基于粗神经网络和特征提取的ECT流型辨识.pdfVIP

辽宁大学学报 JoURNAL oFUAoNlNG UNlvERSlTY 自然科学版 NaturalSciencesE出tion 第41卷 第4期 2014年 VO1．4l No．4 2014 基于粗神经网络和特征提取的ECT流型辨识 刘延东 ，李惠强 ，何在刚2，刘浩仟2，陈 玲2，郑静娜 ，郑斯文 (1．辽宁大学 轻型产业学院，辽宁 沈阳 110036；2．辽宁大学 物理学院，辽宁沈阳110036； 3．沈阳计量测试院，辽宁沈阳 110179) 摘 要 ：针对 目前电容层析成像技术流型辨识精度低的问题，提出一种基于粗神经网络与特征提取相结合的 方法来辨识两相流流型．该方法首先根据电容层析成像系统和流型的特点来处理电容测量数据 ，从而完成对 各种流型特征的提取 ；其次对粗神经网络的结构进行设计，并利用典型流型特征参数训练粗神经网络 ，然后利 用此粗神经网络对流型进行辨识 ；最后进行仿真实验．仿真实验结果表明此种方法较传统的BP神经网络具 有较高的识别精度，这也为ECT流型辨识的研究提供了一个新的途径和手段． 关键词 ：电容层析成像(ECT)；粗神经网络(RNN)；特征提取 ；流型辨识 中图分类号：TN911．7 文献标志码：A 文章编号：1000-5846(2014)04-0330-08 Flow Pattern IdentificationBasedonFeatureExtraction andRough NeuralNetwork forElectricalCapacitanceTomography L1U Yan—dong ，LIHui—qiang ，HE Zai—gang ，LIU Hao—qian ， CHEN Ling ，ZHENG Jing—na ，ZHENG Si—wen (1．CollegeofLightIndustry，LiaoningUniversity，Shenyang110036，China； 2．CollegeofPhysics，LiaoningUniversiyt，Shenyangl10036，China； 3．ShenyangMetrologyTestingInstitution，Shenyang110179，China) Abstract： Inresponsetotheinaccuracyofflowpattern identificationbyElectricalCapacitance Tomography，a new mehtod isprovided htat combines rough neuralnetwork with feature extraction，toidentify thetwo—phaseflow patterns．Firstly，htismethodaccording tohteElectrical CapacitanceTomography system nad the characteristicsofflow pattern tO handle capacitna ce measurements，htuscomplete hte featuresof various flow pattern extraction； Secondly，hte structureofroughneuralnetworktoCalTyonthedesign，na dusethefeaturespraametersoftypical flow pattern totrainhteroughneuralnetwork，na dthenusinghtisroughneuralnetworktoidentify flow pattern；Finally，thesimulation experiment．The sim