[发明专利]基于多尺度加权递归网络的两相流网络可视化方法及应用

摘要

一种基于多尺度加权递归网络的两相流网络可视化方法及应用：对通过双层循环激励电导传感器得到的多通道信号进行多尺度变换；每一个尺度因子下构建多尺度加权递归网络；对所有尺度下的多通道信号重复上述的过程，得到多尺度加权递归网络；选取阈值，若交叉递归率大于阈值，则网络中的两节点之间有连边，否则无连边，得到多尺度无权递归网络；用基于贪婪优化策略的鲁文算法探寻多尺度无权递归网络的社团结构；对社团结构的探寻，揭示两相流流动结构特征，实现对复杂流动结构的网络可视化。采用双层循环激励电导传感器进行垂直油水两相流实验，并固定油相和水相的配比，改变油相和水相的流量进行实验。本发明能够实现对两相流流动结构的网络可视化。

主权项

1.一种基于多尺度加权递归网络的两相流网络可视化方法，其特征在于，包括如下步骤：1)对通过双层循环激励电导传感器得到的多通道信号进行多尺度变换，包括：(1)对长度均为C的p个通道的信号分别进行粗粒化得到：其中，^μx_k,i^(β)是粗粒化后得到的信号的任意一点，β是尺度因子，μ表示数据是求均值得到的，y_k,b是信号Y中的任意一点，表示对进行取整，其中粗粒化后的单通道的数据长度为L，k为通道数，b表示信号Y的任意一点的编号，i表示粗粒化之后得到的信号的任意一点的编号；(2)对p个通道中的每一通道的原始信号计算粗粒化方差，得到每一通道的多尺度信号x_k,i^(β)：由此，得到多尺度多通道信号2)在每一个尺度因子β下构建多尺度加权递归网络，包括：(1)对在任一个固定尺度因子β下得到的多通道信号进行相空间重构：其中，N是进行相空间重构后相空间轨迹上向量点的数目，m为嵌入维数，采取错误最近邻法确定，τ为延迟时间，采用互信息法确定，为通道k经过相空间重构后得到的相空间轨迹，其中，t＝1,....,N；(2)对于任意两通道f和g的信号x_f,i^(β)和x_g,i^(β)f≠g，在进行第(1)步后，得到相空间轨迹和通过对两个所述的相空间轨迹进行交叉递归，得到一个大小为N×N的交叉递归图：其中，ε为阈值，采用15％的两通道信号标准偏差和选取，表示两相空间轨迹中任意两向量之间的距离；表示如果则值为1，如果则值为0；若的值为1，则在递归图中为相应的位置黑色，若的值为0，则在递归图中相应的位置为白色；(3)为了量化每一个交叉递归图中递归点的密度，计算交叉递归率：(4)对于固定尺度因子β下得到的多通道信号对每两个通道信号采用第(1)步至第(3)步的处理方式，得到一个大小为p×p的交叉递归率矩阵；(5)将每一通道信号视作节点，将两通道间形成的交叉递归图的交叉递归率作为节点间连边的权重；由此，得到在任一固定尺度下的加权递归网络；3)通过对所有尺度下的多通道信号重复步骤2)的过程，得到多尺度加权递归网络；选取阈值，若交叉递归率大于所述阈值，则网络中的两节点之间有连边，否则无连边，从而得到多尺度无权递归网络；4)采用基于贪婪优化策略的鲁文算法探寻多尺度无权递归网络的社团结构；通过对社团结构的探寻，揭示两相流流动结构特征，实现对复杂流动结构的网络可视化。