气液两相流流型识别研究

气液两相流流型识别研究

0气液两相流流动工况的研究气、液两相流的现象在自然界和现代工业生产中得到广泛存在，这与人类的生活和生产活动密切相关。目前,在动力、石油、核能、冶金、制冷、化工和航天等领域有许多设备,例如,电站的各种沸腾管、锅炉、石油工程设备、核反应堆、蒸发器、飞船环境系统及化工行业的精馏塔等中都涉及气液两相流流动工况。两相流流型极大地影响着气液两相流的流动特性和传热传质特性,同时对流动参数的准确测量以及两相流系统的运行特性也有很大影响。在气液两相流研究工作的早期,由于缺乏此方面的知识,曾经发生过不少工业事故。因此对于气液两相流的流型识别研究应该给予高度重视,此方面研究不仅具有重要的学术意义和实用价值,也为相关工业生产设备经济、安全的设计和运行提供了强有力的技术支持。正因为如此,气液两相流流型识别的研究一直是气液两相流研究领域的一个重要课题。1流型的划分标准气液两相流流型的定义:气液两相流的流型就是气、液两相界面分布呈现不同结构形式或不同几何图形的现象,通常简称为流型。由于气体和液体在一起流动的过程中,两相均可发生变形,且两相界面将不断变化,进而两相介质的分布状态也会不断变化,从而导致流型变的复杂化、多样化。同时流型还与管道尺寸、管截面形状、管道角度、管道加热状态、所处的重力场、介质的表面张力、壁面及相界面间的剪切力等因素有密切关系。因此,每位研究者对于流型都有不同的划分标准。Oshinowo从实际应用的简明性考虑,在综合发展了其他研究学者结果的基础之上,提出了几种常见流动条件下的流型划分标准,如下面表1所示。现给出最为常见的两种管道条件下的流型划分图。1)垂直下降管的流型划分为五种,如图1所示。2)由于重力影响造成了水平管道内流动的不对称性,使得其与垂直管道的流型有所不同,我们根据Oshinowo流型划分原则把水平管道中的流型划分为六种,具体的流型如图2所示。2气、气两相流流型识别的科学研究2.1流型图法识别传统的静态流型识别方法主要有两大类:一类是根据通过流型转变机理得到的转变关系式,同时利用现场的两相流流动参数如压力降、分项含率等来确定具体的流型;另一类是采用实验的方法做出流型图。即在实践过程中,根据实验得出各种流型状态图,建立流型变化的经验或半经验判别式,之后根据这些判别式来确定大概的流型。这种方法虽然简单,但是其精度不高,且局限性较大,不同的流型图之间存在一些差别,至今还没有得到一致公认的标准。流型图是综合表示流型间过渡关系的一种简便方法,但是想用一种普适的二维坐标流型图来解决各种情况下的流型识别是非常困难的,导致现有的流型图坐标参数表达式形式繁多,常随着研究者的主观认识而异。最具有代表性的为Baker流型图和Mandhane流型图,如下图3、图4所示。虽然各国学者经过不懈努力做出了两相流流型图,也推导出了常见的流型转变准则关系式,但是这些传统的静态流型识别方法并不能在生产、生活中得到广泛的应用,而且离实际工程应用还有相当远的距离。究其原因,主要是不同学者所绘制的流型图或所推导出的转变准则关系式并不完全一致,都有一定的局限性和适用范围,只是对一些常见的流型适用,在实际应用中就显得牵强、无所适从;同时由于缺乏对发生流型转变机理的透彻了解,因此所建立的数学模型都存在一定的误差。由于气液两相流系统的复杂性,要想用一个单一的数学模型来刻画、区分所有流型几乎是不可能的。2.2通过对流型的检测来识别流型为了更好地识别流型,各国学者在继流型图之后做了大量研究,获得了许多流型识别方法,根据工作原理,流型实时识别方法可以分为两大类:一类是根据两相流流动图像的形式直接确定流型,如目测法、高速摄像发、接触探头法、射线衰减法、电容层析成像法、过程层析成像法等;另一类是间接的通过对反应两相流流动特性的波动信号进行处理分析,提取出流型特征,进而识别流型的方法。这种方法是建立在波动信号处理技术的基础上的,其不仅具有设备简单、价格低廉的优点,而且还适用于过程比较复杂的流动工况,此方法现已成为流型识别技术中的研究热点,并且还在不断发展、创新。