水平气液两相流流型定量判定方法及装置与流程

本发明涉及多相流测量技术以及流型识别技术领域，特别涉及一种水平气液两相流流型定量判定方法及装置。

背景技术：

流型是研究两相流的基础，无论是学术研究还是工程应用，区分两相流流型是最根本最核心的问题。流型即两相流动介质的分布情况，两相流的界面分布呈现不同的几何形状或流动结构，根据Oshinowo流型划分原则把水平管道中的流型划分六种，即泡状流、塞状流、分层流、波状流、弹状流、环状流。迄今为止，两相流流型转换动力学机理至今尚未十分清楚。

早期的流型判定采用流型图，而工业应用往往需要得到实际流动状态的实时信息，因此流型的在线识别成为研究的热点。流型的在线识别可以分为两类，一类是直接观测法，如中国专利CN1595132A提出了一种两相流网丝电容层析成像方法。采用介入式网丝电容传感器对两相流流体进行高速旋转扫描，获取两相流体在管线横截面上的各个方向上的投影信息，得到两相流体流动的实时图像。该方法采用了先进的电容探针测量技术，具有实时性，但实现起来比较困难，网丝电容探针在高速旋转运动下容易损坏。另一类是间接测量的方法，选取能够反应流动流型特征的物理参数为研究对象，例如气液两相流的含气率、压差、电阻、电容、电导率等，采用现代信号处理技术，提取不同流型下的特征量来识别流型。在此方面，大量的研究者做出了贡献。

对于复杂的两相流非线性动力学系统，难以用数学模型精确描述流型辨识问题。众多学者引入现代信息处理方法通过非线性特征量表征两相流流型。中国专利CN1563940提出了一种基于希尔伯特-黄变换的水平管气液两相流流型识别方法，对两相流差压信号进行数学处理，具有定量特征。但该方法具有如下不足之处，一是只提及到识别泡状流、弹状流、混状流三种流型，缺少波状流、分层流、环状流等流型识别的准则，对水平管道气液两相流流型的种类识别不够全面。二是处理的信号为两相流的压差信号，而压差信号并不是直接反应两相流流型的第一首选信号。

1991年，Pincus等(Pincus S M.Approximate entropy as a measure of system complexity.[J].Proceedings of the National Academy of Sciences of the United States of America,1991,88(6):2297-301.)提出的在临床医学方面近似熵算法来处理短的多噪声的时间序列信号。然而近似熵有两个缺点，一是严重依赖于采集的时间信号长度；二是缺乏相关一致性。基于此，Richman等(Richman J S,Moorman J R.Physiological time-series analysis using approximate entropy and sample entropy.[J].American Journal of Physiology Heart&Circulatory Physiology,2000,278(6):H2039-H2049.)提出了改进算法样本熵。Costa(Costa M.Multiscale entropy analysis of complex physiologic time series.[J].Physical Review Letters,2002,89(6):705-708.])认为人体健康状况的生理动力学具有内在的多尺度性，而传统算法没有考虑到这一点，多尺度熵算法因此提出。多尺度熵算法的最早提出是用于生理医学信号处理，然而在其它领域，作为信号处理的一种手段，对于非线性时间序列信号，多尺度熵算法显示出了优越性。天津大学郑桂波，金宁德(两相流流型多尺度熵及动力学特性分析[J].物理学报,2009,58(7):4485-4492.)采用多尺度熵算法，对两相流电导波动率信号进行处理，研究结果表明不同尺度样本熵的变化速率特征可以分辨泡状流、段塞流、混状流等三种典型流型，并提出了多尺度熵率(Rate of MSE)这一概念。

中国专利CN103487234A提出了一种基于多尺度排列熵的气液两相流型动力学表征及识别方法。该方法与天津大学郑桂波、金宁德等的分析方法具有相承性。及对采集到的三种气液两相不同流型的电导波动信号，按照多尺度熵的概念进行一系列的数学方法处理，绘制多尺度排列熵分布图。最后依据不同流型的多尺度排列熵分布图，计算多尺度排列熵率。根据流型的多尺度排列熵率分布的分析实现流型的识别与分类。但该专利也只有识别泡状流、弹状流、混状流三种流型，缺少其他流型的定量判定。

