安连锁，刘伟龙，魏 萌，沈国清，张世平

（华北电力大学 国家火力发电工程技术研究中心，北京 102206）

气力输送广泛存在于电力、制药、食品、水泥等多个工业过程当中，气力输送内颗粒相质量流量对安全高效的生产具有重要影响。在工业过程中对颗粒相质量流量的监测具有重要的意义。虽然有光学法[1–2]、传热法[3]、电容法[4]、超声法[5–6]等方法的研究论文持续发表，但是这些方法仍然存在着诸多的局限性，在实际生产过程当中尚未得到广泛的推广使用。声发射作为一种由两相流自身产生的声信号，其与两相流的自身性质的变化有着直接的关系。由于其测量方法简单，可以作为一种研究对象来对气力输送的参数进行研究。EEMD方法作为一种对原始信号进行分解的方法，由于其分解的基础是原始信号本身而使得其适应性更强。由于气力输送本身流动的复杂性以及环境参数的变化，导致分解后的信号之间存在着复杂的非线性关系。人工神经网络作为一种基于现代神经科学的抽象数学模型，在各个方面得到了一定的应用[7–8]。

本文利用EEMD分解联合误差逆传播网络（Back Propagation，以下简称BP网络）对声发射信号进行研究，在两相流系统中获得大量实验数据基础上，通过改变神经网络层数以及各层神经元节点数，选取IMF1－IMF4作为神经网络输入，对4层BP神经网络进行训练学习，实现对一定范围内的颗粒相质量流量的在线测量，为工业应用提供了一种切实可行的测量方法。……