[发明专利]一种气液两相流流型识别方法

说明书

技术领域

本发明涉及两相流测量技术领域，尤其是涉及基于区间直觉模糊集相似度量的气液两相流流型识别方法。

背景技术

气液两相流广泛存在于水利、电力、石油、化工等现代工业生产之中，其流型对相关工业设备的设计、运行和安全性有着非常重要的影响。但在工程实际应用中，由于气液两相流流动介质的分布状况以及两相流复杂的相界面效应至今尚未完全清楚，两相流一直是流体力学的研究重点和难点。在研究两相流的特性参数中，流型的研究与确定是首要任务，它不仅影响两相流的流动特性和传热、传质等性能，而且影响两相流系统其它参数的准确测量，因此，开展两相流流型在线识别新原理和新方法的研究具有极为重要的科学意义,同时具有显著的工业应用价值。

由于两相流流型识别的重要性，国内外许多研究人员对此做了大量的研究工作。最早研究流型在线识别的工作以1966年Hubbard等人为代表,提出了根据压力波动的概率密度函数识别流型的方法。发展到今天,常用的气液两相流流型分类识别技术有神经网络技术、混沌理论、分形理论、信息融合技术和模糊处理等。神经网络由于具有简单的结构和自学习功能，已被广泛地应用在两相流流型识别研究中，并已经得到了不错的识别效果。但神经网络通常存在所谓的过学习问题，适合于小样本训练情况，随着样本数的增加，训练难度会迅速增加，网络收敛速度变慢，因而大大限制了其泛化性能的提高。混沌理论和模糊处理等方法也被一些学者应用在两相流的流型识别中，但这些模糊推理比较简单，对于特征参数相互交叉的流型，上述方法仍旧不能很好地识别。

虽然在气液两相流流型识别方面国内外学者已经做了大量的研究,但流型在线识别方法的可靠性和重复性较低,仍不能很好地解决工业流动问题。主要原因是因为流型的变化是一个复杂的随机过程，流型的划分是一个模糊的文字性描述，流型的各种特征参数都严重相互交叉。所以，如何有效地处理流型的各种特征参数严重相互交叉的问题，是解决目前两相流流型识别准确率和可靠性低的难点；而目前传统的方法都无法解决两相流流型各种特征参数相互交叉的识别难题。

发明内容

针对上述技术缺陷，本发明提出一种基于区间直觉模糊集相似度量的气液两相流流型识别新方法，以解决两相流流型各种特征参数相互交叉的识别难题。

为了解决上述技术问题，本发明提出一种基于区间直觉模糊集相似度量的气液两相流流型识别方法。

一种气液两相流流型识别方法，包括如下步骤：

11）利用高速摄影技术获取气液两相流的流动图像；

12）利用数字图像处理技术提取两相流二值化图像中气泡面积x1、宽度x2和高度x3特征参数；

13）根据两相流的流型特征定义五类标准流型：气泡流塞状流分层流弹状流和雾环状流

14）将获取的气泡面积x1、宽度x2和高度x3特征参数代入气泡流塞状流分层流弹状流和雾环状流的隶属度函数和非隶属度函数，所述隶属度函数和非隶属度函数分别为和和和其中，k=1~5；

15）重复步骤12）和步骤14）从而确定隶属度函数和非隶属度函数的区间范围和和和和和和和和和其中，k=1~5；

16）利用归一法处理步骤15）得到的隶属度函数和非隶属度函数的上下限，使满足：