專利名稱：一種氣液兩相流流型識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及兩相流測(cè)量技術(shù)領(lǐng)域，尤其是涉及基于區(qū)間直覺模糊集相似度量的氣液兩相流流型識(shí)別方法。
背景技術(shù)：
氣液兩相流廣泛存在于水利、電力、石油、化工等現(xiàn)代工業(yè)生產(chǎn)之中，其流型對(duì)相關(guān)工業(yè)設(shè)備的設(shè)計(jì)、運(yùn)行和安全性有著非常重要的影響。但在工程實(shí)際應(yīng)用中，由于氣液兩相流流動(dòng)介質(zhì)的分布狀況以及兩相流復(fù)雜的相界面效應(yīng)至今尚未完全清楚，兩相流一直是流體力學(xué)的研究重點(diǎn)和難點(diǎn)。在研究?jī)上嗔鞯奶匦詤?shù)中，流型的研究與確定是首要任務(wù)，它不僅影響兩相流的流動(dòng)特性和傳熱、傳質(zhì)等性能，而且影響兩相流系統(tǒng)其它參數(shù)的準(zhǔn)確測(cè)量，因此，開展兩相流流型在線識(shí)別新原理和新方法的研究具有極為重要的科學(xué)意義， 同時(shí)具有顯著的工業(yè)應(yīng)用價(jià)值。由于兩相流流型識(shí)別的重要性，國(guó)內(nèi)外許多研究人員對(duì)此做了大量的研究工作。 最早研究流型在線識(shí)別的工作以1966年Hubbard等人為代表，提出了根據(jù)壓力波動(dòng)的概率密度函數(shù)識(shí)別流型的方法。發(fā)展到今天，常用的氣液兩相流流型分類識(shí)別技術(shù)有神經(jīng)網(wǎng)絡(luò)技術(shù) 、混沌理論、分形理論、信息融合技術(shù)和模糊處理等。神經(jīng)網(wǎng)絡(luò)由于具有簡(jiǎn)單的結(jié)構(gòu)和自學(xué)習(xí)功能，已被廣泛地應(yīng)用在兩相流流型識(shí)別研究中，并已經(jīng)得到了不錯(cuò)的識(shí)別效果。 但神經(jīng)網(wǎng)絡(luò)通常存在所謂的過學(xué)習(xí)問題，適合于小樣本訓(xùn)練情況，隨著樣本數(shù)的增加，訓(xùn)練難度會(huì)迅速增加，網(wǎng)絡(luò)收斂速度變慢，因而大大限制了其泛化性能的提高?；煦缋碚摵湍：幚淼确椒ㄒ脖灰恍W(xué)者應(yīng)用在兩相流的流型識(shí)別中，但這些模糊推理比較簡(jiǎn)單，對(duì)于特征參數(shù)相互交叉的流型，上述方法仍舊不能很好地識(shí)別。雖然在氣液兩相流流型識(shí)別方面國(guó)內(nèi)外學(xué)者已經(jīng)做了大量的研究，但流型在線識(shí)別方法的可靠性和重復(fù)性較低，仍不能很好地解決工業(yè)流動(dòng)問題。主要原因是因?yàn)榱餍偷淖兓且粋€(gè)復(fù)雜的隨機(jī)過程，流型的劃分是一個(gè)模糊的文字性描述，流型的各種特征參數(shù)都嚴(yán)重相互交叉。所以，如何有效地處理流型的各種特征參數(shù)嚴(yán)重相互交叉的問題，是解決目前兩相流流型識(shí)別準(zhǔn)確率和可靠性低的難點(diǎn)；而目前傳統(tǒng)的方法都無法解決兩相流流型各種特征參數(shù)相互交叉的識(shí)別難題。

發(fā)明內(nèi)容
