本發(fā)明涉及兩相流數(shù)值模擬數(shù)據(jù)識別技術(shù)領(lǐng)域，特別地，涉及一種根據(jù)數(shù)值模擬結(jié)果識別兩相流中氣體分布形態(tài)的方法。

背景技術(shù)：

氣液兩相流是冶金及化工領(lǐng)域中的常見體系，在此類體系中氣體的分布形態(tài)對兩相流的運動特性以及兩相間的傳熱、傳質(zhì)以及化學(xué)反應(yīng)過程具有重要影響，因此，準確獲取氣泡尺寸、形狀等信息對氣液兩相流研究具有重要意義。針對兩相流中氣體分布形態(tài)的直接測量方法可分為接觸式測量和非接觸式測量兩大類。接觸式測量是在流體中布置一定數(shù)量的探針(光導(dǎo)纖維探針、電導(dǎo)探針等)，根據(jù)探針輸出信號(光強、電壓等)的差異辨識氣相、液相及界面，從而計算出通過探針的氣泡的直徑、速度等信息。接觸式方法測量結(jié)果相對可靠，但只能獲取兩相流的局部特性，布置的探針會對流場產(chǎn)生一定干擾，而且在高溫、高壓、腐蝕性的環(huán)境中無法使用。非接觸式測量主要采用激光多普勒(lda)、過程層析成像(pt技術(shù))、共振聲譜或高速攝影等一次測量技術(shù)，并結(jié)合圖像處理等后處理技術(shù)，以非侵入的方式獲取兩相流中氣泡尺寸、氣含率、氣泡運動速度等信息。非接觸式測量方法對流場無附加干擾，并且理論上能獲取范圍更廣的流場信息，但在目前的技術(shù)條件下，各種非接觸方法在實際應(yīng)用中均有較大的局限性，例如：激光多普勒、過程層析成像、高速攝影等技術(shù)均要求流體及設(shè)備具有較好的透光性；激光多普勒技術(shù)不適用于動態(tài)變化的流場；共振聲譜法不適合含氣量較大的情況；高速攝影技術(shù)只能得到近壁處的圖像。顯然，現(xiàn)有的直接測量方法(包括接觸式和非接觸式)均難以適用于實際工業(yè)環(huán)境，一般僅能用于實驗室研究。

另一方面，隨著多相流數(shù)值模擬技術(shù)的不斷發(fā)展與進步，現(xiàn)有的數(shù)值模擬方法，例如流體體積分數(shù)(volumeoffluid，vof)方法等，已經(jīng)可以較為準確地模擬兩相流中的兩相分布及其界面特征。張振揚等運用vof方法對富氧底吹熔池熔煉爐內(nèi)兩相流進行數(shù)值仿模擬，并將模擬結(jié)果與水模型實驗結(jié)果進行比較分析，發(fā)現(xiàn)數(shù)值模擬結(jié)果與實驗結(jié)果平均誤差在5％左右；akhtar等將vof與相變模型相結(jié)合對薄膜沸騰過程進行了二維及三維模擬，通過二維模擬得到的平均nusselt數(shù)與berenson和klimenko等人推導(dǎo)計算得到的結(jié)果基本吻合；馬斗等運用vof模型對氣液兩相流中的單孔氣泡的形成與運動過程進行了數(shù)值模擬，結(jié)果與高速攝像法獲得的實驗結(jié)果基本一致。這些研究表明現(xiàn)有數(shù)值模擬方法可以較為準確地計算獲取計算區(qū)域各網(wǎng)格的氣體體積份數(shù)，并能以圖像的方式直觀地展示兩相流中的氣體分布形態(tài)。然而，基于模擬結(jié)果的進一步分析往往依靠人的視覺觀察，例如，通過觀察發(fā)現(xiàn)氣泡群尺寸分布隨時間的變化規(guī)律。這種對模擬結(jié)果的分析模式效率低并且往往無法獲得準確的定量信息。事實上，人們從模擬圖像中識別氣泡的過程在本質(zhì)上是人腦對圖中數(shù)據(jù)點依據(jù)屬性(空間位置、顏色、氣體體積份數(shù))相似的原則進行歸類的過程，該過程在理論上可以由聚類分析等數(shù)據(jù)挖掘技術(shù)在計算機上自動完成。但是利用這類技術(shù)從氣液兩相流數(shù)值模擬結(jié)果數(shù)據(jù)中提取氣相或液相分布形態(tài)的研究尚未見報道。

vof方法定義每個網(wǎng)格單元中目標流體與網(wǎng)格單元的體積比為目標流體體積份數(shù)，滿足如下控制方程：

式中，u為流體速度，單位為m·s^-1。

該方程與連續(xù)性方程、動量方程等其它控制方程構(gòu)成一個封閉的方程組，數(shù)值模擬即是根據(jù)一定的邊界條件對該方程組進行離散化求解。氣體在兩相流中的分布形態(tài)最終體現(xiàn)為計算區(qū)域各計算網(wǎng)格氣體體積份數(shù)的計算結(jié)果：

a＝{(xi,yi,zi,ci)|i＝1,2,......,n}(2)

