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

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.pdf

  1. 1、本文档共5页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
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.pdf

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,

文档评论(0)

heroliuguan + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:8073070133000003

1亿VIP精品文档

相关文档