一种基于小波分析的气液两相流流型识别方法

本发明涉及多相流，尤其涉及一种基于小波分析的气液两相流流型识别方法。

背景技术：

1、由于多相流动体系在自然界和工业过程中涉及范围的广泛性和应用的重要性，促使多相流领域的研究工作迅速发展，成为国内外众多学者给予极大关注的前沿学科。在多相流研究中，气液两相流尤为重要。目前，在动力、化工、核能、制冷、石油和冶金等行业的许多生产设备中都涉及到气液两相流动工况。流型，极大地影响着气液两相流的流动特性和传热特性，同时也影响流动参数的准确测量以及两相流系统的运行特性，因此气液两相流流型识别的研究一直是两相流参数测量的一个重要研究方向，同时也为相关工业生产设备安全、经济运行提供了有力的技术支持。在采集压力数据过程中，压力数据中难免包含了噪声信号，为了提高识别流型的准确性，有必要对所获得的压力脉动信号进行误差分析并进行降噪处理，并要求在降噪时不仅仅只消除信号的噪声部分，还要有效地保留信号中的有用信号。

2、因此，需要通过合理的方法剔除噪声干扰，以获得较为准确的结构响应信号。小波分析是一种常用的剔除噪声干扰的方法，对于采集数据量较大的压力信号而言，通常利用离散小波变换进行小波分析。但在实现过程中，存在选取小波基函数、分解层数选取、以及阈值处理函数问题以经验为主的方法，在一定程度上影响了去噪效果。此外，在衡量去噪效果时，通常采用三种评价指标，即信噪比(snr)、均方根误差(rmse)与平滑度(r)，均方根误差越小、信噪比越高、平滑度越小，则表明去噪效果越好，对后续进行小波包分解与重构时分析能量和小波包熵值存在一定程度的影响。

技术实现思路

1、为了解决上述技术问题，本发明提出一种基于小波分析的气液两相流流型识别方法，能够解决在小波基函数、分解层数选取的问题，并将计算出信号的总能量和各尺度能量分量以及小波包熵值作为流型的特征值后对待识别信号进行判别。

2、为了达到上述目的，本发明的技术方案如下：

3、一种基于小波分析的气液两相流流型识别方法，包括如下步骤：

4、获取压力波动信号，确定最佳小波基函数与最佳分解层数n并基于确定的最佳小波基函数与最佳分解层数n的压力波动信号进行n层小波分解，得到n层小波近似系数和小波细节系数；

5、对分解后得到的各层小波细节系数进行阈值量化，得到降噪后的各层小波细节系数；

6、利用降噪后的各层小波细节系数与第n层小波近似系数进行小波重构，得到与原始信号数量相一致的已去噪信号；

7、对已去噪信号进行三层小波包分解得到8个频段，计算不同气液两相流流型下8个频段的功率谱能量、能量占比以及小波包熵值作为流型的特征值，以流型的特征值为基础，对待识别气液两相流流型进行判断识别。

8、优选地，所述确定最佳小波基函数与最佳分解层数n，具体包括如下步骤：

9、采用若干种小波基函数对不同二相流流型下的压力波动信号进行分解，得到不同小波基函数对应的改善snr值，选择snr值最大所对应的小波基函数作为最佳小波基函数；

10、通过所述最佳小波基函数计算各个分解层数下的小波细节系数的能量，并绘制出相对应的时域图，随分解层数的增加能量逐渐下降，当出现能量开始回升，此时的层数即为最佳分解层数。

11、优选地，所述snr值的计算公式为：

12、

13、其中，n为信号的长度，f(i)为原始采集压力信号，s(i)为小波去噪分解重构后的信号。

14、优选地，所述降噪后的各层小波细节系数的计算公式，如下所示：

15、

16、其中，wj,k为小波分解得到第j层第k个节点的小波细节系数，n表示分解层数。

17、优选地，对已去噪信号进行三层小波包分解得到8个频段，计算不同气液两相流流型下8个频段的功率谱能量、能量占比以及小波包熵值，具体包括如下步骤：

18、将已完成去噪后的压力脉动信号进行3层小波包分解，得到8个频段的小波包信号；

19、对8个频段的小波包信号进行小波包分解系数重构得到8个小波包重构信号；

20、计算8个频段的小波包重构信号的功率谱能量，根据功率谱能量计算8个频段的小波包重构信号的能量占比；

21、根据能量占比计算8个频段的小波包熵值。

22、优选地，所述进行小波包分解系数重构的公式如下：

23、

24、其中：为第j层第k个节点的第i个信号的小波包重构信号；f(t)为输入的去噪压力信号；为第j层第k个节点的第i个信号的小波包分解结果；t为时间变量；i＝1，2，…n，

