基于数值模拟结果聚类的两相流气体形态识别

气体分布形态对气液两相流中的传热、传质及化学反应均有重要影响,为从数值模拟结果中提取该信息,论文构造了一种阈值自适应的凝聚层次聚类算法,并提出了一种基于此聚类算法的气体形态识别方法。针对数值模拟结果数据量巨大的特点,论文还提出了一种"数据空间软分割-子空间分别处理-结果合并"的处理方法。利用二维、三维人造数据及实际数值模拟结果对本文方法的测试结果表明:即使在离散网格尺度不均一、部分网格单元有一定扭曲的条件下,论文方法仍可根据数值模拟结果高效地识别气液两相流中的气体的聚集形态(气泡/气泡群);数据空间软分割方法能有效地降低算法的空间复杂度,便于在大数据条件下的实现气体形态识别。