[发明专利]基于网格传感器的两相流空间复杂网络可视化分析方法

摘要

一种基于网格传感器的两相流空间复杂网络可视化分析方法，通过Wire‑Mesh传感器的多通道数据构建空间加权复杂网络，从网络节点权值和网络社团拓扑结构两个角度分别对垂直气液两相流流动过程进行可视化分析，并融合两种可视化结果，进而获取两相流流动过程中泡径大小、油泡分布以及流动特性等信息。其中Wire‑Mesh传感器由两层各16根直径为0.12mm的不锈钢线构成，它们平均分布在管径为50mm的管道截面中，两层不锈钢线的轴向距离为1.5mm，两层不锈钢线交错成90°角。本发明主要应用于两相流可视化分析。

主权项

1.一种基于网格传感器的两相流空间复杂网络可视化分析方法，其特征在于，采用16×16电极网格传感器获取垂直气液两相流的实验序列，通过空间加权复杂网络进行可视化分析，实现对相含率的测量并揭示两相流复杂流动特性；具体包括如下步骤：1)根据测量平面内通过网格传感器获取的N个有效交叉点的实验序列构建相应工况的t_k时刻的空间加权复杂网络所述的实验序列表示网格传感器中第i个有效交叉点n_i从t_k时刻开始长度为L的测量数据，空间加权复杂网络的构建过程包括：(1)以网格传感器中的所有有效交叉点n_i作为网络的节点，并确定所有网络节点n_i的节点权值其中表示实验序列的时域平均值；(2)选定阈值S_ε，当时，定义网络节点n_i∈n^gas，其中gas代表气相，n^gas表示被气相包围的有效交叉点的集合；当时，定义网络节点n_i∈n^water，其中water代表水相，n^water表示被水相包围的有效交叉点的集合；(3)在n^gas内确定节点n_i和节点n_j之间的距离包括：首先通过节点n_i的实验序列的特征参数构造特征向量通过节点n_j的实验序列的特征参数构造特征向量然后求取特征向量与特征向量之间的距离其中||·||表示取二范数值的操作；(4)选定阈值ε，在所述的n^gas内所有节点对之间确定连边表示t_k时刻的空间加权复杂网络中节点n_i和n_j的连边权值，其中表示如果则值为1，如果则值为0，构成节点带权值的空间加权复杂网络2)应用Girvan–Newman社团探寻算法，探寻不同工况所对应的空间加权复杂网络内部社团结构，确定实验序列所对应的相分布拓扑图；并结合根据空间加权复杂网络节点的权值得到的相分布直观图，确定t_k时刻测量平面内两相流流动过程中泡径大小、气泡分布以及流体流动特性信息；3)重新选定开始时刻tk′，取长度为L的数据，重复步骤1)和步骤2)中的操作过程，获取相分布拓扑图以及相分布直观图，确定tk′时刻测量平面内两相流流动过程中泡径大小、气泡分布以及流体流动特性信息；4)进行气液两相流流动参数及结构的相关测量分析，包括：分别绘制气相含量随测量管道半径的分布曲线以及气泡平均等效半径随水相流速的变化曲线，分析混合流体流速对气泡大小及分布的影响机制；并以所述的分布曲线和影响机制为基础，研究两相流流动形态的动态演化过程，分析各种流型的生成演化机理。