25、所述功率谱能量的计算公式如下：

26、

27、其中：e(m)为第m个频段的小波包的功率能量谱；为第j层第k个节点的第i个信号的小波包重构信号，

28、所述能量占比的计算公式如下：

29、

30、其中：pm为第m个频段的小波包的能量占比，

31、所述小波包熵值的计算公式如下：

32、

33、优选地，所述以流型的特征值为基础，对待识别气液两相流流型进行判断识别，具体包括如下步骤：

34、随气体流速的逐渐增加，气液两相流流型由泡状流、冒弹流、弹状流、环状流进行依次转变，获取不同气液两相流流型下8个频段的功率谱能量、能量占比以及小波包熵值作为流型的特征值；

35、以特征值的变化趋势为基础，根据计算获取的功率谱能量、能量占比以及小波包熵值进行待确定的气液两相流流型的识别。

36、基于上述技术方案，本发明的有益效果是：本发明基于小波分析的压力数据识别气液两相流流型方法，通过对采集的不同流型下的压力脉动信号，但由于采集过程中由于在高速气体提升情况下使得采集到的压力信号含有一定程度的噪声。因此对采集到的信号进行小波阈值去噪，其中在确定小波基函数时以改善的信噪比作为指标选取最佳小波基函数，在确定小波分解层数时基于在小波变化过程中小波细节系数能量变化确定最佳分解层数，该过程计算量小且分析速度快，对分解得到后的小波系数采取不同于软硬值函数的改进阈值处理函数，得到更高的信噪比值。对去噪后的压力信号进行三层的小波包分解得到8个频带，计算不同频带内的小波包系数的功率谱能量、能量占比以及小波包熵值作为流型的特征值对不同流型信号进行判别。

技术特征：

1.一种基于小波分析的气液两相流流型识别方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于小波分析的气液两相流流型识别方法，其特征在于，所述确定最佳小波基函数与最佳分解层数n，具体包括如下步骤：

3.根据权利要求2所述的一种基于小波分析的气液两相流流型识别方法，其特征在于，所述snr值的计算公式为：

4.根据权利要求1所述的一种基于小波分析的气液两相流流型识别方法，其特征在于，所述降噪后的各层小波细节系数的计算公式，如下所示：

5.根据权利要求1所述的一种基于小波分析的气液两相流流型识别方法，其特征在于，对已去噪信号进行三层小波包分解得到8个频段，计算不同气液两相流流型下8个频段的功率谱能量、能量占比以及小波包熵值，具体包括如下步骤：

6.根据权利要求5所述的一种基于小波分析的气液两相流流型识别方法，其特征在于，所述进行小波包分解系数重构的公式如下：

7.根据权利要求1所述的一种基于小波分析的气液两相流流型识别方法，其特征在于，所述以流型的特征值为基础，对待识别气液两相流流型进行判断识别，具体包括如下步骤：

技术总结
本发明公开一种基于小波分析的气液两相流流型识别方法，获取压力波动信号，确定最佳小波基函数与最佳分解层数n并基于最佳小波基函数与最佳分解层数n的压力波动信号进行n层小波分解，得到n层小波近似系数和小波细节系数；对分解后得到的各层小波细节系数进行阈值量化，得到降噪后的各层小波细节系数；利用降噪后的各层小波细节系数与第n层小波近似系数进行小波重构，得到已去噪信号；对已去噪信号进行三层小波包分解得到8个频段，计算不同气液两相流流型下8个频段的功率谱能量、能量占比以及小波包熵值作为流型的特征值，以流型的特征值为基础，对待识别气液两相流流型进行判断识别。本发明能够实现气液两相流流型的识别。

技术研发人员：沈义俊,陈立,杜燕连,李萌,韩振华,彭甫森,朱井育,韩烜赫,符孟帝,韩雨彤
受保护的技术使用者：海南大学
技术研发日：
技术公布日：2024/3/21