HHT与神经网络在油气两相流流型识别中的应用

引　言两相流动广泛存在于自然界和许多工业过程中 ,如电力、能源、石油、核工业等 .两相流动中介质的几何分布状况 ,即流型 ,极大地影响着两相流动压力损失、传热特性、流量测量的准确性和流动系统的运动特性 .流型的识别方法研究是目前国际多相流研究领域的热点问题之一[1,2 ] .利用神经网络识别流型 ,需要解决两个问题 :一是特征向量的选取 ;二是神经网络的选择 .其中前者更加重要 .Embrechts等[3] 采用Kohonen网络模型 ,把差压波动信号的傅氏变换系数和正交小波　变换后的小波系数作为网络的输入 ,对水平管内的两相流流型进行辨识 .Mi…     

基于图像不变矩特征的气液二相流流型识别

气液二相流流型极大地影响气液二相流的流动和传热特性,准确识别流型对相关设备的设计和运行具有重要意义。根据不变矩能有效检测出具有平移、旋转、比例变化的图像特性,提出了一种基于图像不变矩和概率神经网络相结合的气液二相流流型识别的新方法。该方法利用高速摄影系统获取水平管道内气液二相流的流动图像,经过图像处理后提取图像不变矩特征向量,并以此特征向量作为流型样本对概率神经网络进行训练,实现了对流动图像的流型智能化识别。实验结果表明,训练成功的概率神经网络能够快速准确地识别水平管道内的7种典型流型,整体识别率达到99.3%,为流型在线识别提供一种新的有效方法。     

基于距离评估的气液二相流流型识别方法

为了克服气液二相流特征融合后不相关特征过多的问题,提出了基于距离评估和支持向量机(SVM)的气液二相流流型识别方法。首先利用经验模式分解和小波包方法对原始的压差波动信号进行分解,分别提取原始信号和各分解信号的时域特征参数组成融合特征,然后采用距离评估方法对融合特征进行评估,根据距离评估因子的大小挑选出敏感特征作为SVM的输入,进而实现对流型的自动识别。水平管内空气-水二相流流型识别结果表明:该方法能够准确获取流型的敏感特征,减小运算规模,提高识别准确率。     

水平气液两相流流型空间图像信息复杂性测度分析

为了考察从图像灰度序列提取的复杂性测度与气液两相流流型变化之间的关系,本文首先从高速摄影系统拍摄的60种流动工况下水平管内气液两相流流型图像中提取了三种复杂性测度（Lempel-Ziv复杂度,分形盒维数,Shannon信息熵）,在此基础上研究了不同表观气速下三种复杂性测度的混沌动力学特性,以及对气液两相流流型的表征能力。实验结果表明：三种复杂性测度均能敏感地指示出流型的变化;通过对三种复杂度随两相流流动参数变化规律分析,可以得到气液两相流动力学结构反演特征, 为揭示气液两相流流型转化机理和定量识别流型提供了一种有效的辅助诊断工具。     

基于自适应最优核和卷积神经网络的气液两相流流型识别方法

为了研究气液两相流的动态特性,以及解决提取的特征值少而没有代表性导致识别率不高的传统问题,利用V锥流量计和动态差压传感器获取气液两相流在不同流型下的波动信号,采用自适应最优核算法对获取的动态信号进行时频分析,把一维时域信号转换为三维的时频谱图,能够清晰描述出管道内气液两相流的流动状态。将不同流型的时频谱图通过卷积神经网络（CNN）进行学习并自动提取相应的特征值,然后使用Softmax分类器进行训练从而实现流型识别。通过对几种常见流型进行试验与分析发现,采用时频谱图结合卷积神经网络的深度学习方法识别气液两相流流型,克服了传统流型识别方法特征值提取的不足之处,能够更贴切地描述气液两相流的动态特征。此方法可以进一步研究更多种类的流型以及空隙率等。     

基于自适应最优核和卷积神经网络的气液两相流流型识别方法

为了研究气液两相流的动态特性,以及解决提取的特征值少而没有代表性导致识别率不高的传统问题,利用V锥流量计和动态差压传感器获取气液两相流在不同流型下的波动信号,采用自适应最优核算法对获取的动态信号进行时频分析,把一维时域信号转换为三维的时频谱图,能够清晰描述出管道内气液两相流的流动状态。将不同流型的时频谱图通过卷积神经网络(CNN)进行学习并自动提取相应的特征值,然后使用Softmax分类器进行训练从而实现流型识别。通过对几种常见流型进行试验与分析发现,采用时频谱图结合卷积神经网络的深度学习方法识别气液两相流流型,克服了传统流型识别方法特征值提取的不足之处,能够更贴切地描述气液两相流的动态特征。此方法可以进一步研究更多种类的流型以及空隙率等。     