其中，(xi,yi,zi)為第i個計算網(wǎng)格的中心坐標，n為計算網(wǎng)格總數(shù)，ci為第i個計算網(wǎng)格的氣體體積份數(shù)(該網(wǎng)格內(nèi)存在氣體的條件是0＜ci≤1)。采用該方法對某兩相流過程的二維數(shù)值模擬結(jié)果如圖1所示，在液相(淺色部分)中分布著零散的氣相(深色部分)，氣相與液相的接觸面為混合相。

由圖1易知，氣體在兩相流體系中的聚集體(氣泡或氣柱等，為了表述方便后文簡稱氣泡)在數(shù)值模擬結(jié)果中表現(xiàn)為多個“含氣相點”(0＜ci≤1)聚集而成的“點群”，根據(jù)其構(gòu)成特點又可以分為兩類：一類是“混合點”(0＜ci＜1)包圍“純氣相點”(ci＝1)形成的“點群”，對應(yīng)于尺度大于計算網(wǎng)格單元的大氣泡；一類是單純由“混合點”構(gòu)成的“點群”，往往對應(yīng)于尺度小于計算網(wǎng)格單元的小氣泡或小氣泡群。

理論上講，運用合適方法對“含氣相點”進行聚類可以識別出這些“點群”，并據(jù)此分析各個“點群”的空間分布形態(tài)，從而獲得在兩相流中氣體的分布形態(tài)特征(如氣泡位置、尺度等)。而且，數(shù)值模擬結(jié)果中數(shù)據(jù)點的位置數(shù)據(jù)(xi,yi,zi)的分布是有規(guī)律的。但現(xiàn)有技術(shù)進行上述思路實現(xiàn)中存在一些困難：

(1)部分氣泡(點群)相距很近，例如，圖1中代表氣泡a和b的數(shù)據(jù)點聚在一起，直接采用傳統(tǒng)聚類算法難以分辨。

(2)兩相流中氣泡個數(shù)(類別數(shù)目)事先未知，并且形狀和體積(群規(guī)模)相差懸殊，這也是聚類算法研究領(lǐng)域的典型難題。

(3)為了準確模擬兩相流中的氣液界面，基于vof的數(shù)值模擬需要采用較小的計算網(wǎng)格，這就導(dǎo)致待處理的數(shù)據(jù)規(guī)模巨大。

凝聚層次聚類是一種無需事先指定類別數(shù)目的自底向上的聚類方法，該方法首先把每一個數(shù)據(jù)點都視為一個類，然后將符合類合并標準(例如，距離最近或小于指定閾值)的類合并，而后重新計算類間距離并執(zhí)行合并操作，如此重復(fù)直至滿足某種終止條件(例如，類間距離均大于給定閾值等)。而由前述分析可知，兩相流模擬數(shù)據(jù)具有類別數(shù)目事先未知但空間分布規(guī)律已知(可用于設(shè)置類合并標準)的特點，顯然，凝聚層次聚類較之其它方法更適于處理這類數(shù)據(jù)。但是，傳統(tǒng)凝聚層次聚類方法通常采用單一的閾值，網(wǎng)格單元尺寸通常并不均一，傳統(tǒng)方法難以有效處理模擬數(shù)據(jù)。

技術(shù)實現(xiàn)要素：

本發(fā)明目的在于提供一種根據(jù)數(shù)值模擬結(jié)果識別兩相流中氣體分布形態(tài)的方法，以解決傳統(tǒng)凝聚層次聚類方法難以有效處理網(wǎng)格單元尺寸不均一情況下模擬數(shù)據(jù)的技術(shù)問題。

為實現(xiàn)上述目的，本發(fā)明提供了一種根據(jù)數(shù)值模擬結(jié)果識別兩相流中氣體分布形態(tài)的方法，包括步驟：

a、從采用了流體體積分數(shù)函數(shù)方法氣液兩相流數(shù)值模擬結(jié)果中，抽取氣體體積分數(shù)數(shù)據(jù)；從數(shù)據(jù)中抽取氣體體積分數(shù)等于1的數(shù)據(jù)構(gòu)成純氣相數(shù)據(jù)集合，抽取氣體分數(shù)大于0小于1的數(shù)據(jù)構(gòu)成氣液混合數(shù)據(jù)集合；

b、對純氣相數(shù)據(jù)集合采用閾值自適應(yīng)的單鏈接凝聚層次聚類方法識別其中的氣泡主體；閾值自適應(yīng)是指聚類閾值根據(jù)待分析數(shù)據(jù)點或類所在區(qū)域離散網(wǎng)格的尺度調(diào)整，離散網(wǎng)格尺度大的對象采用較大的閾值，離散網(wǎng)格尺度小的對象采用較小的閾值；

