水平细圆管内气液两相流动界面形状的分析

为精确确定水平细圆管内气液两相分相流动的界面结构，提出采用基于相平衡理论的最小能量原理分析，研究重力、界面剪切力和表面张力对气液两相流流型的影响；分析小尺度下水平圆管气液两相流动的特点。发现即使在细圆管内，相界面间的剪切力对气液两相流流型的影响依然比表面张力显著得多。利用最小能量原理提出了可预示两相系统气液界面形状的方法。     

功率谱熵在垂直于水平流向的气液两相流压差信号中的应用

对垂直于水平流向的气液两相流压差信号进行了实际测量,对采集的信号提取其功率谱熵值.结果表明:压差信号的功率谱熵受外界压力变化影响较小,对两相流流型变化是敏感的,通过分析功率谱熵值随气液两相流气相流速变化趋势,能够较好地揭示水平管道气液两相流流动特性,为两相流流型的准确识别方法提供有价值的参考.     

煤层气井筒气液两相流数值模拟

在煤层气井开采过程中由于井底积液的影响,会在管道中形成气液两相流动。用数值模拟方法研究含气率、进口压力、进口温度、压降等参数对气液两相流流态的影响。结果表明：进口压力和进口温度对气液两相流流态影响较小;含气率对两相流流态的影响很大,决定了气液两相的流态,当含气率小于0.2时,气液两相流呈现泡状流,当含气率在0.2～0.3时气液两相流流态呈现段塞流,当含气率在0.5～0.6时,气液两相流流态呈现搅动流,当含气率超过0.8时,气液两相流流态呈现环状流;压降对流体的影响较为复杂,随着压降增加,流态会缓慢发生变化,管内两相流中的气体膨胀,改变了截面含气率以及气液两相的表观速度,使两相流流态发生了转变;当压降超过一定值时,流态会从一种形态转变为另外一种形态。     

变制冷剂流量制冷循环性能与气液两相流流型的研究

实验应用流动显示方法,发现变制冷剂流量制冷循环的蒸发器入口(也是膨胀阀出口)的制冷剂流动存在两类不同的气液两相流流型--液气分相流和泡气分相流,并且存在流型转变的过渡区域.在不同的气液两相流流型时,变制冷剂流量制冷循环的制冷量、过热度、排气温度等性能截然不同,在流型转变的过渡区域,制冷循环处于波动之中.     

水平井筒变质量环空流压降分析模型

在常规管道环空流流型压降分析的基础上 ,考虑管壁存在入流或出流对于环空流流型压降的影响 ,对气、液两相分别应用质量守恒方程和动量守恒方程 ,得到水平井筒气液两相变质量流动环空流流型的压降计算方法 .计算结果表明 :水平井筒气液两相变质量流动环空流流型的压降大于常规水平管道的压降 ;入流量越大 ,压降越大 ;管径越大 ,压降越小 ;要计算整个水平段压力分布 ,还需要结合井筒的流型判别以及其它流型的压降计算方法     

水平井筒变质量环空流压降分析模型

在常规管道环空流流型压降分析的基础上,考虑管壁存在入流或出流对于环空流流型压降的影响,对气、液两相分别应用质量守恒方程和动量守恒方程,得到水平井筒气液两相变质量流动环空流流型的压降计算方法,计算结果表明;水平井筒气液两相变质量流动环空流流型的压降大于常规水平管道的压降;入流量越大,压降越大;管径越大,压降越小;要计算整个水平段压力分布,还需要结合井筒的流型判别以及其它流型的压降计算方法。     

基于复杂网络的气液两相流流型识别与动力学特性分析

气液两相流作为一个非线性动力系统,其流动演化动力学特性尚未得到清楚的认识.以垂直上升管内空气-水两相流为研究对象,在通过流态模拟实验系统获取流态压差时间序列的基础上,构建流态复杂网络和流动演化复杂网络对气液两相流流型及其非线性动力学特性进行了研究.通过对流态复杂网络社团结构的分析获得了其社团结构与不同流型的对应关系,从而实现了对包括过渡流型在内的5种流型的辨识.通过对流动演化复杂网络分析发现,不同流型的流动演化复杂网络呈现出不同的社团结构,而且网络的信息熵演化趋势与流型转化过程密切相关,可以较好地揭示垂直上升管内气液两相流流态演化的动力学特性.     