基于神经网络和D-S证据理论的气液两相流流型识别方法

提出一种运用神经网络和D-S（Dempster-Shafer）证据理论的多特征信息融合的气液两相流流型识别方法.对压差波动信号进行4层小波包分解,提取各频带信号的小波包能量和信息熵构造两个特征向量,再利用统计和分形理论提取压差波动信号的3个统计参数和4个分形参数作为另一个特征向量,然后将这些特征向量送入改进的BP神经网络进行训练,从而实现对流型的识别.以初始识别结果作为彼此独立的证据,根据D-S证据融合规则进行融合处理,得到最终的识别结果.以水平管内空气-水两相流流型识别为例,说明了该方法的具体实现过程.结果表明,多特征信息融合比单一特征的识别方法具有更高的识别率.     

基于峭度系数和隐马尔科夫模型的气液两相流流型识别方法

为了研究垂直上升管中气液两相流流型,采用经验模态分解与峭度系数相结合的方法对垂直上升管中的气液两相流进行流型特征提取,利用隐马尔科夫模型对流型进行识别。首先对采集的电导波动信号进行经验模态分解,然后根据得到的固有模态函数分量求取峭度系数,并将其作为特征向量,输入到已经训练好的隐马尔科夫模型中对流型进行识别。实验结果表明该方法能够准确地识别出3种典型流型,且识别效果良好。     

基于子波能量特征的气液两相流流型辨识方法

气液两相流的流型影响着两相流的流动特性和传热特性，同时也影响着流动参数的准确测量以及两相流系统的运行特性。针对压差信号的非平稳和非线性特点，尝试利用Hilbert-Huang变换(HHT)和小波包分解对差压波动信号进行信号处理，进而建立流型的子波能量（IMF能量和小波包能量）特征，并以此特征向量作为Elman神经网络的输入量，从而实现对流型的智能识别。实验结果表明：这两种特征向量与Elman神经网络结合都能够较准确地识别出4种流型，并且各自都有不同的优缺点。另外与BP神经网络相比，采用Elman神经网络进行流型识别可以获得更高的识别率。     

基于灰度共生矩阵和支持向量机的气液两相流流型识别

根据灰度共生矩阵具有较好的纹理表达能力的特性，提出了一种基于图像灰度共生矩阵和支持向量机相结合的气液两相流流型识别的新方法。该方法利用高速摄影系统获取水平管道内气液两相流的流动图像，经过图像处理后，提取图像灰度共生矩阵的纹理特征，进而建立流型图像的灰度共生矩阵纹理特征向量，并以此特征向量作为流型样本对支持向量机进行训练，实现了对流动图像的流型智能化识别。实验结果表明，支持向量机能够快速准确地识别水平管道内的7种典型流型，整体识别率达到100%，每幅流型图像的判别时间约为1.7 s，为流型在线识别提供一种新方法。     

U形弯头单元内气液两相流型及压降波动特性

对空气-水两相流在内径16 mm、弯曲半径100 mm的横向U形弯头单元内向上流动时的流型进行了实验研究。利用流动可视化技术及其相应压降波动规律实现了流型的客观识别。总结了不同流型的压降波动特性并据此提出了定量识别流型的新方法。实验范围内发现了分层-搅拌流、塞状-泡状流、段塞-波形流、环状-波形流和环状弥散流等5种与水平直管和垂直直管不同的流型。相比标准偏差,压降波动的功率谱（PSD）分布能更好地反映U形弯头单元内不同流型的流态演变特征与动力学特性。PSD分布的偏度或峰度与气液表观流速比的结合可以定量客观地识别U形弯头单元内的流型,流型转变时的气液表观流速比为1和13。     

气液固三相流中压力波动信号与流型

运用统计分析方法 ,对垂直上升管气 液 固三相流不同流型时的压力波动信号特性进行了分析研究 ,提出了基于压力波动特征的三相流流型的客观识别方法 ,得到了不同流型所对应的气速范围。通过实验得到了以下结论 :压力波动的偏斜度先随气速的增加而减小 ,而后又随气速的增加而增加 ;压力波动的平坦度先随气速的增加而减小 ,而后又随气速的增加而增加 ;压力波动的概率密度分布随气速的增加其峰值从右向左移 ,当气速为0m/s时 ,概率密度分布呈正态对称分布     

垂直上升管汽液两相流型的压差波动特征识别

运用现代数字信号处理技术,对垂直上升管水/水蒸气两相流不同流型时的压差波动信号特性进行了分析研究,提出了基于压差波动特征的两相流流型的客观识别方法。通过提取压差波动信号的功率谱分布特征,表明利用功率谱随频率的分布特性的均方根可客观识别出泡状流、间歇流和环状流。     

Characterization of dynamic behavior of a spout-fluid bed with Shannon entropy analysis

