基于插入式阵列电导传感器的垂直上升气液两相流信号分析.docxVIP

基于插入式阵列电导传感器的垂直上升气液两相流信号分析 1. 多尺度熵分析方法 两相流是一个复杂的非线性动态系统，其中相位具有复杂的界面效应和相对运动。目前，理论模型和数值模拟方法尚未完全揭示两相流动力学的特性。提取二维可测波动信号的函数和流量变化对更好地理解两相流的流动结构、动力学特性和流量参数的检测具有重要意义。 近年来,采用非线性分析方法研究两相流流型动力学特性的成果日趋增多,Franca等把分形理论用于流型辨识,Daw等通过计算混沌吸引子维数和Lyapunov指数对气液两相流流型进行了表征,Jin等用复杂性测度方法对流型特征进行了研究,Annunziato等和Xiao等用吸引子形态特征量对流型进行了辨识.对两相流波动信号用非线性方法进行表征分析,对揭示具复杂性、不确定性且很难用数学模型准确描述的两相流流型转化机理是有益的补充与探索,但是,目前非线性时间序列分析算法对序列长度及算法中参数的选择有敏感依赖性,并且得到的计算结果仅为单一非线性表征参数,在反映流型动力学特性细节方面尚存不足.所以,采用多尺度非线性分析方法研究两相流流型转化动力学特性是值得探索研究的领域之一. 熵是系统复杂性和规则性的一种测度,自Pincus等提出近似熵算法后,在生理和医学信号处理领域得到了广泛应用.但是,近似熵在统计上属于有偏估计,其计算结果与参数选择密切相关,不利于在数据集较小且含有噪声情况下应用.2000年,Richman等提出了改进的近似熵算法,称之为样本熵.Zhuang等在生理信号分析中证明了样本熵比近似熵更适合于复杂信号分析.2002年,Costa等在样本熵基础上提出了多尺度熵理论,并将其应用于心率变异性(HRV)研究中时,发现多尺度熵比样本熵能更好地解释充血性心力衰竭(CHF)和心房颤动(AF)两种疾病与健康状态之间的差别.Thuraisingham等用同样方法重复了Costa等对心脏数据的研究,并研究了采样时间及时间尺度对多尺度熵特征的影响,并用Lorenz序列加以验证.Bornas等用多尺度熵研究了飞行恐惧症患者的心电图信号,发现恐惧会造成心电图信号熵值及复杂度的降低.Li等用多尺度熵方法研究了131年间密西西比河流量变化,认为熵值变化能反映由于人类活动所造成的密西西比河系统复杂性变化,并指出这种方法有助于中等水文及水动力变化的河流系统研究.Norris等将多尺度熵用于重症监护中预测重症患者死亡率,并建议将多尺度熵方法整合到医疗决策过程中.He等用多尺度熵方法研究了电迁移噪声时间序列,指出此方法能反映电迁移不同阶段的复杂性特征,可以表征电迁移失效过程.Ma等用多尺度熵方法研究了心电图信号的ST段,认为多尺度熵的均值,尤其是熵值的波动特征能有效反映心脏的健康状况,对心脏病的早期临床诊断有一定的意义. 尽管多尺度熵分析方法在生理及生物等复杂信号多时空尺度表征方面取得了较大进展,但是,其分析方法大都基于多尺度熵分布模式特征来定性识别复杂研究对象,而在多尺度熵随尺度变化时所表现出的一些不变属性特征量提取方面尚有不足.本文研究着眼于多尺度熵变化速率及在不同尺度下熵值变化特征两方面,对气液两相流电导波动信号进行了多尺度熵综合分析,以期进一步揭示两相流流型转化动力学特性,并基于多尺度熵分析提出一种新的两相流流型定量识别准则. 2. 多尺度熵理论 2.1. 不同参数下. 样本熵(SampEn)是近似熵的改进算法,与近似熵算法的两点主要差别是:首先,样本熵在计算时不包含自身匹配,因为样本熵计算的是产生信息量比率,所以不应计算自身匹配.其次,样本熵在计算条件概率时没有采用模板匹配方式,它只需一个长度为m的模板向量,然后通过寻找m+1长度匹配的方法来计算熵值,而不需要长度为m+1的模板向量. 样本熵具体算法如下: 对于一个长度为N的时间序列{u(j):j=1,2,…,N},可得到N-m+1个相空间向量Xm(i),其中{i|1≤i≤Ν-m+1}?Xm(i)={u(i+k){i|1≤i≤N?m+1}?Xm(i)={u(i+k):0≤k≤m-1}是一个从u(i)到u(i+m-1)的m个相空间向量.两个向量对应标量之间的最大距离定义为 d[X(i)?X(j)]=max{|u(i+k)-u(j+k)|∶0≤k≤m-1}.(1) 计算时只考虑前N-m个m长度向量,确保在1≤i≤N-m范围内Xm(i)和Xm+1(i)均有定义.然后,定义Bmi(r)为向量Xm(j)与向量Xm(i)距离在容限r范围内的个数的(N-m-1)-1倍,其中1≤j≤N-m,并且j≠i以排除自身匹配. 定义 Bm(r)=(Ν-m)-1∑Ν-mi=1Bmi(r).(2) 同理,定义Ami(r)为向量Xm+1(j)与向量Xm+1(i)距离在容限r范围内的个数的(N-m-1)-1倍,其中1≤j≤N-