基于Choi-Williams分析与神经网络的两相流流型识别北大核心CSCD

提出一种基于Choi-Williams分析和神经网络的流型识别方法。使用阵列电导传感器获取垂直上升管道气液两相流流型信息,并将多元测量数据进行去噪和降维处理,进一步采用Choi-Williams分析将其转换为时频谱图,并构建数据集。分别搭建CNN、VGG-16和ResNet-18网络模型,将不同流型的时频谱图作为网络输入进行训练、测试。识别结果表明,Choi-Williams分析可以有效提取不同流型信号的特征,3种网络均具有较高的识别精度,其中ResNet-18网络准确率最高,平均流型识别率达99.4%。