两相流流型多尺度熵及动力学特性分析

研究了几种典型非线性时间序列的多尺度熵特征,在此基础上分析了由插入式阵列电导传感器采集的144种流动条件下的垂直上升气液两相流电导波动信号.研究结果表明：利用小尺度下样本熵的变化速率特征可以分辨三种典型流型（泡状流、段塞流、混状流）,而大尺度下样本熵的波动特征可以反映各种流型的动力学特性.泡状流随机可变特性表现为大尺度下样本熵的高值及振荡特征;段塞流气塞与液塞的间歇性运动表现为大尺度下样本熵的低值及平稳性;混状流极不稳定的振荡运动特性表现为介于泡状流及段塞流之间的熵值特点,并在更大尺度时熵值逐渐接近泡状流 关键词： 样本熵 多尺度熵 气液两相流 动力学特性     

两种熵测度在量化射击运动员短时心率变异性信号复杂度上的一致性

利用两种基于熵的非线性复杂度测度：近似熵和样本熵,研究了专业射击运动员两种不同状态下(休息和练习赛)心率变异性信号的复杂度.计算结果表明：射击运动员休息时其心率变异性信号的熵值大于射击比赛时信号的熵值,这意味着运动员一旦进行射击比赛时,其心率变异性信号复杂度降低了,心跳变得更为规则了.为了更好地应用这两种基于熵的方法,进一步分析了算法中的两个重要影响因素：矢量匹配容差r和序列长度N对算法性能的影响.分析结果表明：只要参数选择在合适的范围内,近似熵和样本熵都能够正确地区分出两种不 关键词： 近似熵 样本熵 复杂度 射击     

基于随机子空间结合稳定图的气液两相流型分析

研究了几种典型气液两相流流型的稳定图特征,并应用随机子空间方法对47种流动条件下的流型 信号进行了识别.研究结果表明:稳定图特征能够反映出复杂时间序列的内部特征,利用其提取的直线度特征 值可以对时间序列的特征进行量化分析,三种典型流型的稳定图特征差异较明显,泡状流的稳定图特征最为 混乱,雾状流次之,段塞流最为规整.应用随机子空间方法对气液两相流图像灰度波动序列进行特征向量提取 和辨识,通过幅值以及相角的分布特征能够对不同工况下的流型样本进行准确分类,为多相流的分类提供了 一条新路径.同时基于稳定图的分析方法为进一步揭示多相流的流动机理提供有益的探索.     

基于混沌吸引子形态特性的两相流流型分类方法研究

利用高灵敏度差压传感器，在垂直上升管中采集到了80组气液两相流差压波动信号.利用放置参考截面的方法，建立了描述混沌吸引子形态的一般方法，在此基础上，提出了不同维数下的吸引子形态特征量进行组合的气液两相流流型分类新方法.研究结果表明：该方法对包括复杂过渡流型在内的气液两相流流型有很好分类效果，预示着混沌吸引子形态描述是研究非线性时间序列的实用有效途径. 关键词： 气液两相流 流型分类 吸引子形态 混合维     

模糊熵算法在混沌序列复杂度分析中的应用

为了准确分析混沌序列的复杂性, 采用模糊熵算法(FuzzyEn) 对典型离散混沌系统和连续混沌系统的复杂度进行分析. 与近似熵(ApEn)、 样本熵(SampEn) 和强度统计复杂度算法相比, FuzzyEn算法是一种更有效的混沌复杂度测度算法, 且对相空间维数(m)、 相似容限度(r) 和序列长度(N) 的敏感性、 依赖性更低, 鲁棒性和测度值的连续性更好. 对混沌系统的复杂性分析表明, 连续混沌系统的复杂度远小于离散混沌系统, 但是如果利用高复杂度的离散混沌伪随机序列或经典 m序列对连续混沌系统产生的伪随机序列进行扰动, 则能大大提高混沌序列的复杂性. 为混沌序列在密码学和混沌保密通信中的应用提供了理论依据.     

