论文部分内容阅读
气液两相流广泛存在于各种工业生产过程当中。两相流的流型及其动力学特性严重影响着两相流动的传热传质速率、动量损失和压力梯度等参数。本文采用基于多尺度信号处理的分类器理论对不同流型的气液两相流进行了识别，并结合多尺度分析方法采用描述系统复杂性的熵测度方法对其动力学特性进行了描述，为两相流体的动力学表征研究提供了参考。考虑到气液两相流流型信号的非线性、非平稳特性，采用对信号具有自适应特性的集合经验模态分解（Ensemble Empirical Mode Decomposition, EEMD）方法处理流型信号，得到其不同尺度上的本质模态函数（Intrinsic Mode Function, IMF）分量并构造用于流型分类的特征向量。利用典型流型的特征向量训练径向基函数（Radial Basis Function, RBF）神经网络和连续隐马尔科夫模型（ContinuousHidden Markov Model, CHMM），完成对气液两相流不同流型的识别。利用信息熵、排列熵以及统计复杂性测度理论对气液两相流不同流型的动力学特性进行研究。（1）利用气液两相流流型信号的不同尺度上的IMF分量计算得到不同流动工况下的信息熵分布，结果表明不同流型的信息熵分布具有明显差异，同时具有一定的演变特征。（2）由于单尺度的非线性参数在反映流型动力学特性时存在许多问题，本文利用算法简单、鲁棒性强的排列熵算法并结合多尺度分析理论，研究了流型信号的多尺度熵及其动力学特性。（3）本文采用基于复杂熵因果关系平面图（Complexity Entropy Causality Plane, CECP）的统计复杂性测度理论进一步研究了气液两相流流型的动力学复杂性，得出了两相流内秉流动结构的多尺度CECP特征。