針對(duì)上述技術(shù)缺陷，本發(fā)明提出一種基于區(qū)間直覺模糊集相似度量的氣液兩相流流型識(shí)別新方法，以解決兩相流流型各種特征參數(shù)相互交叉的識(shí)別難題。為了解決上述技術(shù)問題，本發(fā)明提出一種基于區(qū)間直覺模糊集相似度量的氣液兩相流流型識(shí)別方法?！N氣液兩相流流型識(shí)別方法，包括如下步驟11)利用聞速攝影技術(shù)獲取氣液兩相流的流動(dòng)圖像；12)利用數(shù)字圖像處理技術(shù)提取兩相流二值化圖像中氣泡面積xl、寬度x2和高度x3特征參數(shù)；13)根據(jù)兩相流的流型特征定義五類標(biāo)準(zhǔn)流型氣泡流^i1、塞狀流；、分層流式、 彈狀流^4和霧環(huán)狀流I ；14)將獲取的氣泡面積xl、寬度x2和高度x3特征參數(shù)代入氣泡流I1、塞狀流式、 分層流23、彈狀流24和霧環(huán)狀流25的隸屬度函數(shù)和非隸屬度函數(shù)，所述隸屬度函數(shù)和非隸屬度函數(shù)分別為hk(-rI)和^O1)、化⑷和^⑷、匕⑷和·^—U3)，其中，k=l 5 ；15)重復(fù)步驟12)和步驟14)從而確定隸屬度函數(shù)和非隸屬度函數(shù)的區(qū)間范圍i7i(Xi)和iL(xI)和G(xI)和巧“)、私⑷和巧⑷和(·γ2.)和巧⑷、4( )和 n^my^mv^)，其中，k=l 5 ；16)利用歸一法處理步驟15)得到的隸屬度函數(shù)和非隸屬度函數(shù)的上下限，使?jié)M足/Zii(Xi) = (Xlfi1liU)] C [O, I],
=，其中，k = I 5，i = I，2，3 ;貝IJ
4 = {<^1, Mlk (^1 ),v (X1)), <λ·2, M2t (X2 ),v2k (X2)}, (X3, Ji2k (X3), Vrji- (X3 ))|·^1, ^2, χ3 ，其中， k=i 5，分別表示氣液兩相流的五種基本流型4、4、4、足和4的區(qū)間直覺模糊集；17)建立由各個(gè)流型多特征參數(shù)組成的加權(quán)余弦相似度量，確定加權(quán)系數(shù) Wi e
;計(jì)算待識(shí)別流型5和各標(biāo)準(zhǔn)流型4、4、23、24和25之間的加權(quán)余弦相似度量根據(jù)最大隸屬度原則，若，互) = ηωχ|^_(]Α_，及)} ,Ck=I^, i=T5),則兩個(gè)區(qū)間直覺模糊集^和運(yùn)之間的加權(quán)余弦相似度量最大，夾角最小，則否相對(duì)隸屬于^。進(jìn)一步的，設(shè)X是非空集合，則稱{〈X, JLi4 (X)3Vj(X)) \xgX}(I)為區(qū)間直覺模糊集，記作IVIFS (X)，其中/f,(義)=[K(-':)] (=
C
(I馬(X)和tw分別是X屬于2的隸屬度函數(shù)和非隸屬度函數(shù)，和祀⑷分別表示隸屬度函數(shù)的上限和下限, ⑷和if⑴分別表示非隸屬度函數(shù)的下限和上限，且必須滿足垮(X)+ tf(x)SI，令芍=I-^f(X)-If(X)朽=1-^(χ)- ^(χ)測(cè)稱閑(X),S(X)] 為X屬于2的猶豫程度。進(jìn)一步的，構(gòu)建向量V2 (Xi) = {/I! (X,.), /if (Xi )，(X, )，(Xi)}(4)Vs (X1) = ( (Xi )，Pl (X1), Vg (Xi I(七)}(5)構(gòu)建余弦相似度量
^ ,7 Sx^2 (χ ) (χ.) + (Xf )K(xi) + i7S ( ) (χ ) + (χ>(χ.)ffi)
^TVIFSK^y^) ~ ~ , I.^'I ,^}
nH ^i4XxlHflRxl)+哼(X1He(Xi)扣!-(XiH苒々,η ^χ,ΗψΚ)
構(gòu)建加權(quán)余弦相似度量
權(quán)利要求