對氣液混合數(shù)據(jù)集合采用閾值自適應(yīng)的單鏈接凝聚層次聚類方法識別其中的氣泡邊界；

c、計算各與氣泡邊界對應(yīng)的混合數(shù)據(jù)類、各與氣泡主體對應(yīng)純氣相數(shù)據(jù)類之間的無量綱距離；

d、對混合數(shù)據(jù)類進行歸并和分裂處理：

與某純氣相數(shù)據(jù)類的無量綱距離小于或等于閾值，與其他純氣相數(shù)據(jù)類的無量綱距離均大于閾值，將該混合數(shù)據(jù)類和純氣相數(shù)據(jù)類合并；

與多個純氣相數(shù)據(jù)類的無量綱距離小于或等于閾值，將該混合數(shù)據(jù)類歸入無量綱距離最近的純氣相數(shù)據(jù)類；

與任一純氣相數(shù)據(jù)類均大于閾值，則保留原始聚類。

優(yōu)選的，步驟b還包括：

將數(shù)據(jù)空間軟分割為m個子空間，從而將純氣相數(shù)據(jù)集合和氣液混合數(shù)據(jù)集合分別劃分為多個子集；

然后，對純氣相數(shù)據(jù)子集采用閾值自適應(yīng)的單鏈接凝聚層次聚類方法分別識別其中的氣泡主體；

對氣液混合數(shù)據(jù)子集采用閾值自適應(yīng)的單鏈接凝聚層次聚類方法識別其中的氣泡邊界。

優(yōu)選的，所述將數(shù)據(jù)空間軟分割為m個子空間的具體操作步驟為：

1)設(shè)置分界面方程f(x,y,z)＝0和軟分割帶寬度δ，分界面為平面或曲面；

2)軟分割帶內(nèi)的數(shù)據(jù)點為相鄰兩個子集共有，軟分割帶以外的部分分屬兩個不同子集；軟分割帶內(nèi)是指距離分界面0.5δ以內(nèi)。

優(yōu)選的，對純氣相數(shù)據(jù)集合或子集采用閾值自適應(yīng)的單鏈接凝聚層次聚類方法識別其中的氣泡主體具體操作步驟為：

1)將數(shù)據(jù)集中每一個樣本作為一個類，計算類間的無量綱距離，轉(zhuǎn)2)；

2)合并類間距離小于等于閾值h1的類構(gòu)成新類，轉(zhuǎn)3)；閾值h1為網(wǎng)格邊長δ的倍；

3)根據(jù)2)的聚類結(jié)果，重新計算類間距離，若類間距離小于等于閾值h1，轉(zhuǎn)2)，否則，轉(zhuǎn)4)；類間距離為分屬兩類、距離最近的兩個樣本之間的距離；

4)輸出氣泡主體的聚類結(jié)果，每類數(shù)據(jù)代表一個氣泡的主體。

優(yōu)選的，根據(jù)軟分割帶內(nèi)數(shù)據(jù)點的聚類結(jié)果，將劃入不同子集的但屬于同一個氣泡的氣相數(shù)據(jù)點合并入同一類。

優(yōu)選的，數(shù)據(jù)點合并入同一類具體方法為：逐個讀取軟分割帶內(nèi)數(shù)據(jù)點所屬的聚類，若一個數(shù)據(jù)點同時屬于多個不同的類，則合并這幾個類為一類。

優(yōu)選的，步驟d中混合數(shù)據(jù)類與多個純氣相數(shù)據(jù)類的無量綱距離小于或等于閾值時，逐個計算該混合相數(shù)據(jù)類中各數(shù)據(jù)點到所述幾個純氣相數(shù)據(jù)類之間的無量綱距離，距離相等時隨機分配；

兩個數(shù)據(jù)點之間的無量綱距離為：

兩個數(shù)據(jù)點為相鄰的網(wǎng)格單元的兩個中心點；

式中，表示兩數(shù)據(jù)點之間的歐氏距離；δi和δi分別為兩個網(wǎng)格單元的邊長；

相應(yīng)地，兩個不同的類pi和pj之間的無量綱距離定義為：

d(pi，pj)＝min{d(pi，pj)|pi∈pi，pj∈pj}(4)

