基於多尺度加權遞歸網絡的兩相流網絡可視化方法及應用與流程
2023-04-29 18:00:36 2
本發明涉及一種兩相流流動結構網絡可視化方法。特別是涉及一種基於多尺度加權遞歸網絡的兩相流網絡可視化方法及應用。
背景技術：
兩相流廣泛存在於石油化工產業中例如石油開採等。在兩相流系統中，各相的分布隨著時間和空間在不斷變化，形成了不同的流動形態，稱之為流型。兩相流的流型複雜多變，局部流動信息難以準確捕捉，使得流型辨識存在諸多難點，對於進一步測量兩相流流動參數造成了諸多影響。目前，對於流型的研究主要是採用觀測法和基於測量信號的小波特徵分析和模糊C聚類、模糊邏輯和遺傳算法、數字圖像處理算法等。傳統的測量採用的環形電導傳感器和雙螺旋電容傳感器等，是單通道傳感器，容易丟失微觀的局部流動信息。而分布式的電導傳感器和激勵循環激勵傳感器等則可以同時採集多通道信號，捕捉到更豐富的微觀流動信息，為兩相流複雜流動結構的揭示提拱了重要技術支持。
複雜網絡理論自創立以來，如今已在多領域得到了蓬勃發展，是研究複雜系統的一個重要工具，尤其是近年來其在時間序列分析中領域作出了重大貢獻。實踐表明，複雜網絡對於挖掘包含在非線性時間序列中和非線性動力學系統中的重要信息具有明顯的優勢，效果顯著。其在單通道時間序列上的得到成功應用的同時，也使得科研人員開始關注如何將其應用到多通道數據的融合分析中。遞歸網絡作為複雜網絡研究中的一個重要分支，在多領域得到廣泛應用，尤其是對於不穩定的、短的時間序列，其分析效果十分顯著。它可以用於探究複雜系統和時間序列中的動力學特性。
技術實現要素：
本發明所要解決的技術問題是，提供一種能夠從宏觀角度揭示微觀的流動結構的基於多尺度加權遞歸網絡的兩相流網絡可視化方法及應用。
本發明所採用的技術方案是：一種基於多尺度加權遞歸網絡的兩相流網絡可視化方法，包括如下步驟：
1)對通過雙層循環激勵電導傳感器得到的多通道信號進行多尺度變換，包括：
(1)對長度均為C的p個通道的信號分別進行粗粒化得到：
其中，μxk,i(β)是粗粒化後得到的信號的任意一點，β是尺度因子，μ表示數據是求均值得到的，yk,b是信號Y中的任意一點，表示對進行取整，其中粗粒化後的單通道的數據長度為L，k為通道數；
(2)對p個通道中的每一通道的原始信號計算粗粒化方差，得到每一通道的多尺度信號xk,i(β)：
由此，得到多尺度多通道信號
2)在每一個尺度因子β下構建多尺度加權遞歸網絡，包括：
(1)對在任一個固定尺度因子β下得到的多通道信號進行相空間重構：
其中，N是進行相空間重構後相空間軌跡上向量點的數目，m為嵌入維數，採取錯誤最近鄰法確定，τ為延遲時間，採用互信息法確定，為通道k經過相空間重構後得到的相空間軌跡，其中，t＝1,....,N；
(2)對於任意兩通道f和g的信號xf,i(β)和xg,i(β)f≠g，在進行第(1)步後，得到相空間軌跡和通過對兩個所述的相空間軌跡進行交叉遞歸，得到一個大小為N×N的交叉遞歸圖：
其中，ε為閾值，採用15％的兩通道信號標準偏差和選取，表示兩相空間軌跡中任意兩向量之間的距離；表示如果則ε值為1，如果則ε值為0；若的值為1，則在遞歸圖中為相應的位置黑色，若的值為0，則在遞歸圖中相應的位置為白色；
(3)為了量化每一個交叉遞歸圖中遞歸點的密度，計算交叉遞歸率：
(4)對於固定尺度因子β下得到的多通道信號對每兩個通道信號採用第(1)步至第(3)步的處理方式，得到一個大小為p×p的交叉遞歸率矩陣；
(5)將每一通道信號視作節點，將兩通道間形成的交叉遞歸圖的交叉遞歸率作為節點間連邊的權重；由此，得到在任一固定尺度下的加權遞歸網絡；