我们在这里主要针对间接方法进行综述。2.2.1不同流型的两相流特性由于流动参数的波动性是气液两相流的普遍特性,受流型的影响很大,因此可以利用两相流动参数的波动特性来识别流型。压差波动法识别流型的原理是:流型不同,两相流动的扰动度也不同,因此不同流型的两相流体流过压差测量段时就会得到不同的压差波动信号。Wambsganss等进行关于水平放置的矩形通道内气、液两相流流动特性研究的试验,并提出利用壁面静压力波动均方根来辨识泡状流或塞状流向弹状流转变和弹状流向环状流转变的方法。Tutu通过概率密度法(PDF)来确定压差波动信号在分布图中的峰值个数和位置,进而识别出弹状流、环状流、泡状流和乳状流。利用压差波动理论来识别流型具有信息量大,容易处理,识别准确率高的优点,因此应用比较广。2.2.2压力波动信号的分形维数多相流动系统是一个非线性的动力耗散型系统,它主要表现为一系列的混沌运动,混沌运动表现出其特有的随机性,具有普适性。混沌系统通过其运动轨迹在相空间中的几何形态,即分形来进行描述,而分形的特征以分维来体现。由于所描述的具体对象不同,分维计算的具体形式也有多种,例如信息维数、混沌吸引子关联维数和分形维数等。Cai提出了利用混沌理论计算气、液两相流压力波动信号的分形维数、Lyapunov指数、自相关函数等特征量,并根据上述特征量来识别流型。白博峰等认为,混沌系统的分维数、关联维数、Kolmogorov嫡在不同的流型中受折算液速的影响也不同,除了在高气速的环状流中,在其它流型内的分维数都小于1.5。并通过实验得出:压力波动的混沌特性与流型密切相关。应用混沌理论来识别流型在近年来已经成为一个新的发展趋势。2.2.3基于自组织特性的气液两相流型识别人工神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型,它是由大量处理单元互联组成的非线性、自适应信息处理系统,通过模拟大脑神经网络处理、记忆信息的方式进行信息处理,近年来在多相流的流型识别方面也开始应用。周云龙等认为由于流型的多样性和模糊性,单纯的应用神经网络来识别流型并不是很准确,因此提出了一种运用神经网络和D-S证据理论二者多特征信息相融合的来识别气液两相流流型的方法,这就使得准确率提高了很多。Embrechts等通过Kohonen自组织特性映射神经网络模型,对水平管内的气液两相流流型进行识别,结果表明,所有流型基本都能被识别出来。张立峰提出了一种人工神经网络的软测量方法,就是从电容层析成像(ECT)传感器的输出中提取特征参数作为软测量模型的辅助变量,以两相流流型为主导变量,构建二级自组织竞争神经网络,进而实现对两相流流型的在线判别。此辨识网络辨识效果较理想,平均正确辨识率在90%以上,且判别速度快。神经网络在流型识别中的应用为流型识别理论的研究提供另一种思路,这种方法也必将为跟多的人所接纳和采用。2.2.4基于经验模式分解的流型识别复杂度是在统计学习理论的基础上发展起来的一种有限样本下的学习算法,它具有严格的理论基础,较好地解决了样本、非线性、高维数和局部极小点等实际问题。周云龙等针对气液两相流压差波动信号的非平稳和非线性特征,提出了一种基于经验模式分解(EMD)复杂度特征和支持向量机的流型识别方法。该方法首先对两相流压差波动信号进行经验模式分解,将其分解为若干个固有模态函数(IMF),然后对每一个IMF分量提取复杂度特征作为流型特征向量,并以此作为输入参数,建立支持向量机分类器来识别流型,能达到94%的识别率。此方法能准确地识别流型,从而为流型识别提供了一种新的有效方法。3流型识别算法经过国内外研究者几十年的不懈努力,气液两相流的流型识别技术有了长足的发展,已经由最初的由实验得出的流型图和通过转变机理得出的流型转变关系式这两种传统的流型识别方法发展到采用一些现代高科技仪器直接识别流型和运用信息处理手段间接识别流型的程度。在现有的成熟的单相流仪表的基础上借助微波技术、激光技术、光谱技术、层析成像技术、过程成像技术等各种技术,研制出高准确度、