[发明专利]基于希尔伯特边际谱的两相流流型识别方法

摘要

本发明公开了一种基于希尔伯特边际谱的两相流流型识别方法，在圆形管道上设置静电传感器，其环形电极通过一个变送器与一台计算机相连，该计算机是基于希尔伯特-黄变换方法的信息处理平台；静电传感器利用粉体流动过程中的静电现象来检测气固两相流的流动噪声信号；变送器把静电传感器输入的检测电荷信号变成电流信号送给计算机进行数据采集和处理；计算机对采集到的流动噪声信号进行希尔伯特-黄变换提取边际谱及边际谱的四种特征量，用求得的不同流型的四种特征量作为神经网络分类器训练样本的输入向量，每四种特征量对应的流型作为神经网络分类器训练样本的输出向量，先通过训练样本对神经网络分类器进行训练；然后进行实际流型识别。

主权项

一种基于希尔伯特边际谱的两相流流型识别方法，其特征在于，包括下述步骤：(1)在圆形管道上设置静电传感器，其环形电极通过一个变送器与一台计算机相连，该计算机是基于希尔伯特‑黄变换方法的信息处理平台；(2)静电传感器利用粉体流动过程中的静电现象来检测气固两相流的流动噪声信号；(3)变送器中设有电荷放大调理电路，该电荷放大调理电路把静电传感器输入的检测电荷信号变成电压信号，变送器的标准信号转换电路把电压信号转换成标准电流信号送给计算机进行数据采集和处理；(4)计算机对采集到的流动噪声信号进行希尔伯特‑黄变换提取边际谱及边际谱的四种特征量，分别为边际谱子带能量SE、边际谱子带能量一阶差分DSE，边际谱子带能量倒谱系数SECC、边际谱子带能量倒谱系数一阶差分DSECC；用求得的不同流型的四种特征量作为神经网络分类器训练样本的输入向量，每四种特征量对应的流型作为神经网络分类器训练样本的输出向量，先通过训练样本对神经网络分类器进行训练；(5)然后进行实际流型识别：把待辨识流型的流动噪声信号送入计算机，提取四种特征量，然后把特征量输入训练好的神经网络，即可得到该信号对应的流型，亦可得出管道中介质对应的流型。