论文部分内容阅读
两相流流型的研究是两相流研究的重要组成部分，同时在工程中也具有重要的实用价值。用空气和水在竖直有机玻璃管上进行实验，获得了四种不同的气液两相流流型：气泡流、弹状流、段塞流和环状流，同时测量测试管段上两个测量点之间的压差和流量等参数。把所测的压差经过统计计算变为四个参数：压差均值、标准差、偏斜度和功率谱能量份额，作为神经网络的输入特征向量，构建了BP和RBF两种神经网络流型识别模型，充分利用人工神经网络非线性映射的“智能”特征来建立气液两相流流型与压差之间内在的联系。通过对神经网络的训练和仿真测试发现，BP神经网络对未知流型的识别率比RBF神经网络识别率要低，但二者都达到较高的识别率，在竖直管流的流型识别中可以达到较好的应用前景。