气液两相流流型在线智能识别

摘要：

在线识别的关键问题在于如何利用最短时间历程的参数波动过程完成由参数波动的特征空间到流型空间的映射。CPN神经网络能够对自组织映射的结果进行有导师的训练，因此可以为流型的自动、客观和在线识别提供有效的手段。文中结合压力波动过程的快速傅立叶变换系数，对U形管垂直上升段内空气-水两相流的流型进行自动识别，在线性指标达到了8.2s。对如何提高流型快速识别的在线性指标和识别率等作了相关的探讨。

关键词：气液两相流、流型、在线识别、神经网络

所属期刊栏目：21

分类号：TK31(热工量测和热工自动控制)

资助基金：国家重点基础研究发展计划973计划G1999022308;国家高技术研究发展计划863计划820-01

在线出版日期：2004-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：46-50