基于遗传算法的BP神经网络气液两相流持液率预测模型优化

基于遗传算法(Genetic Algorithm,GA)对BP(Back Propagation)神经网络模型的初始阈值及权值进行优化,弥补了单一BP网络模型预测气液两相流持液率时收敛速度慢随机性大等问题。为了对优化后的BP网络模型进行可行性验证,以倾斜管道为研究对象,对倾斜管道内气液两相流的持液率进行预测,并与前人获得的预测结果进行对比。结果显示:基于GA优化后的BP神经网络模型预测倾斜管道内气液两相流的持液率精度较高,且收敛速度较快。通过与倾斜管道气液两相流持液率的实际值对比得出,与传统的持液率预测公式相比,优化后的BP神经网络模型预测结果与实际值偏差较小,验证了本文优化模型的准确性及可行性。     

Y型组合式微通道多相流流动形态实验研究

微通道设备具有高效的传热、传质能力,有利于实现气液多相流的有效混合,从而提高工业应用生产效率。但对于工业应用中,形状不规则的微通道的气液两相流流动形态研究一直是微通道研究的难点。本文基于优化过的Y型组合式微通道结构,进行了复杂微通道内部全流场流动显示实验,实现了对微通道内部不同流量下的气液多相流流动形态的综合测量,获取了基于高速摄像的微通道内部气液两相流分布,对Y型组合式微通道内部流型进行判别,并对气液两相间流动规律进行了数值模拟,提取了沿流道方向的压力分布。研究以时均特征面积为指标评判了不同流型下的时均气液高效混合区域面积。结果表明,气液多相流流型会显著影响气液多相流混合剧烈程度,大大促进了气液两相流混合效果,增大了气液接触面积。     

气液两相瞬变流的流固耦合研究

论述了国内外气液两相瞬变流流固耦合的研究成果及现状 ,阐述了气液两相瞬变流的流动规律和流固耦合研究的各种方法。评述了气液两相瞬变流、流固耦合等方面的理论模型和数值计算方法 ,并对不同模型和数值方法进行了比较和分析。指出了目前两相瞬变流流固耦合研究中存在的问题 ,预测了流固耦合研究的方向应为两相流体瞬态时的流固耦合实验研究和耦合模型的数值计算方法研究。     

基于配线法的BP神经网络求解Theis模型

利用非稳定流抽水试验资料确定含水层水文地质参数的配线法在具体应用中存在较大的随意性,用一种改进的反向传播(BP)神经网络方法来进行承压完整井非稳定地下水运动Theis公式中的水文地质参数识别,在一定程度上解决了现有的BP神经网络方法求解含水层参数中存在训练区间选择、网络拓扑结构复杂、网络泛化性能较低和过度拟合等问题.实例计算结果表明,提出的基于配线法的BP神经网络是求解水文地质参数的一种高效方法,对其他水文地质问题求解具有推广应用价值.     

金属断口图像的非线性模式识别方法

针对金属断口图像模式识别的特点,提出应用小波变换技术提取断口图像特征的方法,在此基础上,利用神经网络的基本原理设计了一种断口图像模式识别的非线性分类器·通过实验确定了分类器的网络结构,给出了相关参数选择的方法·对几种典型的金属断口图像进行了计算机实验研究·实验结果表明,其平均正确识别率达93 75%,单独以能量作为特征值,其平均正确识别率可达到95%·这说明采用非线性分类器进行断口模式识别比采用线性分类器能取得更高、更可靠的正确识别率·研究结果显示出,这种基于小波变换技术和神经网络原理的非线性模式识别方法能对纹理变化复杂、规律性不强的断口图像进行有效识别,具有更好的适应性·     

基于遗传算法优化BP神经网络的TIG焊缝尺寸预测模型

建立了4-12-4结构的误差反向传播(BP)神经网络.以训练样本预测误差作为适应度函数,采用具有全局寻优功能的遗传算法得到最优化的BP神经网络的权值和阀值.以TIG焊接工艺参数电弧长度、保护气流量、焊接电流和焊接速度作为网络输入,焊缝的上余高、下余高、上焊宽和下焊宽作为网络的输出,优化后的BP网络模型具有良好的泛化能力和预测能力.     

