竖直圆管内泡状流界面参数分布特性

采用双头光纤探针对内径为50 m m竖直圆管内空气-水两相泡状流界面参数径向分布特性进行了实验研究。气液两相表观速度变化范围分别为0.004-0.05 m/s和0.071-0.283 m/s。结果表明，竖直管内向上泡状流局部界面面积浓度（IAC ）、空泡份额及气泡频率径向分布相类似，即气相流速较低时管道中间很大范围内以上3个局部界面参数几乎恒定，近壁区迅速下降到较低值；随气相流速的增加，局部界面参数在管道中心出现峰值。本实验中气泡聚合与破碎现象较少发生，索特平均直径沿径向近似均匀分布，且随气液两相流速变化很小。通过气泡横向受力解释了局部界面参数分布的影响机理。

倾斜对管内上升泡状流局部界面参数分布的影响

采用双头光纤探针法研究了倾斜对圆管内(I.D.50mm)上升泡状流界面参数径向分布的影响。探针测量的局部界面参数包括局部空泡份额、界面面积浓度(IAC)和局部气泡通过频率。实验以空气和水为工质,表观速度分别为0.002～0.037m·s-1和0.072～0.569m·s-1;倾斜角度为5°、15°和30°。结果表明,竖直条件下界面参数呈核峰型、壁峰型、中间型及过渡型4种典型的分布。倾斜条件下大量气泡向上部聚集,界面参数分布不对称。中间宽峰向通道上部倾斜,且峰值随倾斜角度增加而增大。同时,下壁面附近峰值被削弱,甚至消失,上壁面附近峰值迅速增大。界面参数沿直径从ri/R=-0.84到上半部分峰值处逐渐增加,且增加速率随倾斜角度增加而增大。倾斜条件下Sauter直径明显比竖直条件下大。

倾斜管内上升泡状流界面参数分布特性实验研究

采用双头光纤探针对倾斜圆管内空气-水两相泡状流界面参数分布特性进行了实验研究,包括局部空泡份额、气泡通过频率、界面面积浓度及气泡当量直径径向分布特性。实验段内径为50mm,液相表观速度为0.144m/s,气相表观速度为0～0.054m/s。结果表明倾斜管内向上泡状流气泡明显向上壁面聚集。局部界面浓度、空泡份额及气泡通过频率径向分布相似。倾斜条件下局部界面参数分布下壁面附近峰值相对于竖直状态被削弱甚至消失,上壁面附近峰值被加强,中间区域从下壁面往上逐渐增大,且随倾斜角度的增加变化更加剧烈。气泡等价直径随径向位置、气相速度及倾斜角度的不同无明显变化,气泡聚合和破碎现象较少发生。通过气泡受力分析解释了倾斜对泡状流局部界面参数分布的影响机理。

管内向下气液两相流动界面参数分布特性

借助双探头光纤探针测量方法，对管内竖直向下空气-水两相流动的界面参数局部分布特性进行了实验研究。实验段采用内径50mm、长度2000mm的圆管，气液两相表观速度范围分别为0.004～0.077 m/s和0.43～0.71 m/s。实验结果表明，不同于竖直向上两相流动中局部界面参数径向分布呈现的“壁峰”或“核峰”型分布，向下流动中局部界面参数径向分布呈“壁峰”或“宽峰”型分布；向下流动时空泡份额截面平均值均比向上流动时大119.6％～145.0％，界面面积浓度截面平均值比向上流动时大18.8％～82.5％；向下流动时界面参数分布表现出明显的均匀化趋势。

倾斜、摇摆对矩形通道内泡状流局部界面参数分布的影响

借助高速摄像机,对倾斜和摇摆条件下矩形通道(43 mm×3.25 mm×2000 mm)内泡状流局部界面参数的横向分布特性进行实验研究,包括局部气泡比例、空泡份额及界面面积浓度(IAC)。实验结果表明,竖直、倾斜及摇摆条件下,局部气泡比例、空泡份额及IAC三者的横向分布形状相类似。竖直静止及摇摆至竖直位置时,通道内中间较大范围内各局部参数变化缓慢,在xi/(w/2)=±0.5(xi为以通道宽边中心轴线为原点到窄边内壁面的距离,w为宽边尺寸)附近出现峰值;随着倾斜和摇摆角度的增大,下壁面附近峰值被削弱,上壁面附近峰值被加强。实验摇摆参数范围内,摇摆时局部参数的横向分布与实验段倾斜至相同角度时的分布十分相近;主要原因为在横向上摇摆引起附加惯性浮力远小于气泡受到的浮力。

Modeling and optimization of unbalanced multi-stage logistic system

To decompose an unbalanced multi-stage logistic system to multipleindependent single-stage logistic systems, a new notion of parameterized interface distribution ispresented. For encoding the logistic pattern on each stage, the Pruefer number is used. With theimproved decoding procedure, any Pruefer number produced stochastically can be decoded to a feasiblelogistic pattern, which can match with the capacities of the nodes of the logistic system. Withthese two innovations, a new modeling method based on parameterized interface distribution and thePriifer number coding is put forward. The corresponding genetic algorithm, named as PIP-GA, can findbetter solutions and require less computational time than st-GA. Although requiring a little moreconsumption of memory, PIP-GA is still an efficient and robust method in the modeling andoptimization of unbalanced multi-stage logistic systems.