胡建建, 李亞南, 陳 濤, 張紅武, 李普瑞

(西安近代化學(xué)研究所, 陜西 西安 710065)

1 前 言

小管道是介于常規(guī)管道與微管道間的過渡管道，被普遍認(rèn)可的水力直徑范圍介于1～3 mm[1-5]。小管道沸騰是一種常見的工業(yè)現(xiàn)象，且隨著現(xiàn)代工業(yè)的快速發(fā)展，各種類型的小管道換熱器在化工、航空航天等領(lǐng)域有著廣泛的應(yīng)用，如制冷蒸發(fā)器/冷凝器，水平管式蒸發(fā)器和管式換熱器等[2-8]。沸騰傳熱是兩相流傳熱的主要形式，流體沸騰過程中不同的沸騰狀態(tài)對換熱器的換熱特性及安全性有著重大影響。沸騰傳熱是以氣泡形式進(jìn)行的，氣泡的產(chǎn)生、形成、生長及其運動方式是影響沸騰傳熱的重要機制，而且熱能動力設(shè)備的大部分汽化傳熱面處于沸騰狀態(tài)[5-15]，因此，小管道沸騰過程的在線監(jiān)測對小管道換熱器的傳熱效率和運行穩(wěn)定性具有重要意義。

現(xiàn)階段主要使用光學(xué)儀器、接觸式傳感器等方式監(jiān)測小管道沸騰過程[6-16]。光學(xué)儀器(如利用高速相機、紅外相機、激光相機等)作為用于沸騰過程監(jiān)測中最常用、最直接的方式，其主要通過獲得小管道內(nèi)液體圖像或熱場分布，結(jié)合上位機圖像分析技術(shù)進(jìn)行狀態(tài)判別。然而，高速相機不但成本較高而且僅適用于透明的液體或換熱器，紅外相機只能測量小管道外壁溫度。常見的用于監(jiān)測小管道沸騰過程的接觸式傳感器有溫度傳感器和壓力傳感器，傳感器以與管道內(nèi)部直接接觸的方式獲取相關(guān)參數(shù)，該方式簡單直接但信號所反映的狀態(tài)存在滯后且判斷誤差較大。根據(jù)文獻(xiàn)，電容耦合式非接觸電導(dǎo)測量技術(shù)能夠以非接觸的電學(xué)測量方式獲得小管道內(nèi)液體的電導(dǎo)信息[17-21]，而已有諸多研究表明，隨著氣泡的產(chǎn)生、形成和生長，小管道內(nèi)沸騰液體的等效電導(dǎo)會發(fā)生變化[17-21]。因此，電容耦合式非接觸電導(dǎo)測量技術(shù)為進(jìn)一步發(fā)掘適用于監(jiān)測小管道沸騰過程的監(jiān)測方式提供了新思路。

針對上述情況，研究提出一種基于模式識別的小管道沸騰過程在線監(jiān)測新方法。該方法利用基于電容耦合式非接觸電導(dǎo)測量技術(shù)的傳感器，實時獲得能夠反映小管道內(nèi)沸騰液體等效電導(dǎo)信息的電壓信號，具有結(jié)構(gòu)簡單、成本低、響應(yīng)速度快等優(yōu)點。數(shù)據(jù)采集模塊將經(jīng)過信號處理后的電壓信號采集并上傳至上位機模式識別系統(tǒng)進(jìn)行算法判決。采用的沸騰過程在線監(jiān)測新方法的模式識別系統(tǒng)主要包括數(shù)據(jù)采集、特征提取、分類器訓(xùn)練和分類器判決4 個部分。為了能夠準(zhǔn)確判別小管道沸騰過程的不同階段，研究著重探究感知器算法和K-means 聚類算法這2 種模式識別算法對沸騰過程的狀態(tài)判別效果。最后，對內(nèi)徑分別為1.6 和2.5 mm 的玻璃小管道內(nèi)沸騰過程進(jìn)行初步研究，成功驗證了基于模式識別的小管道沸騰過程在線監(jiān)測新方法是可行的，可以將小管道傳感范圍內(nèi)的靜止液體的沸騰過程分為4 個階段：純液體無蒸氣、核態(tài)氣泡沸騰、段塞氣泡沸騰、環(huán)狀沸騰。

