论文部分内容阅读
螺旋流因具有换热性强,分离效率高等特点,被广泛应用于工业生产。由于螺旋流型识别工作大多建立在主观识别的基础上,为增加客观性和准确性,提供了一种基于ReliefF-FCM算法的流型识别方法。在机器学习中,该方法以103组流型图片数据为出发点,选取等效灰度为特征量并以此提取流型信息,通过ReliefF算法计算基于等效灰度的均值、标准差、中位数、极差的权重向量,并将贡献度较高的标准差和中位数的加权值输入到FCM算法,得出了不同流型的聚类中心。在实证检验中,该ReliefF-FCM算法利用获得的权重向量和聚类中心,对120组未知流型进行了流型识别,其识别结果与参考结果的吻合度达到92.5%,一定程度上增强了螺旋流型识别工作的客观性和准确性。