应用基础与工程科学学报.pdf

第15卷2期 应用基础与工程科学学报 VOI.15，No.2 2侧刀年6月 J0URNAL0FBAS1CSCIENCEANDENGINEERING 】uneZ(Xy7 文章编号:1(X)5切30(2创y7)似(口伪朋 中图分类号:0359.1 文献标识码:A 基于支持向量机的气液两相流 流型识别新方法 孙 斌，周云龙 (东北电力大学能源与机械工程学院，吉林长春132012) 摘要:为准确识别两相流型，提出了墓于小波包多尺度信息嫡和支持向量机的流 型识别方法.利用小波包变换对采集到的水平管空气一水两相流压差波动信号进 行3层小波包分解，得到8个不同频带的信号，提取各频带信号的小波包多尺度 信息嫡作为流型的特征向量，运用支持向量机进行训练并识别流型.结果表明: 与BP神经网络相比，采用支持向量机进行流型识别可以获得更高的识别率，表 明该方法是有效、可行的. 关键词:空气一水两相流;流型识别;支持向，机:小波包;信息摘 气液两相流广泛存在于电力、石油、化工等现代工业生产之中，流型不同，不但影响两 相流的流动特性、传热和传质性能，而且影响系统运行时的可靠性和效率，同时对相关工 业设备的设计、运行和安全性有着非常重要的影响，因此对两相流流型识别的研究具有重 要的工程意义，一直是两相流研究中的一个重要方向.早期的流型识别方法主要有目测 法、高速摄影法、射线衰减法等，近几年来，随着现代人工智能技术的发展，人工神经网络 开始广泛应用于流型智能识别中，如BP神经网络’〕〔、RBF神经网络划「、cPN神经网 络[4-s]等.但是，神经网络通常存在所谓的过学习问题，因而大大限制了其泛化性能的提 高.另外，神经网络得到的可能是局部最优解，忽视了泛化性能的定量研究，产生的模型有 时会产生过度拟合，或拟合程度较差的现象，因此，寻找适合小样本的模式识别方法成为 人们的研究目标.而由VaPnik提出的支持向量机方法，可以弥补这个不足.支持向量机 (supportvectorMachine，sVM)是ATBell实验室vaPnikv针对分类和回归问题 (c俪5迅cationandRecognition)，为适用于小样本学习而提出的通用学习算法，在很多领 域得到了成功的应用. 随着现代信息处理技术的发展，数据融合开始应用于流型识别中[eJ，文献7【1也提到 数据融合可以解决目前流型识别中单一特征的不足.但由于气液两相流动的复杂性，流型 的特征提取仍是流型识别的难点之一孙斌等’〔〕采用HHT 的能量特征来识别流型，wu Haojiang等[s]采用关联维数作为流型的特征向量来识别流型，陈琪等[9]采用小波分析方 法来识别流型.本文根据压差波动信号的非平稳性，提出了基于小波包多尺度信息嫡和支 收稿日期二2以万一n刁3;修订日期:2仪y7仍-25 甚金项目:吉林省科技发展计划资助项目(2(X冲0513) 作者简介:孙斌(1卯2一).男，博士，副教授· 应用基础与工程科学学报 Vol。15 持向量机的流型识别方法，以水平管内空气一水两相流动为例，用该方法对流型进行识别， 并与神经网络的识别方法做了对比.试验证明，SVM的流型识别方法具有比神经网络方 法更好的识别能力，为流型在线智能识别提供了一种新的方法. 1 实验 实验是在空气一水两相流系统上完成的， 实验系统如图1所示.实验段为内径26mln 、 长为20(刃nnn 的有机玻璃管.实验工质采用 空气和水.空气经空压机升压后，经孔板流量 计计量后