两相流流型即为气液两相介质在界面的分布，空泡份额能直接反应流型，因此选取空泡份额或含气率为对象研究流型最具有代表性，是首要选择。但空泡份额或者干度又比较难以获得。压差，电导率等能够间接反应空泡份额，是研究流型问题的次要选择。两相流测量技术发展比较成熟，如前述中国专利CN1595132A的电容测量方法可以测得液膜厚度，而且测量的探针电路更加简单。液膜厚度可代表含气率，单独运用就能识别部分典型流型。现有学者多运用先进的信号处理技术对压差、电导率等第二选择对象进行分析研究，提取流型的特征量不够直接反应流型。

技术实现要素：

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种水平气液两相流流型定量判定方法，该方法可以提高判定的适用性、可靠性和准确性。

本发明的另一个目的在于提出一种水平气液两相流流型定量判定装置。

为达到上述目的，本发明一方面实施例提出了一种水平气液两相流流型定量判定方法，包括以下步骤：获取多种流型下两相流液膜厚度数据；按照多尺度熵概念对所述多种流型下两相流液膜厚度数据进行信号处理分析，以提取出不同流型的特征；根据提取的不同流型的特征得到多尺度熵排列分布特征曲线，并计算多尺度熵排列分布图不同流型曲线的多尺度熵率；根据所述多种流型下两相流液膜厚度数据、所述多尺度熵排列分布特征曲线、所述多尺度熵率建立流型数据库，以得到流型识别的定量判定表格，从而通过所述流型识别的定量判定表格实现判定的目的。

本发明实施例的水平气液两相流流型定量判定方法，基于液膜厚度测量技术及多尺度熵信号处理技术，从而采用多相流测量技术与现代随机信号处理技术相结合的方法实现对水平管道两相流流型识别，可以采用多尺度熵算法处理两相流液膜厚度信号，弥补了单一使用在流型辨识方面的不足，提取特征量达到流型识别的目的，提高了判定的适用性和可靠性，提高了判定的准确性，简单便捷。

另外，根据本发明上述实施例的水平气液两相流流型定量判定方法还可以具有以下附加的技术特征：

进一步地，在本发明的一个实施例中，采用单丝电容探针测量两相流液膜厚度，所述方法还包括：将不同管径不同流型下的液膜高度进行归一化处理，并计算平均液膜厚度。

进一步地，在本发明的一个实施例中，所述平均液膜厚度的计算公式为：

$L^{\′}=\frac{h}{D},$

其中，h为水平管道气液两相流液膜厚度，D水平管道直径。

进一步地，在本发明的一个实施例中，在于测量所述两相流液膜厚度时，在垂直于水平管道流动方向，沿直径布置两根金属导线。

进一步地，在本发明的一个实施例中，所述按照多尺度熵概念对所述多种流型下两相流液膜厚度数据进行信号处理分析，进一步包括：将原始时间序列作粗粒化处理，然后对各尺度计算其样本熵，以做出不同流型的多尺度熵排列分布特征曲线图，并计算各条曲线的多尺度熵增长速率。

为达到上述目的，本发明另一方面实施例提出了一种水平气液两相流流型定量判定装置，包括：获取模块，用于获取多种流型下两相流液膜厚度数据；处理模块，用于按照多尺度熵概念对所述多种流型下两相流液膜厚度数据进行信号处理分析，以提取出不同流型的特征；计算模块，用于根据提取的不同流型的特征得到多尺度熵排列分布特征曲线，并计算多尺度熵排列分布图不同流型曲线的多尺度熵率；判定模块，用于根据所述多种流型下两相流液膜厚度数据、所述多尺度熵排列分布特征曲线、所述多尺度熵率建立流型数据库，以得到流型识别的定量判定表格，从而通过所述流型识别的定量判定表格实现判定的目的。

本发明实施例的水平气液两相流流型定量判定装置，基于液膜厚度测量技术及多尺度熵信号处理技术，从而采用多相流测量技术与现代随机信号处理技术相结合的方法实现对水平管道两相流流型识别，可以采用多尺度熵算法处理两相流液膜厚度信号，弥补了单一使用在流型辨识方面的不足，提取特征量达到流型识别的目的，提高了判定的适用性和可靠性，提高了判定的准确性，简单易实现。

