基于粒子群优化Hopfield网络匹配的稀相颗粒速度测量

提出了一种基于粒子群算法(PSO)和Hopfield神经网络相结合的粒子跟踪测速算法。该方法采用高速摄影系统拍摄气固两相流的稀相颗粒运动图像，经图像处理后，提取形心参数。将粒子匹配问题转化为优化问题，采用粒子群优化算法与Hopfield神经网络相结合的方法进行优化，求出最优解来实现颗粒的正确匹配，然后计算出颗粒的速度矢量，并与互相关法求出的速度进行对比，实验结果表明，该方法能准确地跟踪稀相颗粒，是一种有效的稀相流场速度测量方法。