基于數(shù)字圖像處理技術(shù)的氣液兩相流型識(shí)別與演化規(guī)律研究.pdf

1、兩相流動(dòng)現(xiàn)象廣泛存在于自然界和現(xiàn)代工業(yè)生產(chǎn)過程中,與人類的生活及生產(chǎn)密切相關(guān),兩相流流動(dòng)參數(shù)檢測(cè)對(duì)生產(chǎn)過程及工藝優(yōu)化具有重要意義。但由于兩相流存在復(fù)雜相間界面效應(yīng)及相對(duì)運(yùn)動(dòng),尤其是流型轉(zhuǎn)變動(dòng)力學(xué)機(jī)理至今尚未十分清楚,加之理論與技術(shù)上的欠缺,兩相流參數(shù)檢測(cè)問題,特別是復(fù)雜流體流量測(cè)量和流型識(shí)別問題長(zhǎng)期未能得到很好解決。圖像處理技術(shù)是一門新興的檢測(cè)技術(shù),近年來圖像處理在工業(yè)檢測(cè)中的應(yīng)用越來越受到人們的重視。在兩相流系統(tǒng)的參數(shù)檢測(cè)中,圖像處理

2、技術(shù)也得到了廣泛的應(yīng)用。采用圖像處理技術(shù)與現(xiàn)代信息處理技術(shù)融合的檢測(cè)理論與方法,是解決復(fù)雜兩相流流動(dòng)參數(shù)檢測(cè)的有效途徑。
　　 本文采用圖像處理與多尺度非線性分析等相結(jié)合的方法研究了氣液兩相流的流動(dòng)特性,應(yīng)用特征挖掘及信息融合的軟測(cè)量方法實(shí)現(xiàn)了兩相流流型參數(shù)測(cè)量。取得了創(chuàng)新性研究成果。
　　 在氣液兩相流型圖像邊緣分割的諸多算法中,對(duì)等高線方法進(jìn)行了改進(jìn),首先對(duì)圖像進(jìn)行二維高斯核梯度模的求取,在梯度模對(duì)圖像邊緣增強(qiáng)的基礎(chǔ)

3、上進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解,取得高頻信息層子圖像并進(jìn)行疊加,后應(yīng)用開閉運(yùn)算進(jìn)行細(xì)節(jié)噪聲去除與邊緣修補(bǔ),最后應(yīng)用等高線理論進(jìn)行特征提取和表達(dá)。通過對(duì)比發(fā)現(xiàn),這種圖像特征表達(dá)方法不僅能夠?qū)D像的邊緣特征有一個(gè)很好的檢測(cè),而且能夠保留一些經(jīng)典算法所保留不了的細(xì)節(jié)信息,考慮到氣液兩相流復(fù)雜的動(dòng)力學(xué)機(jī)理,此方法應(yīng)用于此,能夠?yàn)闅庖簝上嗔鲌D像特征提取提供一個(gè)新思路。
　　 應(yīng)用了一種新的時(shí)間序列的提取方法,將氣液兩相流視頻信號(hào)的每一幀圖像分塊成小的

4、區(qū)域,每相鄰兩幀圖像的相鄰兩區(qū)域進(jìn)行狄度相似值與最大差值計(jì)算,分別組成時(shí)間序列。對(duì)時(shí)間序列分別求取最大李亞普諾夫指數(shù),組成最大李亞普諾夫指數(shù)矩陣。利用李亞普諾夫指數(shù)的特征將氣液兩相流視頻劃分為混沌特性不同的區(qū)域,分別對(duì)其從整體以及細(xì)節(jié)兩部分進(jìn)行分析,分別采用0,1分布圖譜、二維和三維等高線圖譜以及概率密度譜結(jié)合最大李亞普諾夫指數(shù)矩陣的分形盒維數(shù)、香農(nóng)熵以及均值等特征,對(duì)氣液兩相流型流動(dòng)機(jī)理進(jìn)行輔助分析。實(shí)驗(yàn)結(jié)果表明對(duì)圖像小區(qū)域分塊結(jié)合最

5、大李亞普諾夫指數(shù)提取的方法能夠區(qū)別出不同流型的流動(dòng)特性,氣液兩相流視頻圖像的背景與變化相界面具有強(qiáng)度不同的混沌特性,是一種有效的分析氣液兩相流圖像信號(hào)的新方法。
　　 將EMD分解與HURST指數(shù)、遞歸圖特征相結(jié)合對(duì)氣液兩相流型從整體到細(xì)節(jié)進(jìn)行了剖析,并提取遞歸特征中的典型的對(duì)角線平均長(zhǎng)度值與香農(nóng)熵值兩個(gè)特征值,觀察其隨氣相表觀速度增加的變化情況,對(duì)氣液兩相流型的動(dòng)力學(xué)特征進(jìn)行定量分析。研究發(fā)現(xiàn)隨著氣相表觀速度的增加,雙分析特征

6、的變化規(guī)律更為明顯。在高頻與低頻段,三種流型存在單分形特征,而在中頻段則呈現(xiàn)出雙分形摸樣,從整體與局部?jī)煞矫鎸?duì)三種流型的流動(dòng)機(jī)理進(jìn)行了分析。在遞歸分析中,對(duì)角線平均長(zhǎng)度與遞歸香農(nóng)熵兩個(gè)特征值的變化體現(xiàn)出了氣泡與氣塞乃至整個(gè)泡群的運(yùn)動(dòng)規(guī)律。在EMD分解后的高頻信息層中段塞流較泡狀流與霧狀流存在明顯峰值?？傊?基于圖像灰度波動(dòng)信號(hào)的多尺度非線性分析方法是理解與表征氣液兩相流動(dòng)力學(xué)特性的有效途徑。
　　 將應(yīng)用于橋梁建筑性能分析的隨機(jī)