基于图像纹理特征和Elman神经网络的气液两相流流型识别

气液两相流广泛存在于现代工业生产之中，其流型极大地影响气液两相流的流动和传热特性，为此提出了一种图像灰度直方图统计特征和Elman神经网络相结合的气液两相流流型识别方法。该方法利用高速摄影系统获取水平管道内两相流的流动图像，经过图像处理后，提取图像灰度直方图统计特征，进而建立流型的图像统计特征向量，并以此特征向量作为流型样本对Elman神经网络进行训练，实现对流型图像的智能化识别。实验结果表明，训练成功的Elman神经网络能有效识别水平管道内7种典型流型，整体识别率达98.6%，为流型在线识别提供一种新的有效方法。