基于奇异值分解和最小二乘支持向量机的气-液两相流流型识别方法.pdfVIP

第28琶 第 6 核 动 力 【 程 VO1．28．NO．6 2 O O 7 年 I2月 Nuclear Power Engineering Dec．2 0 0 7 文章编号：0258—0926(2007)06—0062—05 基于奇异值分解和最小二乘支持向量机的 气．液两相流流型识别方法 孙 斌，周云龙，赵 鹏，关跃波 (东北电力大学能源与机械I：程学院，吉林，1320l2) 摘要：针对气．液两相流压差波动信号的非平稳特征和BP神经网络学习算法收敛速度慢、易陷入局部极 小值等问题，提出了一种基于奇异值分解和最小二乘支持向量机(LS．SVM)的流型识别方法。该方法首先采 用经验模态分解将气．液两相流压差波动信号分解为多个平稳的固有模态函数之和，并形成初始特征向量矩 阵；对初始特征向量矩阵进行奇异值分解，得到矩阵的奇异值，将其作为流型的特征向量，根据LS．SVM分 类器的输出结果来识别流型。对水平管内空气．水两相流 4种典型流型进行识别，结果表明，与神经网络相 比，该方法具有更高的识别率和识别速度。 关键词：流型识别；经验模态分解；奇异值分解；最小二乘支持向量机 中图分类号：0359．1 文献标识码：A 1 引 言 识别水平管内空气．水两相流流型。 压差波动信号包含流型的大量信息，被广泛 应用于流型的研究[1-7]。由于两相流介质问存在随 2 实验系统及实验方法 实验是在空气 水两相流系统上完成的。实验 机、多变的相界面，致使两相流的流型不仅多种 系统如图 l所示。实验段为内径 26mm、长 多样，其变化也带有随机性，给流型识别带来困 2000mm的有机玻璃管。实验工质为空气和水。 难。近年来，Huang N E提出了一种新的时频分析 空气经压缩机升压，经转子流量计计量后进入气． 方法——经验模态分解(Empirical Mode Decom— 液两相混合器；水由水泵抽出，经孔板流量计计 position，简称EMD) J。该方法是一种自适应的 量后进入气．液两相混合器；从气．液两相混合器 信号分解方法，适用于非平稳、非线性过程。基 出来的气．水混合物，流经实验段进行各项数据测 于经验模态分解方法的两相流流型识别的研究受 量后，进入旋风分离器，将空气分离出来并排人 到许多研究者的关注，已有学者进行了理论和试 大气，剩下的水流回水箱供循环使用。 验研究 J。支持向量机(Suppo~Vector Machine， SVM)是一种基于结构风险最小化原则的新的模 旋风 式识别方法，克服了传统神经网络在拓扑结构的 选择上依赖于设计者经验的缺点，解决了小样本、 非线性、高维数和局部极小点等实际问题，已在 很多领域中得到应用【l ¨J。 本文采用经验模态分解方法将压差波动信 号分解为多个平稳的同有模态函数(Intrinsic Mode Function，简称 IMF)之和，并形成初始特 空 fi缩机 征向量；再利用奇异值分解技术提取流型的特征， 图l 气．水两相流实验系统 作为最sJ,-乘支持向量机(Ls．SVM)的输人参数，