低含液率气液两相流涡街探头最佳安装位置研究

通过数值仿真试验研究,验证利用FLUENT仿真软件进行数值仿真的可行性,并且得出在单相流以及气为连续相的低含液率气液两相流这两种情况下,50 mm口径涡街流量计探头的相对最佳安装位置,其中单相流的涡街探头最佳安装位置在发生体后0.4D处,气为连续相的低含液率气液两相流涡街探头的最佳安装位置在发生体后1D处。利用FLUENT仿真软件的后处理功能对流场进行分析,得出低含液率下采集的信号在发生体后1D处最优的本质原因——在发生体后1D处,旋涡达到成熟,涡街信号最强,流场信息最为丰富稳定。以含液率0.04%的气液两相流流场与单相流流场进行对比,分析得出单相流和低含液率两种情况下,涡街探头最佳安装位置不同的原因。     

科氏流量计应用于气液两相流测量的实验研究

以空气-水为介质,对科氏流量计应用于气液两相流双参数测量进行了实验研究.实验过程中保持液相流量一定,通过加入不同体积分数的空气来分析含气率对科氏流量计测量精度的影响,采用Weisman垂直上升管气液两相流流型图与实验数据进行了比较.结合实验结果,初步归纳出含气量、流型和科氏流量计测量精度之间的关系,总结出液相中含气影响科氏流量计测量精度的主要因素及其影响规律,为进一步研究科氏流量计气液两相流测量误差修正提供了一种技术方法.     

基于ERT技术的垂直管道两相流流型识别

在两相流测量问题的研究中 ,流型的准确识别是其它流动参数准确测量的基础。基于电学敏感原理的电阻层析成像技术 (ERT) ,由于可视化、无辐射、低成本等优点 ,在两相流动参数的检测中具有很广阔的发展前景。研究中以 ERT系统样机为测量工具 ,以垂直管道气 /液两相管流为研究对象。通过对模拟流动状态实验下几种典型流型的测量数据的采集、处理 ,采用模式识别中的特征提取方法降低数据维数 ,并利用数理统计和神经网络方法识别流型。研究结果表明采用距离判别法和径向基神经网络技术均得到较高的识别率     

气液两相流动态差压信号分析

对垂直上升管道气液两相流动态差压信号进行了分析,提出了管道差压信号均方差与气液两相流其他参数(总质量流量,干度,气液密度等)之间的函数关系.     

电容层析成像两相流流型可视化系统

本文基于电容层析成像技术研制了一套两相流型可视化系统,建立了一种新型的具有高速采集和高分辨率测量的电容数据采集系统,采用加权反投影算法进行图像重建以保证流型可视化的实时性和有效性,整套流型可视化系统经气液两相流现场应用测试和气固流化床实验室动态实验证明是有效的,成像速度达20幅／秒以上,满足工业应用要求。     

气液两相流型在线识别系统的开发和应用

在统计理论和小波理论的基础上,把神经网络应用到流型识别中,采用VB语言编程完成了软件的开发.按照信号测量、信号特征提取和流型识别3个实现流型客观自动识别的步骤,建立了一套气液两相流流型在线识别系统,在气液两相流实验系统上采集了180组仿真样本进行仿真实验.结果显示:流型正确识别率为91.7%,此系统应用于流型识别,不仅具有较高的识别率,而且很好地实现了识别结果的实时显示,运行速度快,达到了流型在线识别的目的.     

气液两相流质量测量方法的研究

在机械制冷循环中,需要对气液两相制冷剂流动进行质量测量,以监测循环运行.尽管两相流的截面空隙率有多种检测方法,但由于管内液相和气相的速度不同,很难从截面空隙率来判断两相流的质量.因此,提出了一种新的质量测量方法,在0.05～0.8 kg的质量范围内,通过安装多个窄管的气体旁路管,实现了精度在0.03 kg以内的质量测量.     

低压管路内气液两相流数值模拟及试验分析

以低压管路内气泡的运动状态为研究对象,建立了气泡在管路内运动的模型。对气泡分别在45°倾斜向下、水平、垂直向上3种管路中匀速运动进行分析。通过理论分析及模型仿真发现,在45°倾斜向下的管路中,气泡在匀速运动时只能聚集于靠近管壁的环状空间上方;在水平管道中,气泡存在于管道上部,在垂直向上的管路中,气泡只沿管道中心向上运动。搭建可视化试验台,观察气泡在不同管路中的运动状态,发现仿真结果与试验观察现象吻合。同时,通过分析当管道含气率在1.18%时,气泡在管路中的聚集和变形情况,发现管道内的压力波动与油液流速和管道的曲率半径相关。     

气液两相流系统的小波软测量技术

提出了一种基于小波分析技术的气液两相流流型判别软测量模型.气液两相流中简单、易测而且可靠的差压波动信号作为软测量模型中的辅助变量,气液两相流的流型作为模型中的主导变量,利用小波分析技术建立了主导变量和辅助变量之间的数学关系,进而通过测量差压波动信号可以对气液两相流的流型进行判别.实验证明所建立的软测量模型是有效的.     

基于希尔伯特-黄变换和隐马尔可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的气液两相流的流型,利用自制的多电导探针的测量系统采集了四种典型流型的电导波动信息.由于气液两相流电导波动信号的非平稳特征以及神经网络学习收敛慢等问题,提出了一种基于希尔伯特-黄变换(hilbert-huang transform,HHT)和隐马尔可夫模型(hidden markov model,HMM)的两相流流型识别方法.该方法首先将信号经验模态分解(empirical mode decomposition,EMD)后的固有模态函数(IMFs)进行希尔伯特变换得到其幅值能量,并将其作为特征向量,输入到已经训练完毕的各状态HMM中,实现了对气液两相流的流型识别.实验结果表明:该方法能很好的识别垂直管内的4种流型,而且优于BP神经网络,从而为流型识别开辟了一条新的途径.