3)通過對所有尺度下的多通道信號重複步驟2)的過程，得到多尺度加權遞歸網絡；選取閾值，若交叉遞歸率大於所述閾值，則網絡中的兩節點之間有連邊，否則無連邊，從而得到多尺度無權遞歸網絡；
4)採用基於貪婪優化策略的魯文算法探尋多尺度無權遞歸網絡的社團結構；通過對社團結構的探尋，揭示兩相流流動結構特徵，實現對複雜流動結構的網絡可視化。
一種基於多尺度加權遞歸網絡的兩相流網絡可視化方法的應用，是採用雙層循環激勵電導傳感器進行垂直油水兩相流實驗，並固定油相和水相的配比，改變油相和水相的流量進行實驗；實驗過程如下：
1)固定水相和油相的配比，往垂直上升管道中通入一定量的水，然後逐漸向管道中通入油相，當油水兩相充分融合併逐漸穩定後，採用雙層循環激勵電導傳感器同時測量多通道信號，並用高速攝像儀記錄流型；
2)改變油相和水相的流量，重複步驟1)，直至在固定的配比下所設計的工況都完成；
3)改變油相和水相的配比，重複步驟1)和步驟2)，直至設計的所有工況全部測量完成；
4)基於上述的多通道測量信號，對每通道的信號進行多尺度變換，而後在每一個尺度下，對變換後的每兩個通道的信號進行相空間重構，畫交叉遞歸圖並計算交叉遞歸率；以每一通道信號作為網絡的節點，以兩通道信號間的交叉遞歸率作為網絡連邊的權重，構建多尺度加權遞歸網絡；採用錯誤發現率算法選取閾值，將加權遞歸網絡轉換為無權遞歸網絡；
5)採用魯文算法探尋不同工況下多尺度無權遞歸網絡社團結構的演化，揭示兩相流流動結構特徵，實現對複雜流動結構的網絡可視化。
本發明的基於多尺度加權遞歸網絡的兩相流網絡可視化方法及應用，具有如下有益效果：
(1)通過對網絡社團結構的探尋，揭示複雜的兩相流流動結構；
(2)能夠實現對兩相流流動結構的網絡可視化，從宏觀角度揭示微觀的流動結構。
附圖說明
圖1是本發明基於多尺度加權遞歸網絡的兩相流網絡可視化方法流程圖；
圖2是本發明方法的信號採集系統示意圖。
圖中
a：循環激勵電導傳感器 b：信號採集電路
c：計算機 1、5、9、13、17、21、25、29：電極
具體實施方式
下面結合實施例和附圖對本發明的基於多尺度加權遞歸網絡的兩相流網絡可視化方法及應用做出詳細說明。
本發明的基於多尺度加權遞歸網絡的兩相流網絡可視化方法，是通過對雙層循環激勵電導傳感器得到的多通道數據在多尺度上計算每一對信號之間的交叉遞歸率，以遞歸率確定遞歸網絡的連邊權重，以每一通道的信號作為網絡的節點，建立多尺度加權遞歸網絡。通過選取閾值將多尺度加權遞歸網絡轉化成無權遞歸網絡，通過探尋多尺度無權遞歸網絡的社團結構，實現對兩相流複雜流動結構的網絡可視化。
如圖1所示，本發明的基於多尺度加權遞歸網絡的兩相流網絡可視化方法，包括如下步驟：
1)對通過雙層循環激勵電導傳感器得到的多通道信號進行多尺度變換，包括：
(1)對長度均為C的p個通道的信號分別進行粗粒化得到：
其中，是粗粒化後得到的信號的任意一點，β是尺度因子，μ表示數據是求均值得到的yk,b是信號Y中的任意一點，表示對進行取整，其中粗粒化後的單通道的數據長度為L，k為通道數；
(2)對p個通道中的每一通道的原始信號計算粗粒化方差，得到每一通道的多尺度信號xk,i(β)：
由此，得到多尺度多通道信號
2)在每一個尺度因子β下構建多尺度加權遞歸網絡，包括：
(1)對在任一個固定尺度因子β下得到的多通道信號進行相空間重構：
其中，N是進行相空間重構後相空間軌跡上向量點的數目，m為嵌入維數，採取錯誤最近鄰法確定，τ為延遲時間，採用互信息法確定，為通道k經過相空間重構後得到的相空間軌跡，其中，t＝1,....,N；
