基于图像应用遗传—粒子群算法与遗传神经网络结合的气液两相流型识别

【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,定义了四个特征参数,即 PDF 方差、波峰峰值、波峰位置、图片的信息熵来反映流型的特征。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(PS0)混合的算法(GA- PS0)用于神经网络训练,经 GA-PSO 训练的神经网络应用于汽液两向流流型分类问题,与 BP 等算法相比, 该算法在提高训练误差精度的同时加快收敛速度,并能有效避免早熟收敛。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,所需要的样本数与识别时间也明显减少。