周云龙，顾杨杨

(东北电力大学能源与动力工程学院，吉林吉林132012)

气液两相流广泛的存在于工程和自然界中，与人类的生活和生产密切相关。目前，在化工、石油、能源、冶金、环保和轻工等行业的许多生产设备中都涉及两相流工况，而两相流学科是以两相流系统为研究对象，与数学、力学、信息、生物、环境、材料和电子计算机等学科相互融合交叉而逐步形成和发展起来的一门新兴交叉学科［1］。流型的识别一直是两相流研究的重中之重。传统的流型识别方法一般分为两类:一是直接法即根据两相流流动图像的形式直接确定流型;二是间接法即是通过对反应流型特性的参数进行特征提取，后通过其他的识别系统以达到流型识别的目的。在文献［2］中将独立分量分析的方法应用于故障诊断的特征提取中，但并没有将其应用于流型识别中。本文的创新点在于首次将独立分量分析法应用于流型识别的特征提取过程中。

近年来，信息技术和测量技术的快速发展为气液两相流的智能识别提供了重要的技术手段。而神经网络［3］的发展作为一种智能的识别技术已经在流型识别的过程中得到了广泛的应用，应用的主要形式集中在BP、RBF神经网络［4］上。但是，由于神经网络往往存在过学习的问题，产生的模型有时也会产生过度拟合，或拟合程度较差的现象，而支持向量机恰好可以弥补这个不足。支持向量机(Support Vector Machine，SVM)是AT＆Be ll实验室Vapnik V针对分类和回归问题(Classification and Recognition)提出的［5］，此方法一经提出就得到了广泛的关注，并成功的应用于多个领域。……