本文以收斂型微通道中油水兩相流的流型識(shí)別為對(duì)象,將高速攝像法與神經(jīng)網(wǎng)絡(luò)算法相結(jié)合,提出了高效的、可視化的、智能化的兩相流流型識(shí)別方法。該方法采用了包含圖像紋理參數(shù)和流型無(wú)量綱參數(shù)的多類(lèi)型特征量,更精準(zhǔn)區(qū)分6種流型的不同特點(diǎn),流型識(shí)別的收斂速度和準(zhǔn)確率更高。BP神經(jīng)網(wǎng)絡(luò)的識(shí)別率為92. 5%,Elman神經(jīng)網(wǎng)絡(luò)的識(shí)別率為93. 7%,Elman神經(jīng)網(wǎng)絡(luò)在收斂速度與準(zhǔn)確率方面優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。 

【文章來(lái)源】：計(jì)量與測(cè)試技術(shù). 2020,47(06)

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

微通道油水兩相流系統(tǒng)和高速攝像系統(tǒng)

圖像采集系統(tǒng)由高速攝像機(jī)和照明燈具組成。高速攝像機(jī)為美國(guó)AMETEK公司的Phantom V611-16G-M，圖像最大幀率為300000幀/s，圖像分辨率設(shè)置為1280×720px，以滿足采集高清的動(dòng)態(tài)圖像。照明燈具為國(guó)產(chǎn)戰(zhàn)狼307型探照燈功率30W，透過(guò)毛玻璃增加漫反射，減小圖像的反光區(qū)，改善圖像質(zhì)量。微通道選用高透明度PMMA材料，微通道收斂角度為17°，其橫截面尺寸為(400×600)μm。實(shí)驗(yàn)中，兩相流量的參數(shù)范圍分別為:分散相(4～120)ml/h，連續(xù)相(4～180)ml/h。高速攝像機(jī)拍攝微通道內(nèi)的流型變化，采集區(qū)域?yàn)?000×304px，幀率為3000幀/s。實(shí)驗(yàn)中采集到6種流型(見(jiàn)圖2)。

BP神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)層有輸入層、反饋層和輸出層(見(jiàn)圖4)。監(jiān)督性學(xué)習(xí)在模型訓(xùn)練初期，輸入量特征與輸出量結(jié)果需要一一對(duì)應(yīng)。S型激活函數(shù)能夠?qū)P神經(jīng)網(wǎng)絡(luò)適用多數(shù)非線性數(shù)學(xué)問(wèn)題的處理。[4]3.2 Elman神經(jīng)網(wǎng)絡(luò)模型

【參考文獻(xiàn)】：
期刊論文
[1]Elman神經(jīng)網(wǎng)絡(luò)在礦井突水水源判別中的應(yīng)用[J]. 徐星,田坤云,王公忠,孫光中.  安全與環(huán)境學(xué)報(bào). 2017(04)
[2]基于BP神經(jīng)網(wǎng)絡(luò)的飛行訓(xùn)練品質(zhì)評(píng)估[J]. 姚裕盛,徐開(kāi)俊.  航空學(xué)報(bào). 2017(S1)
[3]煤與矸石圖像紋理特征提取方法[J]. 米強(qiáng),徐巖,劉斌,徐運(yùn)杰.  工礦自動(dòng)化. 2017(05)



本文編號(hào)：3581459