[发明专利]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

摘要

本发明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。本发明首先进行以空气和水为介质的气液两相流实验，采集到三种气液两相不同流型的电导波动信号，然后根据多尺度概念对流型信号序列进行粗粒化处理，得到粗粒化时间序列，接着计算不同尺度下时间序列的排列熵，绘制多尺度排列熵分布图，并且结合气液两相不同流型特征分析其动力学演变特性，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，得到所有流型信号的多尺度排列熵率分布，从而实现流型的识别与分类。本发明中的多尺度排列熵算法能从时间序列本身揭示气液两相流型信号的复杂性，具有计算简单快速、鲁棒性好等特点，特别适合两相流流型信号的实时处理。

主权项

1.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，主要包括步骤：（1）获取气液两相流不同流型的电导波动信号样本数据，具体是：在天津大学油气水三相流实验室进行实验，实验介质为空气及自来水，实验时先在管道中通入固定的水相流量，然后在管道中逐渐增加气相流量，每完成一次气水两相流配比后，通过目测的方法观察气液两相流流型，等出现稳定流型后使用自行研制的垂直多电极传感器阵列测量系统进行电导波动信号的数据采集，实验中共观察到泡状流、段塞流、泡状流三种流型；（2）将步骤（1）获取的气液两相不同流型的电导波动信号看作一段时间序列，然后根据Costa等人提出的多尺度时间序列粗粒化方法对流型信号进行处理；具体如下：对长度为N的气液两相流电导波动信号{x(i),i＝1,2,…,N}进行粗粒化处理，尺度为s时粗粒化得到的时间序列，如下式所示：ys(j)=1sΣi=(j-1)s+1jsx(i),1≤j≤N/s]]>式中：s为尺度因子，y^s(j)为不同尺度下的粗粒化时间序列；（3）根据排列熵算法，对步骤（2）获取的不同尺度的粗粒化时间序列进行熵值计算，得到不同尺度下粗粒化时间序列的排列熵；具体步骤如下：1)对步骤（2）获取的不同尺度下的粗粒化时间序列进行相空间重构，如下式所示：Y^s(t)＝[y^s(t),y^s(t+τ),...,y^s(t+(m-1)τ)]  t∈(1,N/s-m+式中：m为嵌入维数，τ为延迟时间，Y^s(t)为重构向量；2)将向量Y^s(t)的m个分量按升序进行排列，即：y^s[t+(k₁-1)τ]≤y^s[t+(k₂-1)τ≤…≤y^s[t+(k_m-1)τ]式中：1≤k≤m，k为整数；若存在y^s[t+(k_i1-1)τ]＝y^s[t+(k_i2-1)τ]的情况则按k值大小进行排序，即当k_i1＜k_i2时，y^s[t+(k_i1-1)τ]≤y^s[t+(k_i2-1)τ]，这样相空间中的每个向量Y^s(t)都可以得到一组排列：π_t＝[k₁,k₂,…,k_m]，对于嵌入m维的相空间共有m!种排列可能；3)统计第l种排列的出现的次数N_l，其中1≤l≤m!，则第l种排列的出现的概率，如下式所示：ps(l)=NlNs-m+1]]>式中：为尺度s下粗粒化序列长度，定义在尺度s下时间序列的排列熵为：特别地，当p^s(l)＝1/m!时，H^s(p)取最大值lnm!。（4）根据步骤（2）和步骤（3）阐述的多尺度排列熵方法计算三种流型电导波动信号的熵值，绘制不同流型的多尺度排列熵分布图，结合气液两相流动特征分析其动力学特性变化；（5）以步骤（4）获得的多尺度排列熵分布图为基础，考虑到不同流型信号前几个尺度的多尺度排列熵变化的差异，计算不同流型信号的多尺度排列熵率，实现气液两相流型的识别与分类。