另外，根据本发明上述实施例的水平气液两相流流型定量判定装置还可以具有以下附加的技术特征：

进一步地，在本发明的一个实施例中，采用单丝电容探针测量两相流液膜厚度，所述获取模块还用于将不同管径不同流型下的液膜高度进行归一化处理，并计算平均液膜厚度。

进一步地，在本发明的一个实施例中，所述平均液膜厚度的计算公式为：

$L^{\′}=\frac{h}{D},$

其中，h为水平管道气液两相流液膜厚度，D水平管道直径。

进一步地，在本发明的一个实施例中，在于测量所述两相流液膜厚度时，在垂直于水平管道流动方向，沿直径布置两根金属导线。

进一步地，在本发明的一个实施例中，所述处理模块进一步用于将原始时间序列作粗粒化处理，然后对各尺度计算其样本熵，以做出不同流型的多尺度熵排列分布特征曲线图，并计算各条曲线的多尺度熵增长速率。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本发明实施例的水平气液两相流流型定量判定方法的流程图；

图2为根据本发明一个实施例的液膜厚度的测量系统的结构示意图；

图3为根据本发明一个实施例的单丝电容探针的原理示意图；

图4为根据本发明一个实施例的各种流型的水膜高度信号多尺度熵示意图；

图5为根据本发明一个实施例的分层流水膜高度信号示意图；

图6为根据本发明一个实施例的环状流水膜高度信号示意图；

图7为根据本发明一个实施例的塞状流水膜高度信号示意图；

图8为根据本发明一个实施例的弹状流水膜高度信号示意图；

图9为根据本发明一个实施例的波状流水膜高度信号示意图；

图10为根据本发明一个实施例的泡状流水膜高度信号示意图；

图11为根据本发明实施例的水平气液两相流流型定量判定装置的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参照附图描述根据本发明实施例提出的，首先将参照附图描述根据本发明实施例提出的。

图1是本发明实施例的水平气液两相流流型定量判定方法的流程图。

如图1所示，该水平气液两相流流型定量判定方法包括以下步骤：

在步骤S101中，获取多种流型下两相流液膜厚度数据。

其中，在本发明的一个实施例中，采用单丝电容探针测量两相流液膜厚度，方法还包括：将不同管径不同流型下的液膜高度进行归一化处理，并计算平均液膜厚度。

进一步地，在本发明的一个实施例中，平均液膜厚度的计算公式为：

$L^{\′}=\frac{h}{D},$

其中，h为水平管道气液两相流液膜厚度，D水平管道直径。

进一步地，在本发明的一个实施例中，在于测量两相流液膜厚度时，在垂直于水平管道流动方向，沿直径布置两根金属导线。

例如，图2为整个测量系统图，图2所示，可以采用单丝电容探针测量液膜厚度，测量系统包括单丝电容探针、电容测量电路、电容电压转换电路、数据采集卡、计算机。将不同管径不同流型下的液膜高度进行归一化处理，计算平均液膜厚度由公式表示：

$L^{\′}=\frac{h}{D},$

式中，h为水平管道气液两相流液膜厚度，D为水平管道直径。

其中，图3为单丝电容探针原理图。

在水中的单丝电容探针构成了一个圆柱形电容器。电容器的一极为绝缘导线金属丝，导线表面的绝缘层充当电介质，而另一极为包络在导线表面的液膜即导电相水。圆柱形电容器的电容值可由下式确定：

$C_{max}=\frac{2\mathrm{\π}\mathrm{\ϵ}l}{\ln \frac{d_2}{d_1}},$

式中，l为覆盖在导线表面的水膜长度，ε为绝缘层的介电常数，d₁为导线金属芯的直径，d₂为导线绝缘层外径。

当为全液相时，测得的电容值最大。当气液两相流流过单丝电容探针时，探针表面会随机的被液相或者气相覆盖。假设某一时刻，介入管中的单丝电容探针表面气液分布如图3中所示，此时形成了一个并联的电容器，电容值为各等效电容之和可由下式确定：

$C=\frac{2{\mathrm{\π\ϵl}}_1}{ln\frac{d_2}{d_1}}+\frac{2{\mathrm{\π\ϵl}}_2}{ln\frac{d_2}{d_1}}+...+\frac{2{\mathrm{\π\ϵl}}_n}{ln\frac{d_2}{d_1}}=\underset{i=1}{\overset{n}{\Σ}}{C}_i=k\underset{i=1}{\overset{n}{\Σ}}{l}_i,$

式中，l_i覆盖在导线表面的水膜长度，ε绝缘层的介电常数，d₁导线金属芯的直径，d₂导线绝缘层外径。

由于ε，d₁，d₂，均保持不变，因而测量电容只与覆盖在导线表面水膜总的长度成正比。将单丝电容探针作为电极串联RC电路，选取合适的RC值可以消除干扰。将电容信号转化为电压信号，经过数据采集卡，最后在电脑中得到一个电压值实验数据。实验时，将探针短路得到一个电压信号U₁，对应电路自带的电容值C₁；将管道全部充满水，测得的电压值U₂对应单丝电容探针最大电容值C_max与电路自带电容值C₁之和。当气液两相流流过探针时，若此时测得的电压信号为U，则液膜厚度占整个管道直径的比值称之为管道液膜厚度或液膜高度可由下式公式确定：

