人工鱼群算法在气固流化床流型识别中的应用

摘要

准确识别流型是流化床气固二相流参数检测的一项重要内容,实验是在流化床气固二相流实验系统上进行的.首先,采集5种典型流型的压力波动信号,并以信号的统计参量作为流型特征.然后,将样本送入经过人工鱼群优化的BP神经网络进行训练.人工鱼群(AFSA)是一种新型的智能优化算法,具有全局收敛性好,鲁棒性强,对初值不敏感等特点,通过优化神经网络的权值使识别率得到明显提高,实现了气固流化床典型流型的快速、准确识别.实验结果表明,该方法对气固流化床5种典型流型的识别率达到97%,为在线识别气固流化床流型提供了一种新的有效方法.