竖直下降两相流相界面结构输运特性

竖直下降两相流具有与竖直上升两相流不同的相界面结构特征及输运特性。本文对竖直下降管内的气水两相流进行了实验研究,运用微型四头电导探针对7.5、31.5及55.5倍管径横截面处的空泡份额、相界面浓度、气泡直径、气泡频率及气泡速度等相界面结构参数的局部分布进行了测量。分析获得了相界面结构参数的沿程变化规律,并研究了气相表观流速对相界面结构发展的影响及一维相界面结构输运特性。发现竖直下降泡状流的升力指向管中心,导致相界面结构参数基本呈中心峰值分布;气相表观流速的增大会提高空泡份额和相界面浓度分布的峰度;竖直下降两相流在距入口31.5倍管径处基本达到充分发展。

基于PCA-GA-SVM的竖直下降两相流流型预测

为提高小样本条件下的流型识别精度和时效性,提出了一种融合小波包分解(WPD)、主元分析(PCA)、遗传算法(GA)和支持向量机(SVM)的优化识别模型,并成功应用在竖直下降两相流流型辨识工作中。利用WPD对非平稳电导波动信号进行分解、重构,提取小波包能量构造特征向量;通过PCA对特征向量进行降维,降低特征输入的复杂性;同时采取GA全局迭代寻优的方式确定SVM的关键参数惩罚因子(C)和核函数参数(g)。对PCA-GA-SVM识别效果进行验证后与SVM、PCA-SVM、GASVM网络进行对比。结果表明,经过PCA和GA优化后的SVM网络在流型识别精度和时效性方面均提升显著,对泡状流、弹状流、搅拌流和环状流的总体预测精度达到了94.87%,耗时仅3.95 s,可满足在线识别需求。