人工神经网络在两相流流型判别中的应用.pdfVIP

Voll9 第19卷增刊 suppl．1999 。n、怨雀赫k口黧∽ …‘‘一…… PoWER ENGINEERING 人工神经网络在两相流流型判别中的应用 王妍艽 梁志鹏 谢正武 林宗虎 (西安交通大学 能源与动力工程学院 710049) 【摘要】 本文提出r一种应用人工神经咧络进行两相流流型判别的新方法。并针对BP算法收敛 慢，存在局部极小点的问题．采用了自适应梯度下降法和改进模拟退火法等措施，加快了BP网络 的收敛速度，增强，其跳出局部檄小值的能力，提高了神经网络模拟非线性系统的能力。经实例验 证；谚方法是一种}分有效的两相流流型判别方法。 关键询神经州络两相流流型判别 1 前言 由下人容量火电机组，大型石油化I设备的运行，核能的利用以及海上油气旺{开采等， 两相流流动与传热特性的研究越来越受到人们的重视。两相流流动与传热特性与流型有非常 密切的关系，花不同的流型下，起着主导作用的力不同，相界面的形态以及相间作用也不相 同，所以具有不同的流动及传热特性。[j前流型界限判别方法概括起来有两种，一种借用流 型图来判别，既根据试验数据总结而成的图形判别。如油气工业应用较普遍的是按照BaI(er 流图和Mandhane流型图进行计算l”，但流型图仅适用于手IT，计算费时费力，而且只能计算 稳态流动。另一种方法是用解析表达式表示流型转换界限，如Taitel和Dukler做了开创性工 作I一。尽管近年来对影响流型的各种因素都进行了研究，不断有新的流型转换准则出现f”，但 都有局限性。这些解析关系式易出现流型的非单…眭，如对～个给定的含液率，可能对应几 种流型；多数解析式只能用丁二稳态流动与传热特性的计算：由于两相流动机理非常复杂，流 型种类很多，影响因素也很多，很难用一个通用表达式来描述流型界限，或：者现有的表达式 很难适用r较宽的参数范围。因此，需要寻找新的判别方法。 神经网络是由简单结构和规则复合而成的高级复杂的非线性系统，它具：自学习能力、记 忆能力、计算能力以及各种智能处理功能．它在不同程度和层次上模仿人脑神经系统的信息 处理，存储及检索功能。目前正处于空前活跃的发展阶段，成为现代脑神经科学、数理科学 及信息科学等交叉、综合的前沿科学。在模式识别、故障诊断、信息处理和类似的应用中很 具优势。作者首次将神经网络技术应用丁两相流流型判别，开发r一种新的两相流流型判别 方法。 2在两相流流型判别中神经网络方法的提出 神经网络的研究已成为当代人：亡智能领域最富挑战性和最引人入胜的研究热点。它不仅 给新一代智能计算机的研究带来巨大影响，而且将推动神经网络在其它_[程领域的应用。神 经网络的主要应用领域之一是模式识别，模式识别的目标是研究类似人脑那样高级识别方法 和识别系统，语言识别就是模式识别中一个成功例子。由于神经网络的自学、自组织和并行 分布处理等特点，神经网络的识别系统具有明显的优势。两相流流型的判别实际上是一种模 式识别。 两相流流动与传热特性是非常复杂的，流型判别很困难，若要用明确集合来描述困难重 重，但神经网络作为一种抽取不易明确表达的知识和经验的方法在两相流流型判别中将会发 挥重要作用。基于此，作者尝试将神经网络应用于两相流流型界限识别。神经网络模型中使 用最广泛是反向误差传播神经网络简称BP模型。BP模型已被认为是把重回归分析扩充到非 线性领域的一种方法。BP模型算法的学习过程由止向传播和反向传播两部分组成，误差函数 的求取是一个始于输出层的反向传播的递归过程，通过多个样本的反复训练．并采用最快下 降法，使得权值沿误差函数的负梯度方向改变，并收敛于最小点。BP模型的算法是很有效的， 但也存在一些缺陷，主要是算法收敛速度较慢，且常遇到局部极小。为了克服这些缺陷，便 于神经网络在两相流流别判别中应用，本文对BP模型进行改进，发展了一种神经网络权系 数训练的快速优化算法，提高了神经网络识别两相流流型的效果。 3两相流流型判别用神经网络的构成——