基于熵分析棒束通道氣液兩相流型識(shí)別及動(dòng)力學(xué)特性分析.pdf

1、氣液兩相流動(dòng)現(xiàn)象廣泛存在于各種工業(yè)換熱設(shè)備中，棒束通道氣液兩相流動(dòng)在核電站沸水堆冷卻劑流過(guò)堆芯的燃料組件中常見(jiàn)。流型對(duì)氣液兩相流動(dòng)設(shè)備的運(yùn)行和安全具有重要影響，而棒束通道幾何形狀狹長(zhǎng)與普通圓管不同，流型流動(dòng)特性及流型識(shí)別方法也有較大不同。本文針對(duì)7×7棒束通道采集氣液兩相流動(dòng)的壓差信號(hào)，通過(guò)多尺度熵和多尺度邊際譜熵兩種時(shí)頻熵方法，小尺度下熵率從微觀細(xì)節(jié)上揭示流型信號(hào)的流動(dòng)特性，大尺度下的熵率從宏觀流動(dòng)上進(jìn)行流型識(shí)別；并提取小尺度下的多尺

2、度熵率、多尺度邊際譜熵率和譜熵均值的聯(lián)合分布作為特征熵，結(jié)合人工神經(jīng)網(wǎng)絡(luò)尋求流型在線識(shí)別的最佳組合方法。
　　基于多尺度熵理論對(duì)流型壓差信號(hào)進(jìn)行時(shí)域熵分析。通過(guò) MATLAB軟件求得多工況下壓差信號(hào)的多尺度熵，線性擬合法求出多工況下壓差信號(hào)小尺度下的多尺度熵率。通過(guò)多工況下流型壓差信號(hào)的多尺度熵率的二維分布可以實(shí)現(xiàn)流型定量識(shí)別，流型壓差信號(hào)的多尺度熵變化趨勢(shì)可以揭示流型演化規(guī)律。
　　發(fā)現(xiàn)整體識(shí)別率達(dá)到97.11％，不在識(shí)別

3、范圍的是3例泡狀-攪混流，這是由于泡狀-攪混流的流動(dòng)特征位于泡狀流及攪混流之間，特征參數(shù)波動(dòng)范圍較大沒(méi)有明顯界限。泡狀流和攪混流這兩種主要流型特征參數(shù)界限明顯，識(shí)別效果佳，識(shí)別率達(dá)100%。并與分形理論的結(jié)果進(jìn)行了對(duì)比分析發(fā)現(xiàn)多尺度熵理論能夠定量實(shí)現(xiàn)流型辨識(shí)，而且能通過(guò)小尺度下的熵變化規(guī)律揭示動(dòng)力學(xué)特性。
　　基于多尺度邊際譜熵理論對(duì)流型壓差信號(hào)進(jìn)行頻域熵分析。通過(guò) MATLAB軟件求得多工況下壓差信號(hào)的多尺度邊際熵，計(jì)算各工況下

4、的多尺度邊際譜熵均值，線性擬合壓差信號(hào)在小尺度下的譜熵增率，利用多尺度邊際譜熵增率和譜熵均值聯(lián)合分布可定量準(zhǔn)確區(qū)分4種流型，對(duì)泡狀-攪混流這種難以區(qū)分的過(guò)渡流型也有較好效果，識(shí)別率達(dá)100%。多尺度邊際譜熵能從頻域細(xì)節(jié)上揭示不同流型的動(dòng)力學(xué)特性。
　　特征熵結(jié)合人工神經(jīng)網(wǎng)絡(luò)進(jìn)行流型識(shí)別，多尺度邊際譜熵率和譜熵均值的聯(lián)合分布作為特征值的識(shí)別率顯著高于多尺度熵率作為特征值的識(shí)別率，誤識(shí)別的是泡狀-攪混流和環(huán)狀流，泡狀流和攪混流識(shí)別率1

5、00%；支持向量機(jī)作為識(shí)別模型的識(shí)別率顯著高于BP神經(jīng)網(wǎng)絡(luò)的識(shí)別率；多尺度熵率作為特征是的識(shí)別速度略快于多尺度邊際譜熵率和譜熵均值的聯(lián)合分布的識(shí)別速度，優(yōu)勢(shì)不是很明顯；多尺度邊際譜熵率和譜熵均值的聯(lián)合分布作為特征值與支持向量機(jī)（SVM）結(jié)合識(shí)別流型具有快速、準(zhǔn)確的特點(diǎn)，是最佳流型識(shí)別組合。
　　通過(guò)對(duì)氣液兩相流壓差信號(hào)進(jìn)行時(shí)頻域熵分析及人工神經(jīng)網(wǎng)絡(luò)識(shí)別流型的應(yīng)用，表明了多尺度熵和多尺度邊際譜熵兩種理論是十分有效的流型辨識(shí)方法，并進(jìn)