得到更为精准的气泡末速度预测模型,同时在小样本数据集中具备较好的泛化能力.

关键词：气泡末速度、两相流、深度学习、VGG、高速相机、图像处理、迁移学习、小样本数据集

所属期刊栏目：45

分类号：TN911.73-34;TP3

资助基金：国家自然科学基金;国家自然科学基金;天津市教委科研计划资助项目

在线出版日期：2022-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：69-72