2 裝置與實驗

2.1 小管道沸騰過程實驗裝置

以文獻(xiàn)[17-20]所提出的電容耦合式非接觸式電導(dǎo)測量(C4D)傳感器為基礎(chǔ)，搭建了小管道沸騰過程實驗裝置，如圖1 所示，包含高速相機(high speed camera)、C4D 傳感單元(sensing section of C4D sensor)、溫度傳感器(temperature sensor)、夾套油浴玻璃鍋(oil-jacket glass chamber)、交流激勵源(AC source)、模擬電感與信號調(diào)理單元(simulated inductor and signal condition unit)、數(shù)據(jù)采集單元(data acquisition unit)、上位機(upper computer)。該C4D 傳感器的原理見文獻(xiàn)[17-20]，測量原理簡圖如圖2 所示，可以有效檢測電導(dǎo)率在0.1～20 mS·cm-1流體的等效電導(dǎo)(最大相對誤差5%以內(nèi))[17-20]。該傳感器中，傳感單元由激勵電極(excitation electrode of the C4D sensor)、檢測電極(detection electrode of the C4D sensor)和絕緣玻璃小管道構(gòu)成，如圖3 所示。激勵電極和檢測電極為徑向金屬電極片，相對分布于絕緣管道外壁兩側(cè)，實驗時將傳感單元靜置于透明恒溫油浴鍋中。交流信號源(RIGOLDG 1022)產(chǎn)生電壓幅值為0.5 V，激勵頻率為250 kHz 的正弦交流信號至激勵電極，檢測電極則接收反映小管道內(nèi)液體(電導(dǎo)率為0.15 mS·cm-1)等效電導(dǎo)信息的交流信號；信號調(diào)理電路基于串聯(lián)諧振原理和模擬電感技術(shù)可以消除傳感單元中耦合電容(C1和C2)帶來的不良影響，并借此提高傳感器靈敏度，微弱的交流信號經(jīng)電流/電壓轉(zhuǎn)換、整流、濾波(為了確保實時性，濾波器的截止頻率為10 kHz)、放大后轉(zhuǎn)變?yōu)樾旁氡葍?yōu)良的直流電壓信號；數(shù)據(jù)采集單元(NI cDAQ-9172)以20 kHz 的采樣頻率采集直流電壓，采集調(diào)理后的直流電壓信號上傳至上位機模式識別系統(tǒng)進(jìn)行算法判決；實驗過程中，高速相機(phantom v711)將小管道沸騰過程實時圖像傳至上位機，作為輔助參考。

圖1 小管道沸騰過程實驗裝置Fig.1 Experimental setup of boiling monitoring in mini channels

圖2 C4D 傳感器原理簡圖Fig.2 Schematic principle of the C4D sensor

圖3 C4D 傳感器電極與檢測管段Fig.3 Detection electrode and sensing section of the C4D sensor 1. excitation electrode of the C4D sensor 2. small channel 3. detection electrode of the C4D sensor

