气液两相流流型特征无监督提取的卷积自编码器:机理及应用

作     者：陈思睿 毕景良 王雷 李元媛 陆规 CHEN Sirui;BI Jingliang;WANG Lei;LI Yuanyuan;LU Gui

作者机构：华北电力大学数理学院北京102206 中国核动力研究设计院四川成都610213 华北电力大学能源动力与机械工程学院北京102206 

基　　金：国家自然科学基金面上项目(12005217,52076074,52376008) 中央高校基本业务费专项(2022JG006) 

出 版 物：《化工学报》 (CIESC Journal)

年 卷 期：2024年第75卷第3期

页      码：847-857页

摘      要：在气液两相流的测量中,流型的准确识别是压降、换热等热工参数测量的基础。传统的两相流方法由于试验条件和数据的局限性使得在不同工况下的适用性有限。人工智能算法可以同时兼顾效率和精度,但特征提取方法仍是识别的难点。流型的准确识别对于解释数据,改进模型,以及提高应用效果方面具有重要意义。因此提出了一种基于卷积自编码器的无监督学习的特征提取方法,将特征提取后分别输入到随机森林,支持向量机以及前馈神经网络分类器中进行分类。实验结果表明,对四种流型的识别精度都达到了99%以上,说明卷积自编码器特征提取方法能显著地提高分类算法的准确率,对不同的分类器具有很好的兼容性,也为今后流型识别的特征提取方法提供了帮助。

主 题 词：气液两相流 气泡 神经网络 算法 

学科分类：081704[081704] 08[工学] 0817[工学-轻工类] 081701[081701] 

核心收录：

D　O　I：10.11949/0438-1157.20231038

馆 藏 号：203127810...