聚類閾值的計算公式為：

其中，ξ為略小于1的常數(shù)，取0.95-0.99。

本發(fā)明具有以下有益效果：

本文方法的氣泡識別結(jié)果為定量獲取氣液兩相流中氣相分布形態(tài)特征奠定了基礎(chǔ)，不僅聚類結(jié)果與人的視覺觀察一致，并且更為快速和準確。

本申請根據(jù)cfd-vof數(shù)據(jù)的特點，基于傳統(tǒng)的凝聚層次聚類算法，引入無量綱距離閾值的概念，提出了一種閾值自適應(yīng)的凝聚層次聚類算法，并在此算法的基礎(chǔ)上進一步提出了基于氣液兩相流數(shù)值模擬結(jié)果聚類的氣泡識別方法以及大數(shù)據(jù)條件下基于數(shù)據(jù)空間軟分割的氣泡識別方法，針對數(shù)據(jù)量龐大的數(shù)值模擬結(jié)果提出了“數(shù)據(jù)空間軟分割-子空間分別處理-結(jié)果合并”的處理方法，測試結(jié)果表明：該方法可以有效地提取兩相流體系中任意時間、空間的氣泡尺寸分布，即使在網(wǎng)格尺度不均一、部分網(wǎng)格有一定扭曲的的條件下，仍可有效識別氣液兩相流數(shù)值模擬結(jié)果中的氣泡。

另外，此方法易于計算機實現(xiàn)，與氣泡識別的實驗測定方法相比，不會對流場產(chǎn)生外加干擾，適用于動態(tài)變化的流場并且可以有效地獲取三維氣泡信息，應(yīng)用范圍更加廣泛。

除了上面所描述的目的、特征和優(yōu)點之外，本發(fā)明還有其它的目的、特征和優(yōu)點。下面將參照圖，對本發(fā)明作進一步詳細的說明。

附圖說明

構(gòu)成本申請的一部分的附圖用來提供對本發(fā)明的進一步理解，本發(fā)明的示意性實施例及其說明用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的不當限定。在附圖中：

圖1是現(xiàn)有技術(shù)采用vof方法的兩相流數(shù)值模擬結(jié)果；

圖2是本發(fā)明優(yōu)選實施例的離散網(wǎng)格及單元間無量綱距離示意圖；

圖3是本發(fā)明實施例三的數(shù)據(jù)空間“軟分割”示意圖；

圖4是本發(fā)明實施例的測試數(shù)據(jù)一示意圖；

圖5是本發(fā)明實施例的測試數(shù)據(jù)二示意圖；

圖6是本發(fā)明實施例測試數(shù)據(jù)一的軟分割結(jié)果示意圖；

圖7是本發(fā)明實施例測試數(shù)據(jù)一的子空間純氣相數(shù)據(jù)聚類結(jié)果示意圖；

圖8是本發(fā)明實施例測試數(shù)據(jù)一的子空間混和相數(shù)據(jù)聚類結(jié)果示意圖；

圖9是本發(fā)明實施例測試數(shù)據(jù)一的子空間氣泡識別結(jié)果示意圖；

圖10是本發(fā)明實施例測試數(shù)據(jù)一的測試數(shù)據(jù)一中氣泡識別結(jié)果示意圖；

圖11是本發(fā)明實施例測試數(shù)據(jù)二的軟分割結(jié)果示意圖；

圖12是本發(fā)明實施例測試數(shù)據(jù)二的子空間純氣相數(shù)據(jù)聚類結(jié)果示意圖；

圖13是本發(fā)明實施例測試數(shù)據(jù)二的子空間混和相數(shù)據(jù)聚類結(jié)果示意圖；

圖14是本發(fā)明實施例測試數(shù)據(jù)二的子空間氣泡識別結(jié)果示意圖；

圖15是本發(fā)明實施例測試數(shù)據(jù)二的氣泡識別結(jié)果示意圖；

圖16是本發(fā)明實施例的流程示意圖。

具體實施方式

以下結(jié)合附圖對本發(fā)明的實施例進行詳細說明，但是本發(fā)明可以根據(jù)權(quán)利要求限定和覆蓋的多種不同方式實施。

本申請?zhí)峁┝艘环N根據(jù)數(shù)值模擬結(jié)果識別兩相流中氣體分布形態(tài)的方法，包括以下主要步驟：

a、從采用了流體體積分數(shù)函數(shù)方法氣液兩相流數(shù)值模擬結(jié)果中，抽取氣體體積分數(shù)數(shù)據(jù)；從數(shù)據(jù)中抽取氣體體積分數(shù)等于1的數(shù)據(jù)構(gòu)成純氣相數(shù)據(jù)集合，抽取氣體分數(shù)大于0小于1的數(shù)據(jù)構(gòu)成氣液混合數(shù)據(jù)集合；

b、對純氣相數(shù)據(jù)集合采用閾值自適應(yīng)的單鏈接凝聚層次聚類方法識別其中的氣泡主體；對氣液混合數(shù)據(jù)集合采用閾值自適應(yīng)的單鏈接凝聚層次聚類方法識別其中的氣泡邊界；