$\frac{h}{D}=\frac{U-U_1}{U_2-U_1}.$

在步骤S102中，按照多尺度熵概念对多种流型下两相流液膜厚度数据进行信号处理分析，以提取出不同流型的特征。

进一步地，在本发明的一个实施例中，按照多尺度熵概念对多种流型下两相流液膜厚度数据进行信号处理分析，进一步包括：将原始时间序列作粗粒化处理，然后对各尺度计算其样本熵，以做出不同流型的多尺度熵排列分布特征曲线图，并计算各条曲线的多尺度熵增长速率。

也就是说，测得的不同管径不同流型的实验数据液膜厚度信号进行多尺度熵数学方法处理。多尺度熵(MSE)计算首先将原始时间序列作粗粒化处理，然后对各尺度计算其样本熵。

样本熵具体算法如下：

(1)对于一个长度为N的原始时间序列{u(i):i＝1,2,…,N}。

(2)按序号顺序得到可得到N-m+1个相空间向量X_m(i)(1≤i≤N-m+1)，X_m(i)＝{u(i+k)：0≤k≤m-1}。

(3)定义两个向量X(i)和X(j)之间的最大距离为：

d[X(i),X(j)]＝max｛|u(i+k)-u(j+k)|：0≤k≤m-1}。

(4)给定阈值r，对于每个1≤i≤N-m,统计满足d[X_m(i),X_m(j)]小于阈值r的个数，及此数目与距离总数N-m-1的比值,记作其中i≠j排除自身匹配。

定义：

$B^m\left(r\right)={(N-m)}^{-1}{\mathrm{\Σ}}_{i=1}^{N-m}{B}_i^m\left(r\right).$

(5)同理，按照上述步骤，统计向量X_m+1(i)与向量X_m+1(j)的距离d[X_m+1(i),X_m+1(j)]在容限r范围内的个数，及其与距离总数N-m-1的比值，记作并且i≠j。有：

$A^m\left(r\right)={(N-m)}^{-1}{\mathrm{\Σ}}_{i=1}^{N-m}{A}_i^m\left(r\right),$

样本熵定义为：

SampEn(m，r)＝lim_N→∞(-ln[A^m(r)/B^m(r)])，

多尺度熵算法如下：

对于一个长度为N的原始时间序列{u(i):＝1,2,…,N}，构建粗粒化序列{y^τ(j)：j＝1,2,…,N/τ}，其中，

$y^{\mathrm{\τ}}\left(j\right)=\frac{1}{\mathrm{\τ}}{\mathrm{\Σ}}_{i=(j-1)\mathrm{\τ}}^{j\mathrm{\τ}}u\left(i\right),1\≤j\≤N/\mathrm{\τ}.$

即将原始序列划分为互不重叠的长度为τ的多个窗，对每个窗内的数据进行求平均值得到新的序列，对应的尺度为τ。阈值r取原始时间序列标准差(SD)的0.1-0.25倍，计算各个尺度下粗粒化序列的样本熵值，即为多尺度熵。

在步骤S103中，根据提取的不同流型的特征得到多尺度熵排列分布特征曲线，并计算多尺度熵排列分布图不同流型曲线的多尺度熵率。

在步骤S104中，根据多种流型下两相流液膜厚度数据、多尺度熵排列分布特征曲线、多尺度熵率建立流型数据库，以得到流型识别的定量判定表格，从而通过流型识别的定量判定表格实现判定的目的。

也就是说，作出不同流型的多尺度熵排列分布特征曲线图，计算各条曲线的多尺度熵增长速率，反应在曲线上即为曲线的斜率。以对尺度熵特征曲线、多尺度熵率、平均液膜厚度三个物理量，建立流型数据库表。

