基于图像应用遗传-粒子群算法与遗神经网络结合的气液两相流型识别

《基于图像应用遗传-粒子群算法与遗神经网络结合的气液两相流型识别》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、中国工程热物理学会学术会议论文基于图像应用遗传一粒子群多相流编号：076096算法与遗神经网络结合的气液两相流型识别周云龙李洪伟(东北电力大学，吉林132012)Tel：0432—4806655E—mail：zyl@mail．nedu．edu．cn摘要：本文采集了水平管内气液两相流动图片，利用图片的灰度分布特征进行了分析，定义了PDF方差、波峰峰值、波峰位置、图片的信息熵四个参数来反映流型的特征。运用四个参数构成的特征向量应用改进的BP神经网络进行识别。提出了一种基于遗传算法(GA)和粒子群算法(PsO)混合的算法GA

2、—PsO用于神经网络训I练。仿真结果表明：GA_PSO算法是有效的神经网络训练算法，其对流型的识别率达到90％以上，所需的样本数与识别时问也明显减少。关键词：流型识别：图像处理；遗传算法；粒子群优化：神经网络0前言两相流动现象广泛存在于化学、石油、动力工程以及各种加工工业的换热设备中，如蒸发器、冷凝器、锅炉以及油气输送等。流型在两相流的流动和传热特性的研究中是非常关键的。它虽然没有定量的描述，但它是决定传热与流动的计算依据。不同的流型，有其独特的传热与流动机理。流道中流型的变化往往会引发流阻、流动的稳定性改变以及出现传

3、热危机。因此，在气液两相流动中，流型的研究与确定是首要任务llJ。两相流流型及其转变特性的研究，是两相流研究中最基本也是最重要的问题之一¨】。流型识别方法可以分为两类：一类是根据两相流流动图像的形式直接确定流型，如目测法、高速摄影法、过程层析成像法等；另一类是间接方法，即通过对反映两相流流动特性的波动信号进行处理分析，提取流型特征，进而识别流型pj。孙斌”J等利用小波包分解对流型的动态压差波动信号进行分析提取特征，然后将小波包能量特征与BP神经网络结合进行流型识别。王强I)1等同样利用压差波动信号对特征进行提取，应用小

4、波与希尔波特一黄变换的方法进行流型识别。利用压差法对流型识别的优点是信息量比较大，容易处理，识别的正确率比较高，然而其应用于实际工程中时不如图像处理法方便实用。数字图像处理作为一种现代化的信息处理技术，已被应用于两相流的实验研究中。施丽莲loj等利用图像处理技术，提取气液两相流流动图像中的气泡特征，结合模糊推理方法对流动图像进行流型识别，对各种流型的整体识别率达到93．4％。从目前的文献上来看，利用图像处理技术来进行流型识别还比较少，还有很多工作要作，因此利用图像处理方法，对气液两相流流型进行识别的研究具有重要的学术价

5、值和实际意义。*基金项目：吉林省科技发展基金资助项目(20040513)7571实验装置及实验方法实验是在空气一水两相流系统上完成的，如图l所示。图l空气一水两相流实验系统该实验装置主要包括两部分，即流体控制系统和图像采集系统。流体控制系统主要由空气经空压机升压和孔板流量计计量后进入气液两相混合器，水由水泵抽出，用电磁流量计计量后到气液两相混合器，从气液两相混合器出来的气水混物，流经透明测试管进行流动图像的采集后，进入旋风分离器，将空气分离出来并排入大气，剩下的水流回水箱供循环使用。图像采集系统主要包括照明系统和高速摄

6、影系统。高速摄影机对光线的亮度有较高的要求，照明系统的光源使用6400K色温的三基色光管，光线明亮无闪烁。由于两相流流型变化复杂，高速摄影系统采用瑞士公司研发的SpeedCamvisario系统，其最大分辨率为1536×1024，最大帧频达到10000帧／s，能够清晰的抓拍各种流型的瞬变图像。在图像摄取过程中由于液体和气体均是透明的，可采用逆光照明¨j，拍摄各种流态的阴影。为了使光线分布均匀，可在流动图像的后侧有机玻璃管上，蒙上两层绘图用的硫酸纸，可获得满意的拍摄图像。本实验选用内径50mm，长为2m的透明有机玻璃管。

7、在水平测试管中采集到大小为512×192，帧频为125帧／s的典型流型图像。在图像的拍摄过程中，透明有机玻璃管的洁净度和照明条件都会对拍摄图像的质量产生影响，为了提高图像识别的准确率，需要对图像进行预处理，以去除这些噪声pJ。经过预处理后的流动图像如图2所示，从图中可以明显看出图像质量得到了明显改善，可用于流型识别。图2图像处理后的气液两相流流动图像2流动图像灰度特征提取作为灰度图像，其灰度特征是所有特征中比较显著的一个。对灰度进行了函数提取，经过观察，不同的流型差别还是比较明显的，具体体现在灰度的峰值、位置、PDF方

8、差和灰度函数的信息熵。对波状流、层状流、弹状流和雾状流中上述四项特征进行了提取，758图3是四种流型灰度特征函数图像。(a)波状流0200400(b)层状流图3四种流型灰度特征函数图像300020001口00D02004D口(d)雾状流观于四项特征中的峰值及其位置是很容易从图3得到。熵的公式为：P=一∑p(zf)1092p(z，)