凝聚層次聚類的一個基本思想就是計算兩個數(shù)據(jù)點(或兩個類)間的距離，若距離小于一定閾值，就將兩個數(shù)據(jù)點(或兩個類)聚入一類，重復(fù)以上過程直至所有類間距離均大于閾值。

傳統(tǒng)方法中的閾值是固定的，所以對分布不均勻數(shù)據(jù)難以處理，本發(fā)明通過采用無量綱距離和式(9)使聚類閾值能夠適應(yīng)數(shù)據(jù)分布變化。

在數(shù)據(jù)量非常大時，還可將數(shù)據(jù)空間軟分割為m個子空間，從而將純氣相數(shù)據(jù)集合和氣液混合數(shù)據(jù)集合分別劃分為多個子集；然后，再對純氣相數(shù)據(jù)子集和氣液混合數(shù)據(jù)子集分別采用單鏈接凝聚層次聚類方法分別識別其中的氣泡主體和氣泡邊界。

將數(shù)據(jù)空間軟分割為m個子空間的具體操作步驟為：

1)設(shè)置分界面方程f(x,y,z)＝0和軟分割帶寬度δ，分界面為平面或曲面；

2)軟分割帶內(nèi)的數(shù)據(jù)點為相鄰兩個子集共有，軟分割帶以外的部分分屬兩個不同子集；軟分割帶內(nèi)是指距離分界面0.5δ以內(nèi)。

c、計算各與氣泡邊界對應(yīng)的混合數(shù)據(jù)類、各與氣泡主體對應(yīng)純氣相數(shù)據(jù)類之間的距離；

d、對混合數(shù)據(jù)類進行歸并和分裂處理：

與某純氣相數(shù)據(jù)類的距離小于或等于閾值，與其他純氣相數(shù)據(jù)類的距離均大于閾值，將該混合數(shù)據(jù)類和純氣相數(shù)據(jù)類合并；

與多個純氣相數(shù)據(jù)類的距離小于或等于閾值，將該混合數(shù)據(jù)類歸入距離最近的純氣相數(shù)據(jù)類；

與任一純氣相數(shù)據(jù)類均大于閾值，則保留原始聚類。

實施例一、

本申請以正六面體或正四邊形網(wǎng)格體系的模擬數(shù)據(jù)為例進行說明。為了方便閾值的設(shè)置，定義兩個數(shù)據(jù)點(網(wǎng)格單元中心點)之間的無量綱距離為：

式中，表示兩數(shù)據(jù)點之間的歐氏距離；δi和δi分別為兩個網(wǎng)格單元的邊長。

相應(yīng)地，兩個不同的類pi和pj之間的無量綱距離定義為：

d(pi，pj)＝min{d(pi，pj)|pi∈pi，pj∈pj}(4)

由圖2易知，在非均一尺寸的網(wǎng)格體系中，兩個單元相鄰(不被其它網(wǎng)格單元隔開)的充分條件為：

d(pi，pj)≤1；(5)

二者相鄰的必要條件為：

在三維網(wǎng)格體系中，兩單元相鄰的充分條件仍為式(5)，其必要條件變?yōu)椋?/p>

無論是二維或者三維網(wǎng)格，二者被一個邊長等于δk的單元隔開時，其間最小無量綱距離為：

當δk＝(δi+δj)/2時，此式計算結(jié)果為2。

由式(6)～(8)可知，對于計算網(wǎng)格尺寸均一的模擬數(shù)據(jù)，選用一個處于(三維)或(二維)的閾值dv可以有效地分辨出兩個數(shù)據(jù)點所在的單元是否相鄰。相應(yīng)地，利用此閾值逐個識別相鄰的含氣相單元，可以將一個氣泡包含的數(shù)據(jù)點聚為一類。

而由式(5)及圖2可知，若將閾值設(shè)置于(三維)或(二維)，盡管不能將通過頂點相連的兩個單元(如圖2中單元1、單元2)直接識別，但能通過對它們鄰近單元數(shù)據(jù)的識別將它們聚為一類。因此，對于計算網(wǎng)格尺寸均一的模擬數(shù)據(jù)，dv設(shè)置在區(qū)間(1，2]內(nèi)均能取得較好的聚類效果，并且dv越大，聚類效率越高(因為單次合并的類更多)。