基于Mahalanobis距离与BP网络的图像小波标定识别技术

针对计算机芯片检测,提出了基于Mahalanobis距离与BP人工神经网络的小波图像识别技术．在对Ic芯片图像进行二维小波分析后,通过Mahalanobis距离在图像的低频小波系数矩阵上进行目标图元的区域搜索与位置标定,而后根据待定目标图元像素分布特征建立特征参数向量,建立BP网络对目标图元进行模式识别．实验证明此方法能够有效地对IC图像进行目标图元的位置标定与模式识别,获得准确的IC标定识别结果．     

Analytical determination of flow resistance characteristic for combination channel inside hydraulic manifold block

Computational fluid dynamics （CFD） was used in conjunction with BP neural network to study the flow resistance characteristic of the combination-channel inside hydraulic manifold block （HMB）. The input parameters of the combination-channel model were confirmed to have effect on the pressure-drop by the numerical method, and a BP neural network model was accordingly constructed to predict the channel pressure-drops. The flow resistance characteristic curves of various channels were achieved, and a performance parameter was given to evaluate the through-flow characteristic of the channel according to the curves. The predictions are in agreement with the numerical computation, indicating that the method can be utilized to accurately determine the flow characteristic of the combination channel with high efficiency.     

基于神经网络的交通参数预测方法

为能够迅速准确地采取相应措施处理交通拥堵问题,改善行车安全,进而提高路网效率,研究了基于神经网络的交通参数预测方法,预测了交通流量、速度和占有率.在分析常用BP(Back Propagation)神经网络算法的基础上,研究误差平方和最小化的L-M(Levenberg-Marquart)算法.相对于常规预测方法,基于神经网络的交通参数的预测方法对于随机的参数变化具有更好的适应性,能及时跟随交通参数的变化,所以精确度更高,适应性更好.仿真结果显示,L-M算法的训练速度相比于常规BP算法要快几十倍,预测交通流量、速度和占有率等参数的效果优于常用的指数平滑算法,因此基于神经网络的交通参数预测方法可以应用于交通领域.     

基于BP网络与Mahalanobis距离的图像识别技术(英文)

提出基于BP人工神经网络与Mahalanobis距离的图像识别技术.在对IC芯片图像进行二维小波分析后,通过Mahalanobis距离在图像的低频小波系数矩阵上进行目标图元的区域搜索与位置标定,而后根据待定目标图元像素分布特征建立特征参数向量,建立BP网络对目标图元进行模式识别.实验证明此方法能够有效地对IC图像进行目标图元的位置标定与模式识别,获得准确的IC标定识别结果.     

基于BP神经网络的空洞型采空区稳定性评价研究

通过分析空洞型采空区稳定性的影响因素,依照BP神经网络原理,构建出适合空洞型采空区稳定性评价的BP神经网络模型。再通过收集到的空洞型采空区稳定性样本对所构建的BP神经网络进行训练,得出空洞型采空区稳定性评价BP神经网络模型,并应用检测样本测试其准确性。并以陕北讨老乌素煤矿采空区为例,应用训练好的BP神经网络模型对其进行预测评价,最终得到了与实际情况吻合的结果。     

Modeling study on the flow patterns of gas-liquid flow for fast decarburization during the RH process

A water model and a high-speed video camera were utilized in the 300-t RH equipment to study the effect of steel flow patterns in a vacuum chamber on fast decarburization and a superior flow-pattern map was obtained during the practical RH process. There are three flow patterns with different bubbling characteristics and steel surface states in the vacuum chamber:boiling pattern (BP), transition pattern (TP), and wave pattern (WP). The effect of the liquid-steel level and the residence time of the steel in the chamber on flow patterns and decarburization reaction were investigated, respectively. The liquid-steel level significantly affected the flow-pattern transition from BP to WP, and the residence time and reaction area were crucial to evaluate the whole decarburization process rather than the circulation flow rate and mixing time. A superior flow-pattern map during the practical RH process showed that the steel flow pattern changed from BP to TP quickly, and then remained as TP until the end of decarburization.     

密相气力输送参数的人工神经网络预测

在水平管道中，用压缩空气和氢气对煤粉和小米进行密相气力输送实验，利用改进的BP神经网络对不同气量下的固体质量流率进行预测。结果表明，BP网络能对不同实验条件下的固体质量流率进行较好的预测。并画出不同气量下，固体质量流量的等值图。根据此图，可对密相气力输送参数进行初步优化，控制固体的输送量，减少密相气输送中的盲目操作。