基于图像法的环雾状流液滴参数测量与分析

环雾状流广泛存在于石油化工领域,其内部流场测量具有重要意义。本文结合光学图像法和高速摄影技术对撞针式喷嘴的雾化特性进行了测量分析,以此为基础对基于雾化混合的环雾状流中夹带液滴特性开展了实验研究。利用高速摄影技术对喷雾进行可视化,采用单帧单曝光法对液滴尺寸和速度信息进行提取。研究发现,液滴速度随轴向距离增大呈衰减趋势,且相同轴向距离（约在径向位置10mm处）条件下,速度达到峰值;液滴索泰尔平均直径（SMD）随喷嘴孔径d₀的增大而增大,并与液相质量流量m_l和喷嘴上下游压差?p均呈负相关;另外,在环雾状流环境中,相同气压条件下液滴SMD随气相体积流量Q_g增大而减小,而相同气相体积流量条件下SMD随气压p_g增大而增大。基于实验测量结果,以气相韦伯数We_g和液相雷诺数Re_l为主影响参数,引入相间滑移和压力系数建立了基于量纲分析的环雾状流液滴SMD预测模型,平均绝对百分比误差MAPE为11.4672%。     

基于声发射信号EMD-WPD特征融合的航天器在轨泄漏辨识方法

长期运行在空间环境中的航天器可能由于撞击、振动、老化等因素而发生气体泄漏,在轨泄漏辨识对航天器安全保障具有重要意义。提出了一种基于声发射信号经验模态分解(empirical mode decomposition,EMD)和小波包分解(wavelet packet decomposition,WPD)特征融合的航天器泄漏辨识方法,首先将声发射信号分别通过EMD和WPD分解成为不同频率范围内的子带信号,考虑能量特征误差与不稳定性,提取信号无量纲因子和频率特征参数并应用Relief F算法选取特征。最后,构建支持向量机(support vector machines,SVM)机器学习数据库,训练泄漏分类模型并利用测试集交叉验证模型分类精度。结果表明,EMD和WPD分解特征并行融合分类模型可显著提高辨识精度,最高可达96.9%,且输入特征数量少,是一种具有应用前景的航天器在轨气体泄漏辨识方法。