基于小波包的固液两相流流型识别方法.pdfVIP

第 34卷 第 3期 湘 潭 大 学 自 然 科 学 学 报 Vo1．34NO．3 2012年 9月 NaturalScienceJournalofXiangtanUniversity Sep．2012 基于小波包的固液两相流流型识别方法 计时呜 ， 胡科东， 谭大鹏， 李 琛 (浙江工业大学 特种装备制造与先进加工技术教育部，浙江省重点实验室，浙江 杭州 310014) [摘要] 针对固液两相流特征参数和流型之间的非线性关系，提出了一种基于小波包分解和人工神经网络的流型识别 方法．该方法首先用FLUENT软件建立物理模型和动力学模型并设置一个监测点，对采集到的速度波动信号进行 6层 小波包分解，得到最优小波树及其信息熵，然后将信息熵构成的特征向量输入BP神经网络进行训练和识别．最终的测试 结果表明：该方法能有效克服传统识别方法存在的主观性，具有较好的识别效果．为固液两相流的流型识别提供 了一种 有效的选择． 关 键 词：流型识别；速度波动信号；小波包 ；人工神经网络 中图分类号 ：TH161 文献标识码：A 文章编号 ：1000—5900(2012)03—0088—05 PatternRecognition oftheSoftAbrasiveFlow BasedonW aveletPacket JIShi—ming 。 HUKe-dong。 TANDa—peng． L1Chen (KeyLaboratoryofEM 。MinistryofEducation~ZhejiangProvince，ZhejiangUniversityOfTechnologyHangzhou310014China) [Abstract] APatternRecognitionmethodbasedonwaveletpacketandartificialneuralisproposedforsol— id—liquidtwo—phaseflow characteristicparametersandthenon—linearrelationshipbetweenflow pattern．This methodfirstlyestablishsthephysica1anddynamicmodel。thensetsamonitoringpoint．Togettheoptimum wavelettreeanditsinformationentropy，sixfloorsofwaveletpacketisusedtOdecomposethecollectedve— locityfluctuationsigna1．TransportthepropervectorwhichiscomponentbyinformationentropyintoBack PropagationneuralnetworktOtrainandidentify．Therecognitionresultsshow thatthismethodcaneffec— tivelyovercomethesubjectivityoftraditionalidentificationmethods．Ithasgoodrecognitioneffect，thus provideaneffectivechoiceforsolid-liquidtwo—phaseflow patternrecognition． Keywords： flowpatternrecognition；velocityfluctuationsignal；waveletpacket；artificialneural 在模具制造过程中，为了消除模具表面所残留的机械加工痕迹 ，光整加工技术成为必要 的工艺环 节．现有方法一般需借助工具接触或靠近待加工表面进行加工．但是，模具的结构化表面，特别是尺寸微 小或形状复杂的结构化表面，则难以使工具与之接触从而进行光整加工．磨粒流的流体特性则使之可以 方便地与复杂型面形成 良好仿形接触 ，因此 ，其在异型面加工中体现出了明显的技术优势． 然而一般的磨粒流加工并不能用于精细抛光，因为普通的硬性磨粒流会在模具表面