基于广义复合多尺度熵的气液两相流流型非线性动力学分析方法技术

本发明专利技术提出了一种基于广义复合多尺度熵的气液两相流流型非线性动力学分析方法。本发明专利技术首先进行空气

【技术实现步骤摘要】
基于广义复合多尺度熵的气液两相流流型非线性动力学分析方法


[0001]本专利技术属于气液两相流流型非线性动力学分析领域，具体是利用广义复合多尺度熵处理压差波动时间序列从而实现气液两相流流型的非线性动力学表征与识别。

技术介绍

[0002]气液两相流广泛地存在于自然界和工业生产过程中，由于受相界面相互作用及局部相间相对运动的影响，使得两相流动过程表现出明显的非线性和非平衡性的特征。两相流流型是受限空间内气液两相混合物质的宏观表现，而非线性动力学特性分析映射两相流流型的复杂程度以及非线性流动过程的演化规律。以理论模型和数值模拟为基础的分析方法无法完全映射两相流非线性动力学特性。两相流流型演化过程与流动参数之间密切相关，流动参数波动特征的有效提取对深刻理解两相流流型演化过程的非线性动力学特性以及流动参数测量具有重要意义。
[0003]随着非线性分析理论的发展，基于熵值的分析方法被用来研究两相流非线性动力学特性，金宁德等以近似熵作为复杂性测度分析气液两相流电导波动时间序列，指出近似熵对流动参数的变化具有敏感性，能够用来表征流型。郑桂波等通过计算多尺度熵率对气液两相流流型进行了识别，周云龙等采用多尺度熵对起伏振动状态下气液两相流流型进行了识别，樊春玲等应用多尺度信息熵分析气液两相流流动结构动力学特性，发现多尺度复杂熵因果关系平面能够描述流动结构信息随尺度增加的连续丢失过程。用熵值分析方法对两相流流动参数波动时间序列进行表征，是对深刻理解难以通过数学模型准确描述的两相流流型演化机理的积极探索。但是，目前基于熵值的非线性时间序列分析方法存在以下两个缺陷：首先，基于均值化的粗粒化过程，会导致原始时间序列在高阶矩上的动力学信息的丢失，使得计算出的熵值存在偏差；其次，熵值计算对时间序列长度的依赖性过大，使得其在高尺度因子下熵值的一致性和稳定性较差。