(2)對於任意兩通道f和g的信號和f≠g，在進行第(1)步後，得到相空間軌跡和通過對兩個所述的相空間軌跡進行交叉遞歸，得到一個大小為N×N的交叉遞歸圖：
其中，ε為閾值，採用15％的兩通道信號標準偏差和選取，表示兩相空間軌跡中任意兩向量之間的距離；表示如果則ε值為1，如果則ε值為0；若的值為1，則在遞歸圖中相應的位置為黑色，若的值為0，則在遞歸圖中相應的位置為白色；
(3)為了量化每一個交叉遞歸圖中遞歸點的密度，計算交叉遞歸率：
(4)對於固定尺度因子β下得到的多通道信號對每兩個通道信號採用第(1)步至第(3)步的處理方式，得到一個大小為p×p的交叉遞歸率矩陣；
(5)將每一通道信號視作節點，將兩通道間形成的交叉遞歸圖的交叉遞歸率作為節點間連邊的權重；由此，得到在任一固定尺度下的加權遞歸網絡；
3)通過對所有尺度下的多通道信號重複步驟2)的過程，得到多尺度加權遞歸網絡；在每個尺度下，對於所述的交叉遞歸率形成的權重矩陣，選取閾值，若交叉遞歸率大於所述閾值，則網絡中的兩節點之間有連邊，否則無連邊，從而得到多尺度無權遞歸網絡；
4)採用基於貪婪優化策略的魯文算法探尋多尺度無權遞歸網絡的社團結構；通過對社團結構的探尋，揭示兩相流流動結構特徵，實現對複雜流動結構的網絡可視化。
本發明的基於多尺度加權遞歸網絡的兩相流流動結構網絡可視化方法的應用，是採用雙層循環激勵電導傳感器進行垂直油水兩相流實驗，並固定油相和水相的配比，改變油相和水相的流量進行實驗；信號採集系統如圖2所示。每一層循環激勵電導傳感器由16個電極組成，共32個電極。每次測量中，某一層的其中一個電極作為激勵端，如圖2中的電極1，相對的另一層的一個電極接地，如圖中的電極25，其餘30個電極接收，一次循環可測量得到32×30＝960通道的信號，從而能夠捕捉豐富的局部流動信息。固定油相和水相的配比，改變油相和水相的流量進行實驗。實驗過程如下：
1)固定水相和油相的配比，往垂直上升管道中通入一定量的水，然後逐漸向管道中通入油相，當油水兩相充分融合併逐漸穩定後，採用雙層循環激勵電導傳感器同時測量多通道信號，並用高速攝像儀記錄流型；
2)改變油相和水相的流量，重複步驟1)，直至在固定的配比下所設計的工況都完成；
3)改變油相和水相的配比，重複步驟1)和步驟2)，直至設計的所有工況全部測量完成；
4)基於上述的多通道測量信號，對每通道的信號進行多尺度變換，而後在每一個尺度下，對變換後的每兩個通道的信號進行相空間重構，畫交叉遞歸圖並計算交叉遞歸率；以每一通道信號作為網絡的節點，以兩通道信號間的交叉遞歸率作為網絡連邊的權重，構建多尺度加權遞歸網絡；採用錯誤發現率算法選取閾值，將加權遞歸網絡轉換為無權遞歸網絡；
5)採用魯文算法(Louvain method)探尋不同工況下多尺度無權遞歸網絡社團結構的演化，揭示兩相流流動結構特徵，實現對複雜流動結構的網絡可視化。
從雙層循環激勵電導傳感器測量得到的多通道信號進行多尺度變換，計算每個尺度下信號之間的交叉遞歸圖，得到交叉遞歸率矩陣。以信號作為節點，信號間的交叉遞歸率作為網絡的連邊權重，構建多尺度加權遞歸網絡並將其轉化為轉換為無權遞歸網絡。探尋不同的工況下網絡社團結構的演化，揭示兩相流流動結構特徵，實現對複雜流動結構的網絡可視化。
以上對本發明和實施例的描述，並不局限於此，實施例中的描述僅是本發明的實施方式之一，在不脫離本發明創造宗旨的情況下，任何不經創造性的設計出與該技術方案類似的結構或實施例，均屬本發明的保護範圍。