基于网格传感器的两相流空间复杂网络可视化分析方法与流程

本发明涉及一种两相流空间加权复杂网络可视化分析方法。特别是涉及一种基于网格(Wire-Mesh)传感器的两相流空间加权复杂网络可视化分析方法。

背景技术：

两相流体的流动过程不仅是日常生活和自然界的常见现象，而且广泛存在于能源、石油、化工、冶金、制冷、宇航、医药、食品等现代工业过程中。由于两相流动的复杂性和随机性,气液两相流的流型辨识和相含率测量一直以来是科学研究和工业应用领域中长期未能得以很好解决的测量难题。Wire-Mesh成像技术是近年来两相流相含率测量热点研究问题之一。与传统的过程层析成像技术不同,Wire-Mesh成像技术采用的是侵入式的测量成像技术,具有所见即所得的流动成像效果,两相流相含率测量精度也较高。目前，在两相流流动参数测量领域逐渐得以研究与发展。

复杂网络理论自创立以来，如今已在多领域得到了蓬勃发展，是研究复杂系统的一个重要工具，尤其是近年来其在时间序列分析中做出了重大贡献。如果某个系统由多个实体构成，可以把每个实体当作一个节点，把实体间的某种联系当作连边，这样该系统就被抽象成了复杂网络。复杂网络为现实系统和数学理论的高度结合提供了可能性和依据，从而可以更好地建立各种复杂系统的数学模型以对其内部的机理进行分析。

技术实现要素：

本发明所要解决的技术问题是，提供一种能够获取两相流流动过程中泡径大小、气泡分布以及流动特性等信息的基于网格传感器的两相流空间复杂网络可视化分析方法。

本发明所采用的技术方案是：一种基于网格传感器的两相流空间复杂网络可视化分析方法，采用16×16电极Wire-Mesh传感器获取垂直气液两相流的实验序列，通过空间加权复杂网络进行可视化分析，实现对相含率的测量并揭示两相流复杂流动特性；具体包括如下步骤：

1)根据测量平面内通过Wire-Mesh传感器获取的N个有效交叉点的实验序列构建相应工况的t_k时刻的空间加权复杂网络所述的实验序列表示Wire-Mesh传感器中第i个有效交叉点n_i从t_k时刻开始长度为L的测量数据，空间加权复杂网络的构建过程包括：

(1)以Wire-Mesh传感器中的所有有效交叉点n_i作为网络的节点，并确定所有网络节点n_i的节点权值其中表示实验序列的时域平均值；

(2)选定阈值S_ε，当时，定义网络节点n_i∈n^gas，其中gas代表气相，n^gas表示被气相包围的有效交叉点的集合；当时，定义网络节点n_i∈n^water，其中water代表水相，n^water表示被水相包围的有效交叉点的集合；

(3)在n^gas内确定节点n_i和节点n_j之间的距离包括：首先通过实验序列的特征参数构造特征向量通过实验序列的特征参数构造特征向量然后求取特征向量与特征向量之间的距离其中||·||表示取二范数值的操作；

(4)选定阈值ε，在所述的n^gas内所有节点对之间确定连边表示t_k时刻的空间加权复杂网络中节点n_i和n_j的连边权值，其中表示如果则值为1，如果则值为0，构成节点带权值的空间加权复杂网络

2)应用Girvan–Newman社团探寻算法，探寻不同工况所对应的空间加权复杂网络内部社团结构，确定实验序列所对应的相分布拓扑图；并结合根据空间加权复杂网络节点的权值得到的相分布直观图，确定t_k时刻测量平面内两相流流动过程中泡径大小、气泡分布以及流体流动特性等信息；

3)重新选定开始时刻t_k′，取长度为L的数据，重复步骤1)和步骤2)中的操作过程，获取相分布拓扑图以及相分布直观图，确定t_k′时刻测量平面内两相流流动过程中泡径大小、气泡分布以及流体流动特性信息；

4)进行气液两相流流动参数及结构的相关测量分析，包括：分别绘制气相含量随测量管道半径的分布曲线以及气泡平均等效半径随水相流速的变化曲线，分析混合流体流速对气泡大小及分布的影响机制；并以所述的分布曲线和影响机制为基础，研究两相流流动形态的动态演化过程，分析各种流型的生成演化机理。