Differential pressure fluctuation time series were obtained at different locations in a two-dimensional spout-fluid bed with a cross section of 300 × 30 mm and height 2000 mm. Shannon entropy analysis of differential pressure fluctuations was developed to characterize the dynamic behavior. Effects of two important operating parameters (spouting gas velocity and fluidizing gas flow rate) on the Shannon entropy were examined. It was demonstrated that a spout-fluid bed at a high spouting gas velocity or fluidizing gas flow rate was a deterministic chaos system since the Shannon entropies at all bed locations increased sharply and asymmetric unstable flows occurred. Shannon entropies were found to be significantly different at various bed locations. Shannon entropies of different flow regimes were distinct, so they were used to identify the flow regimes. The results show that the Shannon entropy helps to grasp the complex characteristics of dynamic behavior in spout-fluid beds.     

基于神经网络的两相流流型识别方法研究

采集了水平管内气水两相流动的差压信号,利用概率密度函数(PDF)对差压信号特征进行了分析;定义了PDF的四个特征参数,即PDF波峰个数K1、波峰峰值K2、波峰位置K3、以及PDF的方差K4来反映流型的特征。运用四个参数构成的特征向量对径向基函数(RBF)神经网络进行训练并识别流型,结果表明,该方法具有识别速度快、准确率高的特点,从而为两相流的流型识别提供了一种有效的手段。     

Flow Regime Identification in a Slurry Bubble Column from Gas Holdup and Pressure Fluctuations Analysis

Analysis of gas holdups and pressure fluctuations are conducted in a slurry bubble column to study changes in flow regimes and comparisons are made with solid‐free bubble column. The pressure fluctuations are measured by fast response pressure transducers mounted on the column wall in the distributor and bulk regions. Air, tap water and 35 micron glass beads are used as the gas, liquid and solid phases respectively. Statistical analysis of pressure fluctuation data combined with gas holdup analysis provided information about flow regime transition and interesting insights into bubble size distributions and changes in flow structure.     

Flow Characteristics and Shannon Entropy Analysis of Dense‐Phase Pneumatic Conveying of Pulverized Coal with Variable Moisture Content at High Pressure

Experiments consisting of dense‐phase pneumatic conveying of pulverized coal using nitrogen were carried out in an experimental test facility, with a conveying pressure of up to 4 MPa. The influences of the conveying differential pressure, the coal moisture content, the gas volume flow rate and the superficial velocity, on the solid‐gas ratios, were investigated. The Shannon entropy analysis of the pressure fluctuation time series was developed to reveal the flow characteristics. By investigation of the distribution of the Shannon entropy at different conditions, the flow stability and the evolutional tendency of Shannon entropy, in different regimes and regime transition processes, were revealed, and the relationship between Shannon entropy and the flow regime was also established. The results indicate that the solid‐gas ratio and the Shannon entropy rise with increases in conveying differential pressure. The solid‐gas ratio and the Shannon entropy reveal preferable correlation with the superficial gas velocity. Shannon entropy is different for different flow regimes, and can be used to identify the flow regimes. Both the mass flow rate and the Shannon entropy, decrease with increases in moisture content. Shannon entropy analysis is a feasible approach to researching the characteristics of the flow regime, the flow stability and the flow regime transitions in dense‐phase pneumatic conveying systems, at high pressure.     

Study of pressure fluctuations in an internal loop airlift bioreactor

The origin and coupling of pressure fluctuations in an internal loop airlift bioreactor are investigated. The pressure fluctuations in the reactor are divided into two categories: global pressure fluctuations and local pressure fluctuations. It is found that the coupling between global pressure fluctuations and local pressure fluctuations mainly focuses in the frequency region between 10 and 30 Hz. Local pressure fluctuations in the reactor are strongly affected by pressure waves originating from the air‐supply system, while pressure fluctuations caused by the bubble eruption at the liquid surface have less influence on local pressure fluctuations. Based on the coherence analysis, the pressure signal at a certain position in the reactor is decomposed into three different parts: coherent part, joint incoherent part and exclusive incoherent part. The energy ratios of these different parts are helpful to study the interaction among pressure fluctuations from different sources. Three flow regimes were identified from the evolution of the energy ratio of the joint incoherent part. © 2011 Canadian Society for Chemical Engineering     

双谱核主元分析在气液两相流流型识别中的应用

针对压差波动信号的非线性和非高斯特性,提出了一种基于高阶谱和核主元分析相结合的流型识别方法。通过对气液两相流压差波动信号的双谱分析,提取了不同流型下信号的非高斯特征,以双谱分析核主元数字特征提取流型的特征,最后利用最小二乘支持向量机对流型进行智能识别。实验结果表明,提取的核主元特征反映了两相流的流动状态,最小二乘支持向量机可以有效地识别水平管道内的4种典型流型,整体识别率达到95%,为流型识别提供了一种有效的方法。