在本发明的实施例中，本发明实施例的方法采用单丝电容探针测量方法获取不同管径不同流型下液膜厚度实验数据；用多尺度熵对实验数据进行信号处理，提取流型特征量达到流型识别的目的，多尺度熵(MSE)计算首先将原始时间序列作粗粒化处理，然后对各尺度计算其样本熵。做出不同流型的多尺度熵排列分布特征曲线图，计算各条曲线的多尺度熵增长速率，反应在曲线上即为曲线的斜率，进而以多尺度熵特征曲线、多尺度熵率、平均液膜厚度三个物理量，建立流型数据库表。其中，选取液膜厚度这一波动参数作为流型识别研究的基础，测量液膜厚度时，只需要在垂直于水平管道流动方向，沿直径布置两根金属导线。

具体而言，根据图1中流程，按照如图2、3中所述测量系统及原理，可以获得58组各种不同流型下的液膜厚度实验数据。将实验数据按照多尺度熵进行处理，得到不同流型下多尺度熵排列分布图如图4所示。对图4进行分析，提取出以下特征：

低尺度下泡状流熵值最高，其次分别为环状流和分层流，塞状流、弹状流和波状流最小。整体上看，泡状流的熵值随着尺度线不断减小，最后趋于稳定；环状流和分层流都是随着尺度增加先增加后减小，但两者在小尺度上差异明显，并在第五尺度相交，波峰位置也有差异；在低尺度下塞状流、弹状流和波状流的熵值很接近，弹状流的熵值大于塞状流，都有较好的线性，按照多尺度熵率的定义(前6尺度熵值的线性拟合斜率)计算其熵率发现，塞状流的多尺度熵率集中在0.007～0.01，弹状流则在0.01～0.025。实验测得了大量波状流，他们的熵值范围与弹状流和塞状流重合，多尺度熵率范围也较大，在0.002～0.026之间，可见多尺度熵率不能将波状流区分出来。注意到波状流尽管在前6尺度与塞状流、弹状流很相似，但是在大尺度下波状流的熵都出现了明显的下降趋势，这使得它们与塞状流和弹状流出现分化。

仅仅依靠多尺度熵排列图和多尺度熵率，只能够区分泡状流、弹状流、塞状流。但从单条曲线来看，难以将弹状流和波状流、分层流等区分。液膜厚度本身就能够反应流型，因此做出不同流型下，平均液膜厚度曲线，如图5、图6、图7、图8、图9、图10所示。对上述图形分析，结合液膜厚度分析流型，可以得出以下特征：

分层流界面出现波动现象，如图5所示，水膜高度在0.17左右。结合图4可以看到，在细节上，分层流的波动是不规律的，因此小尺度下熵值比较高；但是大时空尺度下分层流有着比较稳定相对水膜高度，起伏较小，因此在大尺度计算时，得到新序列所需的每个窗口的平均值会随着尺度增加更加接近，反映多尺度熵上，大尺度下熵值会越来越小。

当气相速度很高时，高速气流占居管道中心位置，液膜分布在管道四周，形成环状流。横管中受到重力作用，液膜分布并不均匀。水膜高度曲线如图6所示，由于中间气芯运动速度很高，相比分层流，环状流曲线震动频率更高，幅值也更大。从图中可以看出液膜高度信号幅值大于0.2。这使得在细节上环状流比分层流更加不规律；在大时空尺度下，尽管波动剧烈，但信号波动的范围很小，使得不同窗口环状流的液膜厚度的平均值也会随着尺度增大而接近，从而使熵值不断减小。

塞状流和弹状流都可以被归纳为间歇流，他们的结构特点是可以明显地分为液弹区和液膜区，两者交替，如图7、图8所示。可以看到，塞状流管道内液膜液弹有规律的交替变化使得他们的水膜高度信号有周期性，因此熵值较低。

弹状流中气相速度更大，气液两相混合程度加剧，使得大量气泡分步在液塞当中，波动的曲线表明了气泡的存在。与塞状流相比，弹状流流动结构更加复杂，反映在多尺度熵上为弹状流的熵值高于塞状流的熵值，弹状流宏观整体上相比塞状流更复杂混乱，因此弹状流的熵值增长速率比塞状流更快，其这也是区分这两种流型的关键。使用多尺度熵率能够很好的定量区分两种流型。

波状流液膜厚度信号如图9所示。在分层流中，随着界面速度的进一步加大，液体受到气体的冲击形成了明显的波峰的结构，波峰中夹杂着气泡，气体的冲击所形成的波峰具有一定的周期性，但周期较长，10s的采集时间中最多有三个波峰，平稳后又表现为分层流的高度信号特点。这种波峰类似于弹状流的液弹，但高度仅为弹状流的0.8倍左右，液膜区也更薄。这样液膜与液弹的交替，使得波状流的水膜高度信号的结构，在小时空尺度上接近弹状流的结构，大时空尺度下波状流的波峰效果被削减，使得它的熵值变化表现出分层流的特点，与塞状流和弹状流分化开来。此外，由于液弹高度远低于弹状流，因此可以用平均水膜厚度来有效区分。