2.2 小管道沸騰過程氣泡行為觀察實驗

對內(nèi)徑為2.5 mm 的小管道沸騰過程氣泡行為進(jìn)行初步觀察，采用高速相機、電容耦合式非接觸電導(dǎo)測量傳感器獲得的氣泡行為實時圖像以及能夠反映小管道內(nèi)液體等效電導(dǎo)變化信息的電壓信號。小管道內(nèi)液體典型的沸騰過程如圖4 所示，對應(yīng)的上位機接收的電壓信號如圖5 所示。與國內(nèi)外研究者的研究成果進(jìn)行對比[8-12]，不難發(fā)現(xiàn)，整個階段可以分為4 個階段。階段1為沸騰尚未開始階段，該階段傳感單元監(jiān)測區(qū)域內(nèi)為純液體無蒸氣，電壓信號保持高幅值且相對穩(wěn)定；階段2 為核態(tài)氣泡沸騰階段，該階段蒸氣從管道內(nèi)壁面形成的核開始膨脹直至氣泡與小管道內(nèi)壁完全接觸，電壓信號呈現(xiàn)緩慢變化，幅值減??；階段3 為段塞氣泡沸騰階段，該階段氣泡迅速膨脹，以段塞形式生長。此時段塞長度大于管徑，但尚未充滿整個管道傳感區(qū)域，管道傳感器區(qū)域中仍有充滿管截面的液相存在。在段塞管段，流體依靠氣相與管壁間的液膜進(jìn)行導(dǎo)電(氣相電導(dǎo)率為0，介電常數(shù)很小，在研究所用激勵頻率下對導(dǎo)電的貢獻(xiàn)可忽略)，由于液膜厚度遠(yuǎn)小于管徑，因此隨著段塞的生長，流體導(dǎo)電能力迅速下降，因此該階段電壓信號幅值迅速減小，且變化率較大；階段4 為環(huán)狀沸騰階段，該階段氣泡生長直至充滿管道傳感區(qū)域。管道傳感區(qū)域內(nèi)已沒有充滿管截面的液相存在，整個傳感區(qū)域完全依靠液膜進(jìn)行導(dǎo)電，導(dǎo)電能力降至最低值。并且，氣相在傳感段區(qū)域外的擴張不會引起傳感器輸出信號的變化。因此傳感器電壓信號趨于穩(wěn)定且幅值低。

圖4 典型沸騰過程Fig.4 A typical boiling process in small channel

圖5 傳感器輸出信號Fig.5 Output signals of the C4D sensor

實驗結(jié)果表明，基于電容耦合式非接觸電導(dǎo)測量技術(shù)的電學(xué)監(jiān)測方式能夠有效獲得反映小管道內(nèi)液體沸騰過程氣泡行為的電壓信號。

3 模式識別系統(tǒng)算法討論

小管道內(nèi)液體沸騰過程狀態(tài)辨識問題可以被歸結(jié)為一個針對實時電壓信號的模式識別問題，即根據(jù)實時電壓信號特征，利用經(jīng)過訓(xùn)練的分類器模型判別出當(dāng)前沸騰過程屬于哪一個階段。本研究的模式識別系統(tǒng)主要包括數(shù)據(jù)采集、特征提取、分類器訓(xùn)練和分類器判別4 個部分，如圖6 所示。

圖6 階段識別流程圖Fig.6 Flow chart of the identification process

3.1 數(shù)據(jù)采集與特征提取

在階段1 與4，由于傳感器監(jiān)測區(qū)域液體狀態(tài)變化較小，電壓信號幅值相對穩(wěn)定，其樣本標(biāo)準(zhǔn)差與均值差幾乎不變，分布較為集中；在階段2 和3，由于氣泡生長迅速，電壓信號幅值變化快，其樣本標(biāo)準(zhǔn)差與均值差變化明顯，分布較為離散。

3.2 有監(jiān)督學(xué)習(xí)分類算法

小管道沸騰過程可被分為4 個階段，故可以將小管道沸騰過程監(jiān)測視為確定性模式分類。感知器算法是一種典型有監(jiān)督確定性模式識別算法，具有結(jié)構(gòu)簡單、計算方便的優(yōu)點，已被廣泛應(yīng)用于多類分類問題[22-25]。感知器結(jié)構(gòu)模型如圖7 所示。

圖7 感知器結(jié)構(gòu)模型Fig.7 Construction model of a perceptron

感知器算法能夠在高維度樣本的特征空間中使用一個超平面區(qū)分出2 類模式(S1 或S2)，即感知器通過訓(xùn)練/學(xué)習(xí)來調(diào)整各個權(quán)值w，從而實現(xiàn)線性可分函數(shù)，其判別函數(shù)為