1.一種氣液兩相流流型識(shí)別方法，其特征在于，包括如下步驟.11)利用高速攝影技術(shù)獲取氣液兩相流的流動(dòng)圖像；.12)利用數(shù)字圖像處理技術(shù)提取兩相流二值化圖像中氣泡面積xl、寬度x2和高度x3 特征參數(shù)；.13)根據(jù)兩相流的流型特征定義五類標(biāo)準(zhǔn)流型氣泡流；塞狀流；分層流〗彈狀 流$和霧環(huán)狀流I5 ;.14)將獲取的氣泡面積xl、寬度χ2和高度χ3特征參數(shù)代入氣泡流^塞狀流^5分層 流式彈狀流和霧環(huán)狀流&的隸屬度函數(shù)和非隸屬度函數(shù)，所述隸屬度函數(shù)和非隸屬度 函數(shù)分別為化仏奸卩^-')、化-(七)和^2)、；.15)重復(fù)步驟12)和步驟14)從而確定隸屬度函數(shù)和非隸屬度函數(shù)的區(qū)間范圍和匕丸)、巧(4)和6(4)和02)和巧'(七)、6仏)和巧(13)和吃仁) 和巧(&)其中，k=l 5 ； .16)利用歸一法處理步驟15)得到的隸屬度函數(shù)和非隸屬度函數(shù)的上下限，使?jié)M足 ^<X) = [^W，^(.y,)]c
，(,T,-) =c [O, I]，其中，k=l 5， 其中，k=i 5，分別表示氣液兩相流的五種基本流型4、4、4、4和^的區(qū)間直覺模糊集；.17)建立由各個(gè)流型多特征參數(shù)組成的加權(quán)余弦相似度量，確定加權(quán)系數(shù)Wie [O, I]； 計(jì)算待識(shí)別流型5和各標(biāo)準(zhǔn)流型4、Z、4、4和|5之間的加權(quán)余弦相似度量根據(jù)最大隸屬度原則，若n%7Ks(4,匆=爪狀廠％7,.、(.為.W (k=l 5， =Γ5),則兩個(gè)區(qū)間直覺模 糊隼2和I彡之間的加權(quán)余弦相似度量最大，夾角最小，則f相對(duì)隸屬于^。
2.根據(jù)權(quán)利要求I所述的一種氣液兩相流流型識(shí)別方法，其特征在于，設(shè)X是非空集合，則稱 = {<x, μ2 (x),ν3(χ)> |xgX}(I) 為區(qū)間直覺模糊集，記作IVIFS (X)，其中 Χ)·%(Χ)分別是X屬于2的隸屬度函數(shù)和非隸屬度函數(shù)，^(X)和珩(X)分別表示隸屬度函數(shù)的上限和下限，K(X)和if (為分別表示非隸屬度函數(shù)的下限和上限，且必須滿足 (.Y)+ Vjr (X) < I ^7c{=l--fiA (x)-vTi(x) .^=1-^|(χ)-ν (X);則_巧(x),巧(Λ-)]為 x 屬于i的猶豫程度。
3.根據(jù)權(quán)利要求I所述的一種氣液兩相流流型識(shí)別方法，其特征在于，構(gòu)建向量
4.根據(jù)權(quán)利要求I所述的一種氣液兩相流流型識(shí)別方法，其特征在于，所述步驟17)具體步驟包括41)提取兩相流流型的大量樣本集
全文摘要
本發(fā)明所述的基于區(qū)間直覺模糊集相似度量的氣液兩相流流型識(shí)別方法，由于定義了隸屬度函數(shù)和非隸屬度函數(shù)，不但考慮了支持和反對(duì)的信息，而且增加了可疑度信息，解決了兩相流流型間特征參數(shù)相互交叉的識(shí)別難題；同時(shí)由于區(qū)間直覺模糊集中的隸屬度和非隸屬度用區(qū)間來表示，在處理模糊性和不確定性等方面具有更靈活性和實(shí)用性，它更能描述和反映客觀世界的本質(zhì)特征，進(jìn)一步提高了兩相流流型識(shí)別的準(zhǔn)確率和可靠性。
文檔編號(hào)G01M10/00GK102706534SQ20121018393
公開日2012年10月3日 申請(qǐng)日期2012年6月1日 優(yōu)先權(quán)日2012年6月1日
發(fā)明者施麗蓮 申請(qǐng)人:紹興文理學(xué)院