泡状流液膜厚度信号如图10所示。泡状流特征明显，液膜高度大约为1。泡状流对尺度熵在小尺度下值最大，因此很容易区分。

通过以上分析，用平均液膜高度、多尺度熵率及多尺度熵排列图，做出表1，表1为不同流型下水膜高度曲线参数统计结果及多尺度熵特征表，如下所示，作为流型判断的数据库。

表1

水平通道气液两相流流型判别准则：

泡状流：单调递减的多尺度熵曲线，液膜平均厚度L′>0.99；

环状流：先增加后减小的多尺度熵曲线，第1尺度熵值大于0.8，且在第2或3尺度得到峰值；

分层流：先增加后减小的多尺度熵曲线，第1尺度熵值小于0.8，并在第5尺度得到峰值；

波状流：单调递增的多尺度熵曲线，液膜平均厚度L′<0.50；

塞状流：单调递增的多尺度熵曲线，液膜平均厚度L′>0.50，多尺度熵率0<k<0.1；

弹状流：单调递增的多尺度熵曲线，液膜平均厚度L′>0.70，多尺度熵率0.1<k<0.25。

根据本发明实施例的水平气液两相流流型定量判定方法，基于液膜厚度测量技术及多尺度熵信号处理技术，从而采用多相流测量技术与现代随机信号处理技术相结合的方法实现对水平管道两相流流型识别，可以采用多尺度熵算法处理两相流液膜厚度信号，弥补了单一使用在流型辨识方面的不足，提取特征量达到流型识别的目的，提高了判定的适用性和可靠性，提高了判定的准确性，简单便捷。

其次参照附图描述根据本发明实施例提出的水平气液两相流流型定量判定装置。

图11是本发明实施例的水平气液两相流流型定量判定装置的结构示意图。

如图11所示，该水平气液两相流流型定量判定装置10包括：获取模块100、处理模块200、计算模块300和判定模块400。

其中，获取模块100用于获取多种流型下两相流液膜厚度数据。处理模块200用于按照多尺度熵概念对多种流型下两相流液膜厚度数据进行信号处理分析，以提取出不同流型的特征。计算模块300用于根据提取的不同流型的特征得到多尺度熵排列分布特征曲线，并计算多尺度熵排列分布图不同流型曲线的多尺度熵率。判定模块400用于根据多种流型下两相流液膜厚度数据、多尺度熵排列分布特征曲线、多尺度熵率建立流型数据库，以得到流型识别的定量判定表格，从而通过流型识别的定量判定表格实现判定的目的。本发明实施例的判定装置10可以采用多尺度熵算法处理两相流液膜厚度信号，提取特征量达到流型识别的目的，提高了判定的适用性和可靠性，提高了判定的准确性。

进一步地，在本发明的一个实施例中，采用单丝电容探针测量两相流液膜厚度，获取模块还用于将不同管径不同流型下的液膜高度进行归一化处理，并计算平均液膜厚度。

进一步地，在本发明的一个实施例中，平均液膜厚度的计算公式为：

$L^{\&prime;}=\frac{h}{D},$

其中，h为水平管道气液两相流液膜厚度，D水平管道直径。

进一步地，在本发明的一个实施例中，在于测量两相流液膜厚度时，在垂直于水平管道流动方向，沿直径布置两根金属导线。

进一步地，在本发明的一个实施例中，处理模块200进一步用于将原始时间序列作粗粒化处理，然后对各尺度计算其样本熵，以做出不同流型的多尺度熵排列分布特征曲线图，并计算各条曲线的多尺度熵增长速率。

需要说明的是，前述对水平气液两相流流型定量判定方法实施例的解释说明也适用于该实施例的水平气液两相流流型定量判定装置，此处不再赘述。

根据本发明实施例的水平气液两相流流型定量判定装置，基于液膜厚度测量技术及多尺度熵信号处理技术，从而采用多相流测量技术与现代随机信号处理技术相结合的方法实现对水平管道两相流流型识别，可以采用多尺度熵算法处理两相流液膜厚度信号，弥补了单一使用在流型辨识方面的不足，提取特征量达到流型识别的目的，提高了判定的适用性和可靠性，提高了判定的准确性，简单便捷。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。