(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210687011.6 (22)申请日 2022.06.16 (71)申请人 燕山大学 地址 066004 河北省秦皇岛市河北 大街西 段438号 (72)发明人 姚静　李曼迪　孔德才　郭琪　 刘翔宇　 (74)专利代理 机构 北京孚睿湾知识产权代理事 务所(普通 合伙) 11474 专利代理师 刘翠芹 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/28(2020.01) G06F 30/27(2020.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06T 7/246(2017.01) G06T 5/00(2006.01) G06N 3/12(2006.01) G06F 113/08(2020.01) G06F 119/14(2020.01) G06F 111/06(2020.01) (54)发明名称 基于抛流原理的除气U型流道优化方法 (57)摘要 本发明提出了一种基于抛流原理的除气U型 流道优化方法， 其包括以下步骤： S1、 进行气泡追 踪可视化实验： 利用气泡追踪可视化实验装置观 测不同结构参数下的U型流道内部流场流动情 况， 并得到不同结构参数下的U型流道内部气泡 的图片； S2、 对步骤S1得到的U型流道内部气泡的 图片进行处理。 S3、 利用步骤S2得到的得到最终 的灰度时均图， 进行基于RBF神经网络和NSGA ‑Ⅱ 的参数数据 拟合优化方法， 具体过程为： 使用RBF 神经网络得到目标值与U型流道 参数之间的代理 模型， 再利用NSGA ‑Ⅱ在代理模型基础上， 优化多 个目标函数， 寻找出最优解， 实现结构参数的优 化。 权利要求书3页 说明书7页 附图6页 CN 115098961 A 2022.09.23 CN 115098961 A 1.一种基于抛流原理的除气U型流道优化方法， 其特 征在于： 其包括以下步骤： S1、 进行气泡追踪可视化实验： 利用气泡追踪可视化实验装置观测不同结构参数下的U 型流道内部流场流动 情况， 并得到不同结构参数下的U 型流道内部气泡图片和背 景图片， 其 中， 气泡追踪 可视化实验装置包括流体动力单元、 气 体动力单元以及可视化观测单元， 所述 流体动力单元和气 体动力单元通过气液混合室进 行连接， 所述可视化观测单元内部 设置有 U型流道， 所述U型流道设置有可调节隔板； S2、 对步骤S1得到的不同结构参数下的U型流道内部气泡图片进行处理， 得到灰度时均 图， 其具体包括以下步骤： S21、 去除图片无用区域， 将步骤S1得到的不同结构参数下的U型流道内部气泡 图片和 背景图片进行截取， 去除对气泡图像处 理无用的区域； S22、 消除图片噪音， 得到单张图片的最终灰度值； 单张图片最终灰度值 Ij_p(x,y)计算公式为： Ij_p(x,y)＝Ij+1(x,y)‑Ij(x,y)‑Iave_background 其中， Ij(x,y)为第j张图片的灰度值， Iave_background为背景图片的平均灰度值； 背景图片的平均灰度Iave_background计算公式为： 其中， size(Ibackground)表示截取的背景图片横方向像素个数与纵方向像素个数的乘积； Ibackground(x,y)表示截取的背景图片的灰度值的总和； S23、 利用图像时均叠加得到处理后气泡流经区域的灰度， 从而得到U型流道内部气泡 图片的灰度时均图： 将气泡流经区域的灰度表示 为Igray(x,y)， 则灰度时均图Igray_post(x,y)表示为： Igray_post(x,y)＝320 00‑γ*Igray(x,y) 其中， γ为 放大系数， 表示灰度区域的灰度间隔； S3、 利用步骤S2得到的U型流道内部气泡图片的灰度 时均图， 进行基于RBF神经网络和 NSGA‑Ⅱ的参数数据拟合优化方法： 使用RBF神经网络得到目标值与U型流道参数之间的代 理模型， 再利用NSGA ‑Ⅱ在代理模型基础上， 优化多个目标函数， 寻找出最优解， 实现结构参 数的优化， 其具体包括以下子步骤： S31、 确定U型流道的关键结构 参数共四个， 分别为入口速度v、 入口高度Hin、 隔板高度比 Hg/H(Lg)和隔板间距比Lg/D， 其中， H为隔板高度； S32、 对所述四个关键结构参数进行数据归一化处理， 使其在优化过程中的取值区间变 为[0,1]； S32、 使用RBF神经网络拟合分别得到除气率和压降率与四个结构参数之间的代理模 型， 即除气率和压降率与四个结构参数之间的函数映射关系； S34、 将仿真数据分为训练集和测试集， 利用训练集完成神经网络的构建， 利用测试集 测试神经网络的性能。 2.根据权利要求1所述的基于抛流原理的除气U型流道优化方法， 其特征在于： 步骤S34 具体为：权　利　要　求　书 1/3 页 2 CN 115098961 A 2在300组仿真数据中， 选取其中246组作为训练集完成神经网络的构建， 剩余54组数据 作为测试集测试神经网络的数据拟合性能， 最终利用多目标遗传算法在代理模型的基础上 寻找出最优解。 3.根据权利要求2所述的基于抛流原理的除气U型流道优化方法， 其特征在于： 步骤S33 中建立代理模型的具体步骤如下： S331、 利用径向基函数作为隐含层的基构成隐含层空间， 对非线性的输入变量进行变 换， 将低维的输入数据映射到高维特征空间内， 通过对隐单元的输出进行加权求和得到输 出； S332、 在优化过程中， 将除气率A和相对压降P分别作为评价抛流除气区除气和通流性 能的两个指标， 得到多组不同设计参数组合对应的抛流除气区除气率预测模型， 并通过CFD 仿真计算得到各组不同设计参数组合的除气率A与相 对压降率P， 并最终得到用于RBFNN训 练和测试的样本数据库； S333、 在抛流除气区除气率预测模型的训练与建立中， 输入变量为X＝[v， H,Lg/D， Hg/H (Lg)]， 输出变量为； 在相对压降率预测模型的训练与建立中F(X)＝ηA， 输入变量相同， 输出 变量为F(X)＝ηP； 通过训练得到隐含层各神经元的输出， 并最终得到准确率最高的抛流除 气区除气率预测模型。 4.根据权利要求1所述的基于抛流原理的除气U型流道优化方法， 其特征在于： 步骤S23 中图像时均叠加指将预 处理后图片 叠加后并进 行平均处理， 将图像背 景与气泡叠加状态的 灰度值区分开， 替换初始拍摄的背景图片后， 则能得到气泡平均分布区域与分布情况。 5.根据权利要求1所述的基于抛流原理的除气U型流道优化方法， 其特征在于： 所述气 泡追踪可视化实验装置包括流体动力单元、 气体动力单元以及可视化观测单元， 所述流体 动力单元和气体动力单 元通过气液混合室进行 连接； 所述流体动力单元包括变频器、 电机、 液体泵和流体流量计， 试验流体由所述液体泵输 送， 所述变频器通过控制电机以实现对液体泵输出流量的实时调节， 为试验提供稳定的流 体速度； 所述气体动力单元包括多孔金属板、 单向阀、 气体流量计、 调速阀和气泵， 通过调速阀 实现气体流量的实时调节， 试验气 体由气泵输送后通过多孔金属板将气泵产生的气泡分散 为直径均匀的气泡后进入气液混合室； 所述可视化观测单元包括气泡拍摄装置与实验观测装置， 所述气泡拍摄装置包括背光 组件、 滤光组件和拍摄组件， 所述 实验观测装置包括固定支架、 气液混合室、 蓄水装置和U 型 流道， 所述气液混合室用于形成含均匀气泡的气液混合 流体进入U型流道； 所述U型流道包括可调节隔板， 可调节隔板在U型流道中的高度、 长度和位置均能够调 节， 从而能够观测 和对比不同隔板高度和位置下的流场状况； 所述蓄水装置用于储 存实验介质。 6.根据权利要求5所述的基于抛流原理的除气U型流道优化方法， 其特征在于： 所述背 光组件包括LED灯板和散光板， 所述LED灯板和散光板位于U 型流道后方， 用于提供稳定均匀 的背光条件； 所述滤光组件为过滤红光的滤光片， 所述拍摄组件为用于拍摄U型流道内部流场状况 的高速摄 像机。权　利　要　求　书 2/3 页 3 CN 115098961 A 3