所述Wire-Mesh传感器由两层各16根直径为0.12mm的不锈钢线构成，它们平均分布在管径为50mm的管道截面中，两层不锈钢线的轴向距离为1.5mm，两层不锈钢线交错成90°角。

步骤1)中所述的有效交叉点的数目N小于16×16，这是由于圆形管道中存在边缘交叉点，其中，边缘交叉点在建立空间加权复杂网络时不考虑。

步骤1)的第(3)步中所述的特征向量的构建过程为：首先求取实验序列的时域特征参数，包括时域最大值时域平均值时域标准偏差陡度函数峭度函数以及经快速离散傅里叶变换之后的频域序列的频域特征参数，其中F表示频域，包括频域最大值频域平均值频域标准偏差

得到对中各个元素分别根据最大值进行归一化得到：

其中max_i(·)表示括号中的变量随i变化时的最大值。

步骤1)的第(4)步中所述阈值ε的值取为步骤2)中所述的相分布直观图中对应的最大气泡等效直径。

本发明的基于网格传感器的两相流空间复杂网络可视化分析方法，通过网格(Wire-Mesh)传感器的多通道数据构建空间加权复杂网络，进而从网络节点权值和网络社团拓扑结构等两个角度分别对气液两相流流动过程进行可视化分析，并融合二者的信息，进而获取两相流流动过程中泡径大小、气泡分布以及流动特性等信息。

附图说明

图1a是Wire-Mesh传感器结构示意图；

图1b是Wire-Mesh传感器的俯视图

图中R表示管道直径，为50mm；h表示电极之间间距，为2.94mm；

图2是本发明的t_k时刻的多通道时间序列空间加权复杂网络构建分析流程图；

图3a是本发明的多通道时间序列空间加权复杂网络融合测量信息获取相分布直观图

图中R表示管道直径，为50mm；h表示电极之间间距，为2.94mm；

图3b是本发明的多通道时间序列空间加权复杂网络融合测量信息获取相分布拓扑图

图中R表示管道直径，为50mm；h表示电极之间间距，为2.94mm。

具体实施方式

下面结合实施例和附图对本发明的基于网格传感器的两相流空间复杂网络可视化分析方法做出详细说明。

首先指出网格传感器和wire-mesh传感器在本专利中含义一致，可以互换。

基于Wire-Mesh传感器的空间多通道测量数据，并结合复杂网络理论构建空间加权复杂网络，在此基础上，从节点权值和网络拓扑结构两个角度对两相流流动过程进行可视化分析，进而获取两相流流动过程中泡径大小、气泡分布以及流动特性等信息。

本发明的基于网格传感器的两相流空间复杂网络可视化分析方法，采用16×16电极Wire-Mesh传感器获取垂直气液两相流的实验序列，通过空间加权复杂网络进行可视化分析，实现对相含率的测量并揭示两相流复杂流动特性。所述Wire-Mesh传感器如图1a、图1b所示，由两层各16根直径为0.12mm的不锈钢线构成，它们平均分布在管径为50mm的管道截面中，两层不锈钢线的轴向距离为1.5mm，两层不锈钢线交错成90°角。

本发明的基于网格传感器的两相流空间复杂网络可视化分析方法，具体包括如下步骤：

1)根据测量平面内通过Wire-Mesh传感器获取的N个有效交叉点的实验序列构建相应工况的t_k时刻的空间加权复杂网络所述的实验序列表示Wire-Mesh传感器中第i个有效交叉点n_i从t_k时刻开始长度为L的测量数据，L为单次可视化所取的数据长度，其值的确定需要根据流体流动速度以及流体流动结构确定。所述的有效交叉点的数目N小于16×16，这是由于圆形管道中存在边缘交叉点，其中，边缘交叉点在建立空间加权复杂网络时不考虑。空间加权复杂网络的构建过程包括：