然而，在網(wǎng)格單元尺度相差較大的區(qū)域，若dv設(shè)置太大，可能會將本不相鄰的兩個數(shù)據(jù)點錯誤地并入一類。因此，本文提出按下式設(shè)定無量綱距離閾值：

式中，ξ為略小于1的常數(shù)，以避免因舍入誤差導(dǎo)致的聚類錯誤，具體數(shù)據(jù)可取0.95-0.99。

一定程度上反應(yīng)了數(shù)據(jù)點鄰域網(wǎng)格尺度的均一程度。顯然，根據(jù)此式設(shè)定的聚類閾值會根據(jù)網(wǎng)格單元尺寸的大小以及其鄰域網(wǎng)格尺度的均一程度自適應(yīng)變化。

兩相流數(shù)值模擬網(wǎng)格單元尺度的變化通常是有序的，如果兩個單元a、b被一個單元c隔開，單元c的尺寸通常介于a、b之間，即a、b之間的無量綱距離不會小于ξ＝1時式(9)的計算結(jié)果。因此，式(9)可以作為判定兩單元是否相鄰的閾值。

綜上，本文提出的閾值自適應(yīng)凝聚層次聚類方法的主要特點有二：一是對類間距離運用式(3)(4)無量綱處理，二是聚類閾值按式(9)設(shè)定。具體實現(xiàn)過程和傳統(tǒng)凝聚層次聚類類似，此處不再贅述。

以上分析針對的是正六面體網(wǎng)格或正四邊形網(wǎng)格，對于其它類型的網(wǎng)格，定義其網(wǎng)格單元的等效邊長為：

(三維網(wǎng)格)或(二維網(wǎng)格)(10)

式中，v和s分別為網(wǎng)格單元的體積(三維)和面積(二維)。

理論上可以證明，對于銳角大于42的平行四邊形網(wǎng)格以及長寬比小于的矩形網(wǎng)格，式(9)設(shè)定的閾值可準確辨別兩單元是否相鄰。因此，對于扭曲程度不太大的結(jié)構(gòu)化網(wǎng)格(長方體、矩形)和常用非結(jié)構(gòu)化網(wǎng)格(正四面體、正三角形)，若在前述計算中使用等效邊長，運用前述方法仍然可以判定兩單元是否相鄰。

上述實施例提出的自適應(yīng)凝聚層次聚類解決了兩相流數(shù)值模擬網(wǎng)格尺度不一的問題，但是直接使用這一方法仍然無法分辨出相距很近的一些氣泡。

實施例二、

針對氣泡相距很近的問題，本申請?zhí)岢隽嘶谌骄垲惖臍馀葑R別方法，具體過程描述如下：

第一步聚類：從數(shù)據(jù)集a中抽取純氣相數(shù)據(jù)，運用本申請前述提出的聚類方法對之進行聚類處理。

第二步聚類：從數(shù)據(jù)集a中抽取氣液混合相數(shù)據(jù)，運用本申請前述提出的聚類方法對之進行聚類處理。

第三步聚類：計算混合相數(shù)據(jù)類與純氣相數(shù)據(jù)類之間的無量綱距離，并按以下規(guī)則合并相應(yīng)的類：

(i)若某混合相數(shù)據(jù)類僅與一個純氣相數(shù)據(jù)類間的無量綱距離小于給定閾值，則將這兩類合并；

(ii)若某混合相數(shù)據(jù)類與多個純氣相數(shù)據(jù)類間的無量綱距離均小于給定閾值，則逐個計算該混合相數(shù)據(jù)類中各數(shù)據(jù)點到這幾個純氣相數(shù)據(jù)類之間的無量綱距離，并將之并入距離最近的純氣相數(shù)據(jù)類(距離相等時隨機分配)；

(iii)若某混合相數(shù)據(jù)類僅與所有純氣相數(shù)據(jù)類間的無量綱距離均不小于給定閾值，則保留此類。

第一步聚類針對的是氣泡內(nèi)部數(shù)據(jù)(純氣相數(shù)據(jù))，由于不同氣泡所包含的純氣相數(shù)據(jù)點是相互隔離的，在此步中即使距離較近的氣泡也不會被誤聚為一類；第二步聚類針對的是氣泡邊界數(shù)據(jù)(混合相數(shù)據(jù))，由前文分析可知，此步可能將鄰近氣泡的邊界數(shù)據(jù)誤聚為一類；第三步聚類運用規(guī)則(ii)將前一步誤聚的數(shù)據(jù)分離，并完成氣泡的識別。因此，本實施例提出的方法可以有效地分辨距離很近的氣泡。