一种混沌伪随机序列复杂度分析法

分析了已有的序列线性复杂度分析方法，提出了用近似熵算法计算混沌运动的测度熵，作为衡量混沌伪随机序列复杂度的标准.理论研究表明，利用较短的观察序列，该方法能够准确地反映混沌系统和混沌伪随机序列复杂度的大小，可以作为判断利用混沌系统产生的伪随机序列的复杂度准则.实验结果表明该方法的有效性和理论结果的正确性. 关键词： 混沌 伪随机序列 熵     

混沌伪随机序列的谱熵复杂性分析

为了准确分析混沌伪随机序列的结构复杂性,采用谱熵算法对Logistic映射、Gaussian映射和TD-ERCS系统产生的混沌伪随机序列复杂度进行了分析.谱熵算法具有参数少、对序列长度N(惟一参数)和伪随机进制数K鲁棒性好的特点.采用窗口滑动法分析了混沌伪随机序列的复杂度演变特性,计算了离散混沌系统不同初值和不同系统参数条件下的复杂度.研究表明,谱熵算法能有效地分析混沌伪随机序列的结构复杂度;在这三个混沌系统中,TD-ERCS系统为广域高复杂度混沌系统,复杂度性能最好;不同窗口和不同初值条件下的混沌系统复杂度在较小范围内波动.为混沌序列在信息安全中的应用提供了理论和实验依据.     

一种确定混沌伪随机序列复杂度的模糊关系熵测度

将模糊关系的概念引入混沌伪随机序列复杂度的测度方法之中,提出了一种新的混沌伪随机序列复杂度测度方法——模糊关系熵(fuzzy relationship entropy,简记为F-REn)测度方法,并推导了F-REn的两个基本性质.仿真结果表明,该测度方法能够有效测度混沌伪随机序列的复杂度,与近似熵(ApEn)测度方法和符号熵测度方法相比,F-REn测度具有更加好的对序列符号空间的适用性、更加小的对测量维度的敏感性和更加强的对分辨率参数的鲁棒性. 关键词： 混沌伪随机序列 模糊理论 复杂度     

油水两相流水包油流型多尺度排列熵分析

采用多尺度排列熵算法研究了垂直油水两相流水包油流型的多尺度动力学特性.首先,在内径为20 mm的垂直管道内采集了油水两相流水包油流型电导传感器波动信号,然后计算了不同流动工况下电导波动信号的多尺度排列熵值.研究发现多尺度排列熵率与均值可定量刻画水包油流型动力学复杂性;此外,提出了通过增量时间序列累积量与多尺度排列熵率联合分布识别三种不同水包油流型的新途径.     

多元时间序列复杂网络流型动力学分析

针对气液两相流流动特性,利用有限元分析方法设计变曲率对壁式电导传感器.采用设计加工的传感器在多相流装置上进行气液两相流动态实验,并测得多组对应于不同流型的电导波动信号. 基于测量数据,采用多元时间序列复杂网络构建算法构建对应于不同流型的复杂网络.在此基础上, 对网络的社团特性进行了分析, 研究发现,不同的社团结构对应于不同的流型,而社团内部网络特征可有效刻画不同流型内在动力学特性.多元时间序列复杂网络分析可为两相流流型演化动力学特性研究及流型识别提供新理论、开拓新途经.     

Markov transition probability-based network from time series for characterizing experimental two-phase flow

We generate a directed weighted complex network by a method based on Markov transition probability to represent an experimental two-phase flow. We first systematically carry out gas-liquid two-phase flow experiments for measuring the time series of flow signals. Then we construct directed weighted complex networks from various time series in terms of a network generation method based on Markov transition probability. We find that the generated network inherits the main features of the time series in the network structure. In particular, the networks from time series with different dynamics exhibit distinct topological properties. Finally, we construct two-phase flow directed weighted networks from experimental signals and associate the dynamic behavior of gas-liquid two-phase flow with the topological statistics of the generated networks. The results suggest that the topological statistics of two-phase flow networks allow quantitative characterization of the dynamic flow behavior in the transitions among different gas-liquid flow patterns.     

垂直气液两相流混沌吸引子单元面积分析

为了充分反映吸引子结构随时间延迟的变化规律,在现有吸引子形态描述方法基础上定义了吸引子单元面积,通过仿真发现,吸引子单元面积随时间延迟变化曲线第一个波峰的高度和时间延迟主要由信号中大幅值波动的数量、频率决定,利用此规律对实验采集到的气液两相流电导波动信号进行分析,发现在固定液相流量条件下,改变气相流量会导致泡状流、段塞流和混状流中大幅值波动幅度的改变,但相同流型信号中大幅值波动的频率比较接近.将吸引子单元面积随时间延迟变化曲线第一个波峰的时间延迟和落差比作为特征量,可以实现泡状流、段塞流、混状流的流型分类.     

