[发明专利]根据数值模拟结果识别两相流中气体分布形态的方法

权利要求书

1.一种根据数值模拟结果识别两相流中气体分布形态的方法，其特征在于，包括步骤：

A、从采用了流体体积分数函数方法气液两相流数值模拟结果中，抽取气体体积分数数据；从数据中抽取气体体积分数等于1的数据构成纯气相数据集合，抽取气体分数大于0小于1的数据构成气液混合相数据集合；

B、对纯气相数据集合采用阈值自适应的单链接凝聚层次聚类方法识别其中的气泡主体；阈值自适应是指聚类阈值根据待分析数据点或类所在区域离散网格的尺度调整，离散网格尺度大的对象采用较大的阈值，离散网格尺度小的对象采用较小的阈值；

对气液混合相数据集合采用阈值自适应的单链接凝聚层次聚类方法识别其中的气泡边界；

C、计算气泡边界对应的混合相数据类与气泡主体对应的纯气相数据类之间的无量纲距离；

D、对混合相数据类进行归并和分裂处理：

若混合相数据类与某纯气相数据类的无量纲距离小于或等于阈值，与其他纯气相数据类的无量纲距离均大于阈值，将该混合相数据类和纯气相数据类合并；

若当混合相数据类与多个纯气相数据类的无量纲距离小于或等于阈值，将该混合相数据类归入无量纲距离最近的纯气相数据类；

若混合相数据类与任一纯气相数据类均大于阈值，则保留原始聚类。

2.根据权利要求1所述的根据数值模拟结果识别两相流中气体分布形态的方法，其特征在于，步骤B还包括：

将数据空间软分割为M个子空间，从而将纯气相数据集合和气液混合相数据集合分别划分为多个子集；

然后，对纯气相数据子集采用阈值自适应的单链接凝聚层次聚类方法分别识别其中的气泡主体；

对气液混合相数据子集采用阈值自适应的单链接凝聚层次聚类方法识别其中的气泡边界。

3.根据权利要求2所述的根据数值模拟结果识别两相流中气体分布形态的方法，其特征在于，所述将数据空间软分割为M个子空间的具体操作步骤为：

1)设置分界面方程F(x,y,z)＝0和软分割带宽度Δ，分界面为平面或曲面；

2)软分割带内的数据点为相邻两个子集共有，软分割带以外的部分分属两个不同子集；软分割带内是指距离分界面0.5Δ以内。

4.根据权利要求1或2所述的根据数值模拟结果识别两相流中气体分布形态的方法，其特征在于，对纯气相数据集合或子集采用阈值自适应的单链接凝聚层次聚类方法识别其中的气泡主体具体操作步骤为：

1)将数据集中每一个样本作为一个类，计算类间的无量纲距离，转2)；

2)合并类间距离小于等于阈值H1的类构成新类，转3)；阈值H1为网格边长δ的倍；

3)根据2)的聚类结果，重新计算类间距离，若类间距离小于等于阈值H1，转2)，否则，转4)；类间距离为分属两类、距离最近的两个样本之间的距离；

4)输出气泡主体的聚类结果，每类数据代表一个气泡的主体。

5.根据权利要求2所述的根据数值模拟结果识别两相流中气体分布形态的方法，其特征在于，根据软分割带内数据点的聚类结果，将划入不同子集的但属于同一个气泡的气相数据点合并入同一类。

6.根据权利要求5所述的根据数值模拟结果识别两相流中气体分布形态的方法，其特征在于，数据点合并入同一类具体方法为：逐个读取软分割带内数据点所属的聚类，若一个数据点同时属于多个不同的类，则合并这几个类为一类。

7.根据权利要求1-3或5任一项所述的根据数值模拟结果识别两相流中气体分布形态的方法，其特征在于，步骤D中混合相数据类与多个纯气相数据类的无量纲距离小于或等于阈值时，逐个计算该混合相数据类中各数据点到所述多个纯气相数据类之间的无量纲距离，距离相等时随机分配；

两个数据点之间的无量纲距离为：

两个数据点为相邻的网格单元的两个中心点；

式中，表示两数据点之间的欧氏距离；δ_i和δ_j分别为两个网格单元的边长；

相应地，两个不同的类P_i和P_j之间的无量纲距离定义为：

d(P_i,P_j)＝min{d(p_i,p_j)|p_i∈P_i,p_j∈P_j} (4)

聚类阈值的计算公式为：

其中，ξ为略小于1的常数，取0.95-0.99。