(1)以Wire-Mesh传感器中的所有有效交叉点n_i作为网络的节点，并确定所有网络节点n_i的节点权值其中表示实验序列的时域平均值；

(2)根据全水的测量信号选定阈值S_ε，当时，代表该测量时间段内有较长时间气相经过该节点，定义网络节点n_i∈n^gas，其中gas代表气相，n^gas表示被气相包围的有效交叉点的集合；当时，代表该测量时间段内该节点处水相持续时间相对很长，定义网络节点n_i∈n^water，其中water代表水相，n^wat^er表示被水相包围的有效交叉点的集合；后续过程仅在n^gas节点之间确定网络连边，这样网络中节点的连接情况便可以更加直观的反映气相的分布，而减弱水相的影响；

(3)在n^gas内确定节点n_i和节点n_j之间的距离包括：首先通过实验序列的特征参数构造特征向量通过实验序列的特征参数构造特征向量然后求取特征向量与特征向量之间的距离其中||·||表示取二范数值的操作；

所述的特征向量的构建过程为：首先求取实验序列的时域特征参数，包括时域最大值时域平均值时域标准偏差陡度函数峭度函数以及经快速离散傅里叶变换之后的频域序列的频域特征参数，其中F表示频域，包括频域最大值频域平均值频域标准偏差

得到对中各个元素分别根据最大值进行归一化得到：

其中max_i(·)表示括号中的变量随i变化时的最大值。

(4)选定阈值ε，在所述的n^gas内所有节点对之间确定连边表示t_k时刻的空间加权复杂网络中节点n_i和n_j的连边权值，其中表示如果则值为1，如果则值为0，构成节点带权值的空间加权复杂网络其中阈值ε的值取为步骤2)中所述的相分布直观图中对应的最大气泡等效直径。

2)应用Girvan–Newman社团探寻算法，寻找不同工况所对应的空间加权复杂网络内部社团结构，确定实验序列所对应的相分布拓扑图；并结合根据空间加权复杂网络节点的权值得到的相分布直观图，确定t_k时刻测量平面内两相流流动过程中泡径大小、气泡分布以及流动特性等信息；

如图3a所示，为某一可视化时间段流体的相分布直观图示意图，实际操作中根据各交叉点实验数据在该时间段内的平均值来确定各点的权值，然后根据权值大小绘制彩图反映气液各相分布，图中的黑色区域代表气相；图3b为相同可视化时间段流体的相分布拓扑图示意图，实际操作中通过对该时间段对应的空间加权复杂网络运用Girvan–Newman算法进行社团探寻，确定社团结构来获取；其中Girvan–Newman算法的核心思想即是不断地删除网络中介数中心性最大的连边，进而将网络中节点以树图形式排列，结合模块度Q以及相分布直观图便可以选择适当的社群数，确定社团结构。相分布直观图虽然可以有效的辨识大的气泡结构的存在，但是对于大气泡之间的流体各相分布辨识能力有限，利用空间加权复杂网络的社团结构，可以很好的弥补这一不足，如图3a所示，上方的两个气泡虽然在相分布直观图中边界清晰，但是在图3b所示相分布拓扑图中却属于同一社团结构，说明这两个大气泡之间很有可能分布有较多的小气泡；将相分布直观图和拓扑图结合，可以更加有效确定测量平面内两相流流动过程中泡径大小、气泡分布以及流动特性等信息；

3)重新选定开始时刻t_k′，取长度为L的数据，重复步骤1)和步骤2)中的操作过程，获取相分布拓扑图以及相分布直观图，确定t_k′时刻测量平面内两相流流动过程中泡径大小、气泡分布以及流体流动特性等信息；

4)进行气液两相流流动参数及结构的相关测量分析，包括：分别绘制气相含量随测量管道半径的分布曲线以及气泡平均等效半径随水相流速的变化曲线，分析混合流体流速对气泡大小及分布的影响机制；并以所述的分布曲线和影响机制为基础，研究两相流流动形态的动态演化过程，分析各种流型的生成演化机理。

以上对本发明和实施例的描述，并不局限于此，实施例中的描述仅是本发明的实施方式之一，在不脱离本发明创造宗旨的情况下，任何不经创造性的设计出与该技术方案类似的结构或实施例，均属本发明的保护范围。