技术实现思路

[0004]本专利技术的目的是针对
技术介绍
存在的两个缺陷，研发一种基于广义复合多尺度熵的气液两相流流型非线性动力学分析方法，根据气液两相流不同流型压差波动时间序列的特征，结合广义粗粒化与复合多尺度熵等非线性时间序列数据处理技术，实现了受限空间内气液两相流不同流型的非线性动力学特性表征，并提出广义复合多尺度熵增长速率的概念对不同流型进行表征和分类。
[0005]为了实现以上目的，本专利技术方法主要包括以下步骤：
[0006](1)获取气液两相流不同流型的压差波动时间序列样本数据，具体是：在齐齐哈尔大学多相流检测实验室进行垂直上升管内气液两相流流型演化模拟实验，实验工质为空气和自来水，实验在常温条件下进行，通过阀门先将管内自来水流量固定，然后以逐步增加空气流量的方式获取不同的气液两相流型，待流型平稳后人工记录气液两相流量配比情况，
使用压差变送器与数据采集卡进行压差波动时间序列的数据采集，并通过高速摄像机记录流型图像信息，模拟实验中共观察到泡状流、塞状流、混状流三种流型。
[0007](2)采用广义粗粒化方法对步骤(1)获取的气液两相流不同流型的压差波动时间序列进行多尺度粗粒化处理。具体过程如下：
[0008]对数据长度为N的气液两相流压差时间序列{x(i)，i＝1，2，3，...，N}进行广义粗粒化处理，多尺度因子为τ时，构建长度为L＝N/τ的连续粗粒化时间序列其中：
[0009][0010][0011]式中：τ为尺度因子，为τ尺度下的第k个广义粗粒化时间序列，j为的第j个点。
[0012](3)根据复合多尺度熵算法，对步骤(2)获取的不同尺度因子的每个广义粗粒化时间序列进行多尺度熵值计算，然后再对τ个多尺度熵进行均值化，得到不同尺度下广义粗粒化时间序列的复合多尺度熵。具体过程如下：
[0013]1)对步骤(2)获取的不同尺度下的广义粗粒化时间序列进行相空间重构，如下式所示：
[0014]Y
k,mτ
(i)＝{y
kτ
(i),y
kτ
(i+1),...,y
kτ
(i+m
‑
1)},1≤i≤L
‑
m+1
[0015]式中：m为嵌入维数，Y
k,mτ
(i)为尺度因子τ下第k个广义粗粒化时间序列的重构向量组。
[0016]2)对尺度因子τ，分别计算出该尺度因子下每个广义粗粒化序列Y
k,mτ
(i)和Y
k,m+1τ
(i)重构向量中各向量之间最大差值的绝对值d[Y
mτ
(i),Y
mτ
(j)]，如下式所示：
[0017]d[Y
mτ
(i),Y
mτ
(j)]＝max{|y
mτ
(i+h)
‑
y
mτ
(j+h)|,0≤h≤m
‑
1}
[0018]统计在m和m+1维下d[Y
mτ
(i),Y
mτ
(j)]＜r(r为相似容限)的向量个数B
mτ
和A
mτ
。
[0019]3)在1≤k≤τ范围内，对尺度因子τ，然后计算该尺度因子下每个广义粗粒化时间序列的多尺度熵En(m,r,L)，如下式所示：
[0020][0021]然后对τ个多尺度熵值取平均，则得到尺度因子τ下时间序列广义复合多尺度熵GCMSE为：
[0022][0023](4)根据步骤(2)和步骤(3)阐述的广义复合多尺度熵方法，计算垂直上升管内气液两相流三种流型压差波动时间序列的熵值，绘制不同流型的广义复合多尺度熵值变化趋势图，结合气液两相流流型演化特征分析其非线性动力学特性的变化。
[0024](5)以步骤(4)获得的广义复合多尺度熵值变化趋势图为基础，计算不同流型压差波动时间序列的广义复合多尺度熵增长速率，实现气液两相流流型的表征与识别。
[0025]本专利技术与现有基于熵值的气液两相流动力学特性研究方法相比，具有以下特点：
[0026]广义复合多尺度熵算法在粗粒化过程中，首先采用方差代替均值的方式，解决了原始时间序列在在高阶矩上的动力学信息丢失的问题；其次以同尺度因子下不同粗粒化序列熵值的均值作为广义复合多尺度熵，解决了熵值计算对时间序列长度的依赖性过大而导致的熵值一致性和稳定性较差的问题；该算法具有鲁棒性强、计算简单以及易于实现的特点；且受相似容限r的影响小、熵值分布范围集中，在相同相似容限条件下随尺度因子的变化更加平缓，熵值稳定性更好。
[0027]广义复合多尺度熵值可以在低尺度和高尺度上映射垂直上升管内泡状流、塞状流和混状流的非线性动力学特性复杂程度。不同流型的广义复合多尺度熵值在低尺度和高尺度下所表现出的变化趋势从细节映射了各流型复杂程度的差异，既从整体上映射其非线性动力学特征，又从细节上反映其演化特征，表明广义复合多尺度熵在分析非线性时间序列上具有的有效性和优越性。在气液两相流广义复合多尺度熵值呈现不同变化趋势的基础上，熵值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于广义复合多尺度熵的气液两相流流型非线性动力学分析方法，其特征在于：包括如下步骤：(1)获取气液两相流不同流型的压差波动时间序列样本数据，具体为：在多相流检测实验室进行垂直上升管内气液两相流流型演化模拟实验，实验在25℃条件下进行，实验工质为空气和水，通过阀门先将混相器内水流量固定，然后在混相器内逐步增加空气流量，当气液两相达到充分混合后，通过阀门调节获取不同的气液两相流型，当流型平稳后人工记录气液两相流量配比情况，使用压差变送器与数据采集卡进行压差波动时间序列的数据采集，并通过高速摄像机记录流型图像信息，模拟实验中共观察到泡状流、塞状流和混状流三种流型；(2)将步骤(1)获取的气液两相流不同流型的压差波动时间序列进行广义粗粒化处理；具体过程如下：对数据长度为N的气液两相流压差时间序列{x(i)，i＝1，2，3，...，N}进行广义粗粒化处理，多尺度因子为τ时，构建长度为L＝N/τ的连续粗粒化时间序列其中：其中：式中：τ为尺度因子，为τ尺度下的第k个广义粗粒化时间序列，j为的第j个点；(3)将步骤(2)获取的不同尺度因子的每个广义粗粒化时间序列进行多尺度熵值计算，然后再对τ个多尺度熵进行均值化，得到不同尺度下广义粗粒化时间序列的复合多尺度熵。对获取的不同尺度下的广义粗粒化时间序列进行相空间重构，如下式所示：式中：m为嵌入维数，Y
k,mτ
(i)为尺度因子τ下第k个广义粗粒化时间序列的重构向量组；(4)对尺度因子τ，分别计算出该尺度因子下每个广义粗粒化序列Y
k,mτ
(i)和Y
k,m+1τ
(i)重构向量中各向量之间最大差值的绝对值d[Y
mτ
(i),Y
mτ
(j)]，如下式所示：d[Y
mτ
(i),Y
mτ
(j)]＝max{|y
mτ
(i+h)
...

【专利技术属性】
技术研发人员：孙庆明，巴頔，
申请(专利权)人：齐齐哈尔大学，
类型：发明
国别省市：