基于混合神经网络参数优化的两相流流型识别方法

摘要

针对气液两相流传感器测量数据的强非线性和非平稳性导致流型识别困难的问题，提出一种基于混合神经网络参数优化的流型识别方法.所提方法首先采用滑动窗口法将传感器测得的不同流型电导率数据分割为若干子序列，再利用变分模态分解算法获得各子序列的固有模态函数，通过提取固有模态函数的Hjorth特征数据集实现对各子序列非线性特征的描述.接着，将随机森林算法引入卷积神经网络的分类层，进而构建混合神经网络，并采用鲸鱼算法对混合神经网络中3个超参数进行优化.最后，采用优化后的混合神经网络对Hjorth参数特征向量数据集进行分类，进而实现流型识别.实验结果表明，所提方法对4种流型的平均辨识准确率达到98.52%.

关键词

气液两相流 / Hjorth参数 / 混合神经网络 / 随机森林