基于模态迁移复杂网络的气液相含率测量及验证方法

摘要

一种基于模态迁移复杂网络的气液相含率测量及验证方法：构建模态迁移复杂网络；进行气液两相流参数测量信息计算；绘制有向加权聚集系数、局部中介度和平均最短路径与相含率线性关系测量图版，实现对气液两相流相含率的测量；根据所绘的测量图版，分析有向加权聚集系数、局部中介度和平均最短路径与流型演化动力学关系，揭示气液两相流流型演化动力学机制。验证方法是采用四扇区分布式电导传感器进行验证。本发明提出了一种多元时间序列模态迁移复杂网络方法对两相流分布式电导传感器测量信号进行信息融合；多元时间序列模态迁移复杂网络信息融合方法可有效辨识不同气液两相流流型；多元时间序列模态迁移复杂网络信息融合方法的验证可获得很好的相含率测量效果。

主权项

一种基于模态迁移复杂网络的气液相含率测量方法，其特征在于，包括如下阶段：1)构建模态迁移复杂网络，包括如下步骤：(1)获得S组长度均为P的反映流体局部流动特征的电压测量信号即多元时间序列，其中S为大于0的整数；(2)用包含子时间序列的移动窗口分割由S组等长度的电压测量信号组成的多元时间序列；(3)对于任意两个窗口的n点时间序列用X和Y时间序列即{X(i)|1≤i≤n},{Y(i)|1≤i≤n}来表示，利用下面的公式计算每一对子时间序列的相关系数：$r_{\mathrm{XY}}=\frac{\underset{i=1}{\overset{n}{\Sigma }}(X\left(i\right)-<X>)(Y\left(i\right)-<Y>)}{\sqrt{\underset{i-1}{\overset{n}{\Sigma }}{(X\left(i\right)-<X>)}^2}\sqrt{\underset{i=1}{\overset{n}{\Sigma }}{(Y\left(i\right)-<Y>)}^2}}$把每一个相关系数都作为模态的一个组成元素来表示，每个组成元素都用A、B、C、……中的一个字母代替，将每一个相关系数按照升序排序，从而每个窗口都得到A、B、C、……的一种排列情况，即一种模态；(4)将每个模态定义为复杂网络的一个节点，模态之间的转化作为复杂网络的边，当复杂网络的任意节点i与任意节点j相连，如果某一时刻一种模态转化到另一种模态，那么此时边的方向就是节点i指向节点j，边的权重就是节点i到节点j的转化次数，其中节点的自连接现象排除；2)进行气液两相流参数测量信息计算，包括如下步骤：(1)设定有向加权聚集系数：含有N个节点的模态迁移复杂网络的有向加权聚集系数为$C^w=\frac{1}{N}\underset{i=1}{\overset{N}{\Sigma }}{C}^w\left(i\right);$(2)设定局部中介度：含有N个节点的模态迁移复杂网络的局部中介度为LBC，表示为：$\mathrm{LBC}=\frac{1}{N}\underset{i_1=1}{\overset{N}{\Sigma }}L\left(i_1\right);$(3)设定平均最短路径：将节点i到节点j的加权最短路径d_ij定义为从节点i到节点j的所有路径中边的权重和最小的那条路径的权重及那么平均最短路径L定义为：$L=\frac{1}{N(N-1)}\underset{i,j\in N,i\ne j}{\Sigma }{d}_{\mathrm{ij}};$3)绘制有向加权聚集系数、局部中介度和平均最短路径与相含率线性关系测量图版，实现对气液两相流相含率的测量；4)根据步骤3)所绘的测量图版，分析有向加权聚集系数、局部中介度和平均最短路径与流型演化动力学关系，揭示气液两相流流型演化动力学机制。