式中：w0為閾值，二者將在訓(xùn)練過程中被重新確定。若y（（ ）xi） 0≥，則將x(i)分類至S1；若y（（ ）xi） 0＜，則將x（i）分類至S2。

感知器的代價函數(shù)定義為

顯然感知器的代價函數(shù)總是一個非負(fù)數(shù)，當(dāng)Y為空集合，即代價函數(shù)取最小值0 時，就意味著所有的訓(xùn)練向量的分類都是正確的。為了計算出代價函數(shù)的最小迭代值，文中采用梯度下降法設(shè)計迭代算法，即

式中：W(I)為第I次迭代的權(quán)向量估計，k為一系列根據(jù)經(jīng)驗選取的正實數(shù)。

感知器算法從任意權(quán)向量開始初始化，通過錯誤分類特征形成修正向量，再根據(jù)上述規(guī)則修正權(quán)向量，如此反復(fù)直至所有的特征向量都正確的分類。

圖8 顯示了感知器算法識別過程。對于小管道沸騰過程的4 個階段而言，需要采用3 個感知器。將樣本密集的第1、4 階段和樣本離散的2、3 階段分為A 組和B 組，分類過程分為兩個步驟：第1 步是利用感知器1 來確定當(dāng)前階段屬于哪一組(A 組或B 組)，第2 步是分別利用感知器2 和3 來確定組內(nèi)具體沸騰階段。

圖8 感知器算法識別過程Fig.8 Algorithm of the perceptron identification process

3.3 無監(jiān)督學(xué)習(xí)分類算法

K-means 是一種經(jīng)典的無監(jiān)督聚類模式識別算法，已被廣泛應(yīng)用多年，具有計算簡單的優(yōu)點[22-23,26-27]。該算法的特點是在每次迭代中都要考察每個樣本的分類是否正確，若不正確立即調(diào)整，待全部樣本調(diào)整完后再修改聚類中心，進(jìn)入下一次迭代，直至聚類中心不再發(fā)生變化。文中雖然按照沸騰形態(tài)分類僅有4 個階段，但其實階段2 按照氣泡的生長規(guī)律可以再細(xì)分為2 個小階段(其中一個小階段的氣泡生長速率明顯快于另一個，文中選取的特征值也體現(xiàn)了生長速率)[10]。但目前這2 個小階段的明確區(qū)別與分界在國際上仍處于研究階段(小管道沸騰機理研究)，大部分文獻(xiàn)仍將這2 個階段視為一個階段[8-9,11]。因此研究設(shè)置了5 個聚類P={pm,m=1,2,3,4,5}，但只分為4 個階段(在最終將其中屬于階段2 的2 個小階段進(jìn)行合并)。若令μm為聚類pm的聚類中心，則pm中的每一個樣本(xj,j=1,…,c)與聚類中心μm的平方誤差定義為

K-means 聚類算法使用的聚類準(zhǔn)則函數(shù)是誤差平方和準(zhǔn)則J，即

當(dāng)J值最小化且不再變化時，聚類結(jié)果最優(yōu)。

聚類中心的求解主要包括以下步驟：

步驟1：對于N個數(shù)據(jù)樣本，選取5 個初始聚類中心mμ,m=1,2,3,4,5。

步驟2：計算每個樣本與聚類中心的歐式距離D(xj,μm(1))，并將樣本分配至距離最小的類中。

步驟3：計算新的聚類中心，其中mc是聚類pm中特征向量的數(shù)量。

步驟4：計算將每個特征向量移動到不同聚類的平方誤差的變化。其中I是迭代次數(shù)，ρmm代表Jm(I)的減少量，ρhm代表Jh(I)的增加量。

分類結(jié)果表明，K-means 聚類算法對樣本分布密集的沸騰過程階段1 和階段4 能夠準(zhǔn)確識別，而對于階段2 的初始狀態(tài)，由于電壓信號幅值變化小，與階段1 樣本差別不明顯，會存在部分樣本誤分，導(dǎo)致在連續(xù)采樣識別過程中，系統(tǒng)對階段2 的樣本識別存在小幅滯后。當(dāng)電壓信號出現(xiàn)小幅擾動時，K-means聚類算法將具有較好的容錯率，不會將小幅擾動錯誤識別為沸騰狀態(tài)。

