基于数字图像处理技术的气液两相流型智能识别及其演化规律

气液两相流由于其相界面分布的复杂性，目前对其流型智能识别和演化规律的研究尚处于探索阶段。本项目拟采用高速摄影法获取水平管内气液两相流型图像；利用数字图像处理技术和小波分析方法提取流型图像纹理、形状等特征参数；运用粗糙集理论降低特征参数维数，实现流型图像的多特征融合；通过神经网络和支持向量机模型的比较，设计最佳分类模型；揭示图像灰度序列提取的复杂性测度与气液两相流流型变化之间的关系，并在此基础上研究不同表观气速下三种复杂性测度的混沌动力学特性，以及对气液两相流型的表征能力。本项目对发展气液两相流体力学，气液两相参数检测等有重要的理论意义，对指导许多相关设备（电厂各种沸腾管、各式气液两相混合器、气液分离器、化工行业的精馏塔以及核电站反应堆中燃料棒通道）的设计和安全、稳定、高效运行具有重要的现实意义。

气液两相流由于其相界面分布的复杂性，目前对其流型智能识别和演化规律的研究尚处于探索阶段。本项目采用高速摄影法获取水平管内气液两相流型图像；利用数字图像处理技术和小波分析方法提取流型图像纹理、形状等特征参数；运用粗糙集理论降低特征参数维数，实现流型图像的多特征融合；通过神经网络和支持向量机模型比较，设计最佳分类模型，形成了一套系统的气液两相流型识别方法。同时将随机子空间方法应用到气液两相流型图像灰度波动信号的分析中，而用于确定系统阶次的稳定图也被应用到气液两相流灰度波动信号的分析中。通过计算建立了基于随机子空间方法进行流型辨识的新标准，其不受实验工况的变化所影响，完全由流型内部模态结构所决定，能够准确的对流型信号进行区分。. 在流型演化规律研究方面，应用了一种新的时间序列的提取方法，将气液两相流视频信号的每一帧图像分块成小的区域，取小时间序列的最大李亚普诺夫指数进行分析，通过将图像灰度分布与混沌特性建立起联系，揭示出不同流型的气液两相在管道中的分布结构。针对流型图像的灰度时间序列，分别采用质量指数谱、符号动力学信息熵、EMD分解结合HURST指数、EMD分解结合递归图特征等方法进行分析，提取不同的特征量，观察其随气相表观速度的变化情况，从而达到定量分析气液两相流型演化规律的目的。将图像灰度序列提取的复杂性测度与气液两相流流型变化之间建立起联系，并在此基础上研究了不同表观气速下三种复杂性测度的混沌动力学特性，以及对气液两相流型的表征能力。上述非线性分析方法均对气液两相流型的演化规律进行了很好的表征，对气液两相流动机理进行了深入的挖掘。. 本项目在气液两相流型识别与演化规律研究上取得了丰硕的成果，在课题研究阶段，出版与课题密切相关的学术专著2部，发表论文15篇，其中SCI收录3篇，EI收录9篇，ISTP 1篇，授权发明专利1项，获得吉林省科技进步二等奖1项，培养博士生1名，硕士生2名。. 同时本项目建立了系统的气液两相流型识别与分析方法，为发展气液两相流体力学，气液两相参数检测等奠定了坚实的理论基础，对指导许多相关设备的设计和安全、稳定、高效运行具有重要的现实意义。