基于气液两相流钝体尾迹波动的EMD-SVM流型识别方法研究

摘要

由于相界面分布及其作用机理异常复杂，气液两相流参数测量是多相流研究领域中的一大公认难题。钝体尾迹与其所在流场状态密切耦合，在很大程度上反映了流体的流动状态，是一个包含大量流动信息的“富流场信息源”。本论文围绕基于钝体尾迹特性的气液两相流流型识别方法开展研究，结合经验模态分解(Empirical Mode Decomposition，EMD)和支持向量机(Support Vector Machine，SVM)算法，利用钝体尾迹压差波动特性实现了气液两相流流型的准确识别。论文完成的主要工作如下:
　　 (1)利用EMD方法对尾迹压差波动信号进行处理，通过分析各层内禀模态分量(Intrinsic Mode Function，IMF)，提取得到了气液两相流的三类流型特征:统计波形特征、能量特征和熵特征。并通过分析发现，采用独立类型的流型特征实现流型识别的难度较大，而三类特征的结合能使流型识别的精度得到明显提升。此外，针对EMD方法的模态混叠缺陷，采用了集合经验模态分解(EnsembleEmpirical Mode Decomposition，EEMD)算法，有效增强了IMF物理意义的唯一性，有利于流型特征的准确提取。
　　 (2)为提高样本数据质量提出了样本择优和数据集调整方案，并对识别模型的构建过程引入传统网格（Grid）、遗传算法(Genetic Algorithm，GA)和粒子群优化（Particle Swarm Optimization，PSO）三种寻优方法对支持向量机建模参数进行寻优操作，通过比较寻优性能和计算结果，确定了遗传算法为最佳参数寻优方法。
　　 (3)结合具备小样本建模能力的SVM算法，构建了性能优异的气液两相流流型识别模型，同时，引入主元分析(Principal Component Analysis，PCA)方法对流型特征进行简化，在保留绝大部分流型信息的同时，提高了SVM的建模效率，降低了流型识别模型的复杂度，实现了5种流型的高精度识别。
　　 通过以上方法，气液两相流流型识别模型的训练精度为99.5％，测试精度高达99.1％，在测试集的识别中，只有泡状流的识别率93.3％相对较低，其他四种流型的识别精度都达到了100％。

目录

声明

摘要

第一章 绪论

1．1 研究背景及意义

1．1．1 气液两相流

1．1．2 钝体绕流尾迹

1．1．3 流型识别方法的研究意义

1．2 气液两相流常见流型及其识别方法

1．2．1 流型图法

1．2．2 可视化法

1．2．3 软测量法

1．3 气液两相流的主要参数

1．4 本文研究的思路和主要内容

第二章 基于EMD的流型特征提取

2．1 EMD算法概述

2．1．1 内禀模态分量

2．1．2 EMD方法筛选过程

2．1．3 仿真信号的EMD分解

2．2 几种常见流型的EMD解析

2．3 IMF差异性及特征IMF选取

2．4 本文应用的特征系数

2．4．1 时域特征

2．4．2 规范熵

2．4．3 能量熵

2．5 本章小结

第三章 气液两相流流型识别的支持向量机建模

3．1 支持向量机原理与实现

3．1．1 支持向量机基本方法

3．1．2 支持向量机的MATLAB实现

3．2 气液两相流流型识别模型构建

3．2．1 特征重构

3．2．2 核函数参数选取

3．2．3 建模参数选取

3．2．4 支持向量机流型识别模型构建

3．3 支持向量机流型识别实验及校验

3．4 本章小结

第四章 气液两相流流型识别分析与讨论

4．1 实验数据描述

4．1．1 流型数据特征

4．1．2 流型特征优化

4．2 流型识别结果分析

4．2．1 流型识别结果

4．2．2 流型识别分析

4．3 本章小结

第五章 气液两相流流型识别方法优化

5．1 优化原则

5．2 数据源优化

5．2．1 模态混叠效应消除

5．2．2 样本择优

5．2．3 数据集调整实验

5．3 流型识别模型优化

5．3．1 流型特征优化与重构

5．3．2 建模参数寻优

5．4 优化效果分析

5．4．1 模态混叠效应对流型识别的影响

5．4．2 样本对流型识别效果的影响

5．4．3 特征向量互相关对流型识别效果的影响

5．4．4 建模参数对流型识别效果的影响

5．5 本章小结

第六章 总结

参考文献

发表论文及科研情况

致谢