管束间气液两相过渡流型及其压力波动特性

采用高速摄像技术对矩形通道内气液两相流体垂直向上横掠2种节距比顺列管束的过渡流型及压差信号进行实验研究,在泡状流流动过程中拍摄到了S形泡状流。分析了各种流型转变的机制,基于实验数据绘制了流型界限图。对比分析了2种管束间不同过渡流型的压差波动信号,发现从泡状流到间歇流再到雾状流压差信号呈减小趋势。2种管束的压差信号波动幅值不同,节距比大的压差信号波动幅值大。实验发现气液两相折算速度对压差信号的波动有明显影响。     

顺列管束间气液两相流型及压降特性研究

采用高速摄像仪研究矩形通道内气液两相流体垂直向上横掠节距比P/D为1.3和1.8的顺列水平管束的流型,拍摄到泡状流、间歇流和雾状流3种典型流型。采用气液折算速度绘制了流型图,发现在低折算液速和折算气速下与前人研究较一致。对比分析了2种管束间不同流型的压降,结果表明:2种管束的泡状流压降最大,间歇流次之,雾状流最小。含气率a在0.15~0.67范围内,P/D=1.8管束的压降大于P/D=1.3管束的压降。含气率a小于0.15和大于0.67时,大节距比管束的压降反而小于小节距比管束的压降。对压差波动信号的功率谱特征进行分析的结果表明,利用压差时域信号的功率谱特性可以鉴别流型。     

基于小波分析的垂直上升管气液两相流流型的识别

气液两相流的流型对其流动和传热特性有很大影响，所以如何确定流型一直是两相流研究中的重要课题。但是, 由于两相流介质之间存在着随机多变的相界面，致使两相流的流型不仅是多种多样，而且其变化也带有随机性，这给流型识别带来了很大困难。该文提出了利用压差波动信号的Lipschitz指数来识别流型的方法。采用小波分析中Lipschitz指数可描述不同流型的压差波动特征，因此，根据计算得到的Lipschitz指数的大小，可以识别出泡状流、间歇流和环状流。     

基于希尔伯特-黄变换与Elman神经网络的气液两相流流型识别方法

气液两相流的流型对其流动和传热特性有很大的影响，所以如何确定流型一直是两相流研究中的重要课题。但是,由于两相流介质之间存在着随机多变的相界面，致使两相流的流型不仅是多种多样，而且其变化也带有随机性，这给流型识别带来了很大困难。而希尔伯特－黄变换(HHT)和神经网络在气液两相流流型识别中还很少见，文中提出了希尔伯特－黄变换与Elman神经网络相结合的气液两相流流型识别的新方法。将压差波动信号经验模态分解(EMD)后的固有模态函数(IMF)进行分析，提取IMF能量特征作为Elman神经网络的输入特征向量，对水平管内的气液两相流流型进行识别。实验结果表明：该方法能很好地识别水平管内的4种流型，为流型识别开辟了一条新的途径；另外，该方法优于BP网络且稳定、识别率高，具有可行性。     

基于经验模式分解和概率神经网络的气液两相流识别

针对气液两相流压差波动信号的非平稳特征和BP神经网络学习收敛速度慢、易陷入局部极小值等问题，提出了一种基于经验模态分解(empirical mode decomposition，EMD)和概率神经网络的流型识别方法。该方法首先对原始信号进行了经验模态分解，将其分解为多个平稳的固有模态函数trinsic mode function，IMF)之和，再选取若干个包含主要流型信息的IMF分量进行进一步分析。由于流型转变时，压差波动信号各频带的能量会发生变化，因而可以从各IMF分量中提取能量特征参数作为神经网络的输入参数来识别流型。对水平管内空气-水两相流4种典型流型的识别结果表明，EMD能量比小波包能量特征具有更高的流型识别率，可以准确、有效地识别流型。     

基于图像纹理特征和Elman神经网络的气液两相流流型识别

气液两相流广泛存在于现代工业生产之中，其流型极大地影响气液两相流的流动和传热特性，为此提出了一种图像灰度直方图统计特征和Elman神经网络相结合的气液两相流流型识别方法。该方法利用高速摄影系统获取水平管道内两相流的流动图像，经过图像处理后，提取图像灰度直方图统计特征，进而建立流型的图像统计特征向量，并以此特征向量作为流型样本对Elman神经网络进行训练，实现对流型图像的智能化识别。实验结果表明，训练成功的Elman神经网络能有效识别水平管道内7种典型流型，整体识别率达98.6%，为流型在线识别提供一种新的有效方法。     

基于声发射技术和小波变换的气-液两相流动噪声特性研究

使用声发射技术对气-液两相流水平管路流动噪声信号进行检测,对采集到的一维时间序列进行小波分解,从流动噪声的角度研究了水平管路气-液两相流分层流向环状流过渡的多尺度能量特征。多尺度能量特征的研究表明分层流和环状流及其过渡状态在流动噪声的声发射能量分布上有着明显的区别。得到的流型转换的数字特征与试验中观察到的流型及其转换阶段是一致的。管道多相流声发射信号能够在多尺度能量分布上表现出两相流系统的复杂性。从而从一个新的角度研究了气-液两相流型转换的特性,为揭示气-液两相流动机理提供了新的手段。     

管束间压差波动信号的递归特性分析

基于2种节距比管束间的不同流型的压差波动信号,采用递归定量分析法研究了泡状流、间歇流、雾状流3种典型流型及过渡流型的动力学特性。研究结果表明：泡状流在递归图上表现为孤立点状结构,间歇流递归图兼顾点状和块状结构,具有较强的混沌特性,雾状流沿对角线纹理发育好,周期性突出。压差信号的递归纹理结构清晰地演化了其动力学特性,且递归特征量随气相折算流速变化明显,为两相流流型机理的研究提供新思路。     

水平管段塞流液塞速度波动的非线性分析

利用非线性分析技术中的分形理论在较宽的流速范围内对水平管空气一水段塞流中的液塞速度波动特性进行了研究。结果表明，水平管道段塞流的液塞速度符合正态分布，其波动是对初始条件敏感的混沌振荡，遵循分形统计规律，且具有持久性。通过对不同折算液速下的液塞速度波动特性的分析发现，当混合速度Um=11m/s，即其约等于该工况下压力波传播速度时，液塞速度波动的Kolmogorov熵会出现极值，从而发现了液塞速度波动的混沌特征与实际两相流动特征之间的内在联系。在实际应用中，可以通过改变系统的折算液速，优化液塞速度波动的长程相关性。     

叶片数对泵自吸特性影响的可视化试验研究

为研究自吸泵不同叶片数的自吸特性,本文探讨在不同叶片数下自吸泵的内部流动状态和自吸时间的差异和规律。搭建了可视化试验平台,从试验的角度出发,直观地研究自吸泵的自吸过程,通过对比和分析研究了双叶片、三叶片和四叶片的自吸泵在不同阶段的气液两相分布与气液混合流在自吸过程中随时间的演化,进一步揭示叶片数对自吸泵自吸时间的影响机制。试验还使用高速摄像机对自吸泵内部流动情况进行了拍摄,更加深入研究了不同叶片数下的自吸泵泵内气液混合、气液分离及气液回流等过程,揭示叶片数对自吸泵自吸过程各个阶段的气液两相流态的影响规律,为自吸泵叶轮设计提供参考和依据。