基于主成分分析和支持向量机的两相流型智能识别方法技术

本发明专利技术公开了一种基于主成分分析和支持向量机的两相流型智能识别方法，利用压差变送器和数据采集系统在线采集多孔介质通道内气

【技术实现步骤摘要】
基于主成分分析和支持向量机的两相流型智能识别方法


[0001]本专利技术属于多相流测量
，是把特征提取和机器学习技术应用于多孔介质气液两相流型识别，尤其涉及到一种基于主成分分析和支持向量机的两相流型智能识别方法。

技术介绍

[0002]多孔介质内的两相流动与传热现象广泛存在于众多科学研究和工程领域中，包括化学工程、石油工程和核工程等。流型是两相流动传热研究的基础，不同的流型具有不同的水动力学和传热特性。特别是在一些工业生产中，某些流型不仅会大幅降低生产效率，甚至会对设备产生严重的危害。
[0003]多孔介质结构因其具有弯曲性、无定向性和随机性特点，使得多孔介质结构内流体流动传热过程更加复杂，并给两相流型识别研究带来极大困难。因此，开展多孔介质内的两相流流型识别研究，对揭示多孔介质结构内两相流动传热状态参数，完善流动换热机理模型具有重要的科学意义和工程价值。
[0004]目前，国内已有一些面向气液两相流流型识别技术的研究，但其中大多仅适用于光滑管道中两相流动工况。例如申请公布号为CN 105823617 A，名称为集输立管系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于主成分分析和支持向量机的两相流型智能识别方法，其特征在于，通过在线测量的多孔介质通道内的气液两相流原始压差信号，利用主成分分析技术与支持向量机技术，实现对多孔介质结构内的气液两相流流型进行智能在线识别，包括如下步骤：步骤1：采集压差信号数据；利用压差传感器和数据测量系统，在线采集多孔介质结构内的气液两相流原始压差信号；步骤2：分别利用时域分析中的概率密度函数、频域分析中的功率谱密度技术和两相流动物理特征量，对采集的压差信号进行时域和频域统计分析，基于特征提取技术提取特征；具体特征提取步骤如下：步骤2.1：对原始差压信号进行时域统计分析，按公式(1)计算压差信号均值A
n
：式中：A
n
为压差信号均值；x
i
为原始压差信号值；N为项数；步骤2.2：对原始差压信号进行概率密度函数统计分析，按公式(2)计算压差信号的概率密度函数偏度S：式中：S为概率密度函数偏度；E为x
j
为原始压差信号值的概率密度计算值；μ为x
j
的均值；σ为x
j
的标准差；步骤2.3：对原始差压信号进行功率谱密度统计分析，按公式(3)计算压差信号的功率谱密度峭度K：式中：K为功率谱密度峭度；x
k
为经过功率谱密度计算的差压信号值；步骤2.4：对两相流动物理特征量进行计算，按公式(4)计算液相雷诺数Re
l
：式中：ρ
l
为液体密度；J
l
为折算液速；d
p
为颗粒直径；μ
l
为液体动力粘度；ε为孔隙率；步骤2.5：按公式(5)计算气相雷诺数Re
g
：式中：ρ
g
为气体密度；J
g
为折算气速；μ
g
为气体动力粘度；步骤3：构造特征向量；具体特征向量构造步骤如下：步骤3.1：通过步骤2计算得到了压差信号的多个时域和频域参数；利用压差信号分别计算上述5个特征参数后得到数组，将数组标准化后通过主成分分析方法进行降维；步骤3.2：建立特征参数矩阵，其中X
mn
表示各种工况下特征参数的对应值；
步骤3.3：计算相关性系数矩阵；其中r
mn
是相关性系数，计算公式如下所示：其中i,j＝1,2,
…
,n,和为第i和j列中数据平均值，x
ki
和x
kj
分别为第i列和第j列的所有数据；步骤3.4：根据特征方程|λI
‑
R|＝0，其中λ为每个特征方程的解即其特征值，I为单位方阵；特征值通过雅可比方法求解，并且排序如下：λ1≥λ2≥
…
≥λ
n
≥0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)其中λ1,λ2,
…
λ
n
按降序排列；步骤3.5：构造对应于主成分方差λ
i
的特征向量e
i
，其中i＝1,2...n，并确保||e
i
||＝1；其中e
ij
表示向量e
i
的第J个分量；步骤3.6：根据计算出的特征值得到贡献率：其中C
i
是对应于主成分方差λ
i
的贡献率；并且得到累积贡献率：其中C
1i
表...

【专利技术属性】
技术研发人员：李良星，王闻婕，向祖涛，许向阳，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：