實施例三、

如前文所述，兩相流數(shù)值模擬結(jié)果往往是百萬級甚至更高規(guī)模的龐大數(shù)據(jù)，這會導(dǎo)致前述氣泡識別算法空間復(fù)雜度過高。針對該問題，本申請?zhí)岢鲆环N基于數(shù)據(jù)空間“軟分割”的氣泡識別方法，參見圖16，具體過程如下：

step1、將數(shù)據(jù)空間“軟分割”為多個互有交疊的子空間。劃分原理如圖3所示，與分界中心(直線、曲線、平面或曲面)f(x,y,z)＝0距離小于0.5δ以內(nèi)區(qū)域為“軟分割帶”，“軟分割帶”內(nèi)數(shù)據(jù)點為相鄰兩個子集共有，軟分割帶以外的部分分屬兩個不同子集。

step2、運用實施例二的方法，分別對各子空間的數(shù)據(jù)進行氣泡識別。

step3、根據(jù)各軟分隔帶內(nèi)數(shù)據(jù)的聚類結(jié)果，對相鄰的兩個子空間的類按下述方法進行聚并：

step3.1、若軟分隔帶內(nèi)存在同時屬于兩類的純氣相數(shù)據(jù)，則合并兩類；

step3.2、經(jīng)過step3.1合并處理后，若軟分隔帶內(nèi)存在同時屬于兩類的混合相數(shù)據(jù)，按下述規(guī)則執(zhí)行操作：

(i)如果混合相數(shù)據(jù)所在的兩類均包含純氣相數(shù)據(jù)，則比較該混合數(shù)據(jù)與兩類中純氣相數(shù)據(jù)的最小無量綱距離，并將其歸入最小無量綱距離較小的類(相等時隨機分配)；

(ii)其它條件時，將混合數(shù)據(jù)所在的兩類合并。

step4、輸出聚類結(jié)果，聚類結(jié)果中含有純氣相數(shù)據(jù)的類可視為一個氣泡(混合數(shù)據(jù)對應(yīng)于該氣泡的邊界)，僅由混合數(shù)據(jù)構(gòu)成的類可視為尺寸小于網(wǎng)格尺度的小氣泡構(gòu)成的氣泡群。

由上述描述易知，在數(shù)據(jù)規(guī)模確定的條件下，將原始數(shù)據(jù)空間劃分出的子空間越多，上述算法的空間復(fù)雜度越低，但其時間復(fù)雜度的變化規(guī)律和空間復(fù)雜度并不完全一致(當數(shù)據(jù)規(guī)模較大時，時間復(fù)雜度通常會先減小后增大)。因此，子空間的劃分應(yīng)考慮數(shù)據(jù)規(guī)模和計算機性能，當數(shù)據(jù)規(guī)模相對較小時可以不進行劃分。

本文對數(shù)據(jù)空間進行軟分割的另一目的是為了通過分析軟分割帶內(nèi)數(shù)據(jù)點的歸屬確認分屬兩個相鄰子空間的類是否可以合并，顯然，軟分割帶內(nèi)至少應(yīng)包含一個完整的網(wǎng)格層，在此條件下，軟分割帶內(nèi)數(shù)據(jù)點越少，step3的計算復(fù)雜度越小。因此，軟分割帶的寬度δ可設(shè)置為網(wǎng)格單元邊長的1至2倍。

以下運用兩組人造數(shù)據(jù)(運用flunet中的patch功能人為構(gòu)造)對本文提出的氣泡識別方法進行測試，兩組測試數(shù)據(jù)分別描述如下。

“測試數(shù)據(jù)一”為一組二維人造數(shù)據(jù)，如圖4所示。仿真區(qū)域為1.2m1.2m的正方形，上、中、下三個部分分別采用0.02m*0.02m、0.01m*0.01m與0.005m*0.005m三種不同尺寸的正方形網(wǎng)格進行離散，網(wǎng)格單元總數(shù)為25200。圖4中所示氣泡1與氣泡2距離較近，氣泡5與氣泡6距離較近，代表鄰近兩個氣泡的數(shù)據(jù)點連為一體，傳統(tǒng)聚類算法難以有效區(qū)分。而且，即使僅考慮純氣相數(shù)據(jù)，由于計算區(qū)域離散網(wǎng)格尺度不一，上部區(qū)域氣泡內(nèi)鄰近點之間的距離大于下部區(qū)域部分氣泡(如氣泡5、6)之間的距離，因此，基于單一閾值的傳統(tǒng)聚類方法無論如何設(shè)置閾值均會導(dǎo)致聚類錯誤。