4 實驗結(jié)果及其分析

為了驗證基于模式識別的小管道沸騰過程監(jiān)測新方法的可行性與有效性，以內(nèi)徑為1.6、2.5 mm 的玻璃小管道為對象，制作了基于電容耦合式非接觸電導(dǎo)測量技術(shù)的傳感器，傳感器結(jié)構(gòu)參數(shù)如表1所示。

表1 傳感器結(jié)構(gòu)參數(shù)Table 1 Structural parameters of sensors

表中d表示絕緣管道內(nèi)徑，D表示絕緣管道外徑，l表示電極長度，L表示兩電極間距。實驗油浴溫度設(shè)置為130.0 ℃，數(shù)據(jù)采集卡采樣頻率為20 kHz。

基于2 種模式識別算法的小管道沸騰過程辨識結(jié)果如表2、3 所示。

表2 傳感器1 在線辨識結(jié)果Table 2 Experimental results of online monitoring of sensor 1

表3 傳感器2 在線辨識結(jié)果Table 3 Experimental results of online monitoring of sensor 2

實驗結(jié)果表明，基于模式識別的小管道沸騰過程監(jiān)測新方法是可行和有效的。2 類算法對沸騰過程中樣本分布較為密集的階段1 和階段4 具有較高的辨識準(zhǔn)確率。由于階段1 和階段3 有許多相似之處，位于二者分界處的樣本存在易被誤分的情況。感知器算法作為一種有監(jiān)督的線性分類器對沸騰過程各個階段辨識準(zhǔn)確率能達(dá)到90% 以上，對于階段2 具有較高的靈敏度，總體略優(yōu)于無監(jiān)督學(xué)習(xí)分類算法。K-means 聚類算法依賴于樣本與聚類中心的歐氏距離，易將階段2 的部分樣本錯誤分類至階段1 和階段3，使其辨識準(zhǔn)確率僅可達(dá)到80% 以上。若實際應(yīng)用中，將沸騰過程的階段2 和階段3 視為一個階段，2 種算法的辨識準(zhǔn)確率將會有所提高，尤其是無監(jiān)督學(xué)習(xí)的K-means 聚類算法。

5 結(jié) 論

提出一種基于模式識別的小管道沸騰過程在線監(jiān)測新方法。該方法利用基于電容耦合式非接觸電導(dǎo)測量技術(shù)的傳感器，實時獲得能夠反映小管道內(nèi)沸騰液體等效電導(dǎo)信息的電壓信號，首先提取電壓信號樣本的均值、均值差、標(biāo)準(zhǔn)差為特征構(gòu)成特征向量，再利用感知器算法和K-means 聚類算法分別訓(xùn)練分類器模型，最后對小管道沸騰過程進(jìn)行在線辨識。

在內(nèi)徑分別為1.6 和2.5 mm 的玻璃管內(nèi)進(jìn)行了沸騰過程在線監(jiān)測實驗。實驗以高速相機獲得的沸騰過程4 個階段作為參考。結(jié)果表明，所提出的小管道沸騰過程在線監(jiān)測新方法可行、有效，新方法可以將小管道傳感范圍內(nèi)的靜止液體的沸騰過程分為4 個階段：純液體無蒸氣、核式氣泡沸騰、段塞氣泡沸騰、環(huán)狀沸騰。模式識別所采用的感知器算法對沸騰過程各階段的辨識準(zhǔn)確率達(dá)到90% 以上；K-means聚類算法的辨識準(zhǔn)確率可達(dá)80% 以上。為小管道沸騰過程監(jiān)測的研究和發(fā)展提供了新思路，為后續(xù)小管道流動沸騰監(jiān)測的研究奠定基礎(chǔ)。