Complex network analysis in inclined oil--water two-phase flow

Complex networks have established themselves in recent years as being particularly suitable and flexible for representing and modelling many complex natural and artificial systems. Oil--water two-phase flow is one of the most complex systems. In this paper, we use complex networks to study the inclined oil--water two-phase flow. Two different complex network construction methods are proposed to build two types of networks, i.e. the flow pattern complex network (FPCN) and fluid dynamic complex network (FDCN). Through detecting the community structure of FPCN by the community-detection algorithm based on K-means clustering, useful and interesting results are found which can be used for identifying three inclined oil--water flow patterns. To investigate the dynamic characteristics of the inclined oil--water two-phase flow, we construct 48 FDCNs under different flow conditions, and find that the power-law exponent and the network information entropy, which are sensitive to the flow pattern transition, can both characterize the nonlinear dynamics of the inclined oil--water two-phase flow. In this paper, from a new perspective, we not only introduce a complex network theory into the study of the oil--water two-phase flow but also indicate that the complex network may be a powerful tool for exploring nonlinear time series in practice.     

Topological causality analysis of horizontal gas-liquid flows based on cross map of phase spaces

Nonlinear systems are always characterized by the interactions between constituents which yield data in the form of time series. Exploration of the causality between the times series is beneficial for understanding the dynamics of the system. We introduce a topological causality method to explore the dynamics of horizontal gas-liquid flows. First, the principle of the topological causality algorithm is illustrated and validated using the Lorenz system and transfer entropy. Then, we conducted an experiment of gas-liquid flows in a horizontal pipe, during which a wire-mesh sensor (WMS) was used to capture the flow structures. The WMS data at different time frames are embedded in high-dimension phase spaces. Through building a cross map between coupled phase spaces, a cross map smoothness was employed to derive the topological causality index. The causality index enables us to understand the mechanism of the flow pattern transition and the intrinsic dynamics of the transient gas-liquid flows.     

两相流相空间多元图重心轨迹动力学特征

本文提出了一种新的混沌时间序列高维相空间多元图重心轨迹动力学特征提取方法. 在确定了最佳嵌入维数和延迟时间后, 将相空间中高维矢量点映射到二维平面的雷达图上, 相应地将相空间中高维矢量点变换为对应的几何多边形. 通过提取几何多边形的重心位置得到重心轨迹动力学演化特性, 并利用重心轨迹矩特征量区分不同性质的混沌时间序列. 在此基础上, 处理分析了气液两相流电导传感器动态信号, 发现高维相空间多元图重心轨迹矩特征量不仅可以辨识泡状流、段塞流和混状流, 而且为流型动力学演化机理提供了新的分析途径.     

小通道氮气-水两相流三谱切片波动特性及其流型表征

将三谱切片与波动特性分析方法相结合, 组建了一种新的非线性分析方法, 并讨论了时间序列长度与快速傅里叶变换(FFT)长度对三谱切片的波动特征值的影响, 发现在无噪声干扰情况下, 序列长度与FFT 长度与矢量类间距值成正比, 在有噪声干扰情况下, 近似成反比关系.将该分析方法应用到分形序列(Brown)、混沌序列(Lorenz)和周期序列(正弦), 检验了波动特性方法的抗噪能力和表征复杂度能力. 结果表明: 该波动特性分析方法较其他功率谱分析方法对分形和混沌序列具有较好的抗噪能力, 而对周期序列的抗噪能力相对较弱; 该波动特性方法对序列内在复杂度的表征具有较好的效果.在此基础上, 对水力直径为1.15 mm的矩形小通道(w×h=2 mm×0.81 mm)中的 矩形通道内氮气-水两相流型的差压信号进行了研究. 通过对流型差压信号三谱切片的分析揭示了不同流型的主振荡模式二次耦合现象, 提取不同流型三谱切片的波动特征值, 实现了小通道氮气-水两相流典型流型的准确识别, 同时也为其他不同介质的多相流动特性分析与流型辨识提供了一个新的思路. 关键词： 三谱切片 波动特性 流型识别 流型动力学