“測試數(shù)據(jù)二”為一組三維人造數(shù)據(jù)，如圖5所示。仿真區(qū)域為半徑0.5m、高1m的圓柱，離散網(wǎng)格為斜六面體，網(wǎng)格總數(shù)為7600，最大扭曲度為0.41，其中扭曲度大于0.2的網(wǎng)格占總數(shù)的53.4％。圖5中存在傳統(tǒng)聚類方法難以區(qū)分的鄰近氣泡(如氣泡1、2)，而且網(wǎng)格扭曲、形狀不一致等問題亦會給氣泡識別帶來一定的困難。

測試實施例一、

采用實施例二所述的軟分割方法進行二維人造數(shù)據(jù)中的氣泡識別測試過程如下：

首先，運用一個寬度為最大網(wǎng)格邊長2倍的分割帶-0.02≤x≤0.02將數(shù)據(jù)空間“軟”分割為子空間1(x≤0.02)和子空間2(x≥-0.02)兩個部分(如圖6)，軟分割帶內(nèi)數(shù)據(jù)為兩個子空間所共有。

然后，運用實施例二提出的三步聚類方法分別識別兩個子空間內(nèi)的氣泡：

第一步，分別對兩個子空間的純氣相數(shù)據(jù)聚類：根據(jù)式(3)計算純氣相數(shù)據(jù)點之間的無量綱距離，并根據(jù)式(9)計算閾值(ξ取0.95)，聚類結(jié)果如圖7所示。顯然，在此步驟中，由于濾除了混合點的干擾，距離很近的氣泡被有效分辨；另一方面，由于使用了無量綱距離及相應(yīng)的閾值設(shè)定方法，聚類效果未受計算區(qū)域網(wǎng)格尺度不均一的影響。

第二步，分別對兩個子空間的混合數(shù)據(jù)聚類，聚類結(jié)果如圖8所示。顯然，在子空間1中，氣泡1的界面數(shù)據(jù)以及氣泡2的部分界面數(shù)據(jù)被歸為1類(記為i12)，氣泡5、6的界面數(shù)據(jù)被歸為1類(記為i56)；在子空間2中，氣泡2的界面數(shù)據(jù)以及氣泡1的部分界面數(shù)據(jù)被歸為1類(記為i21)。其它氣泡的界面數(shù)據(jù)已被正確歸類。

第三步，對第一、二步分別聚成的純氣相類和混合類進行合并處理，從而實現(xiàn)各子空間內(nèi)的氣泡識別，聚類結(jié)果如圖9所示。

最后，運用實施例三所述方法對兩個子空間的聚類結(jié)果進行合并，結(jié)果如圖10所示，所有氣泡均被正確識別。

以上算例可以說明，即使在網(wǎng)格尺度不均一的條件下，本文方法仍可有效識別氣液兩相流二維數(shù)值模擬結(jié)果中的氣泡。另一方面，整個計算過程中需要人為設(shè)置的參數(shù)僅有兩個，即軟分隔帶的寬度和位置，而且識別效果對這兩個參數(shù)的設(shè)置并不敏感。就本算例而言，只要軟分割帶寬度的設(shè)置不小于2倍最大網(wǎng)格邊長，則軟分割帶的寬度和位置設(shè)置僅能影響算法的時間復(fù)雜度和空間復(fù)雜度，并不會影響識別的準確性。因此，本文方法使用方便，受人為因素的影響較小。

測試實施例二、

采用實施例二所述的軟分割方法進行三維人造數(shù)據(jù)中的氣泡識別測試過程如下：

“測試數(shù)據(jù)二”中體積最大網(wǎng)格單元的等效邊長為0.05m，因此取軟分割帶寬度為0.1m，軟分割帶設(shè)置為0.45≤z≤0.55，測試過程同測試實施例一，識別結(jié)果如圖11-圖15所示。由圖易知，對于網(wǎng)格尺度不均一、部分網(wǎng)格有一定扭曲的氣液兩相流三維數(shù)值模擬結(jié)果，本文方法仍能將其中的氣泡有效地識別。

本申請兩個算例在聚類過程中均是采用實施例一提出的無量綱距離法判斷網(wǎng)格單元是否相鄰，并且取得了很好的聚類效果，說明了這種方法對數(shù)據(jù)具有較好的適應(yīng)性。測試結(jié)果表明：該方法可以有效地提取兩相流體系中任意時間、空間的氣泡尺寸分布，即使在網(wǎng)格尺度不均一、部分網(wǎng)格有一定扭曲的的條件下，仍可有效識別氣液兩相流數(shù)值模擬結(jié)果中的氣泡。

以上所述僅為本發(fā)明的優(yōu)選實施例而已，并不用于限制本發(fā)明，對于本領(lǐng)域的技術(shù)人員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。