کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7052402 1457416 2015 26 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Multivariate weighted complex network analysis for characterizing nonlinear dynamic behavior in two-phase flow
ترجمه فارسی عنوان
تجزیه و تحلیل شبکه پیچیده چند متغیره برای توصیف رفتار پویا غیر خطی در جریان دو مرحله ای
کلمات کلیدی
ترجمه چکیده
خصوصیات رفتار پویای غیرخطی در جریان دو فاز گاز مایع یک مشکل معاصر و چالش برانگیز مهم است. ما در این مقاله ابتدا به طور سیستماتیک آزمایشهای جریان دو فاز گاز و مایع در یک لوله قطر کوچک برای اندازه گیری جریان جریان اطلاعات محلی از الگوهای جریان مختلف انجام می دهیم. سپس، ما یک شبکه مبتنی بر انتقال مدال را برای نقشه برداری اندازه گیری های چند متغیره تجربی به یک شبکه مجتمع وزن هدایت پیشنهاد می کنیم. به طور خاص، ما یک شبکه پیچیده چند متغیره را از شرایط جریان مختلف بدست می آوریم و نشان می دهیم که شبکه های تولید شده مطابق با الگوهای جریان مختلف، ساختارهای توپولوژیکی متمایز را نشان می دهند. برای هر شبکه تولیدی، از ضریب خوشه بندی وزنی و نزدیک بودن تقریبی برای کاستن از خواص توپولوژی شبکه مرتبط با رفتار جریان پویا استفاده می کنیم. نتایج نشان می دهد که تجزیه و تحلیل شبکه چند متغیره ای ما اجازه می دهد تا کمی تغییرات الگوهای جریان متمایز را کشف کنیم و بینش عمیق را در رفتار پویای غیرخطی جریان های گاز مایع ایجاد کنیم.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی شیمی جریان سیال و فرایندهای انتقال
چکیده انگلیسی
Charactering nonlinear dynamic behavior in gas-liquid two-phase flow is a contemporary and challenging problem of significant importance. We in this paper first systematically carry out gas-liquid two-phase flow experiments in a small diameter pipe for measuring local flow information from different flow patterns. Then, we propose a modality transition-based network for mapping the experimental multivariate measurements into a directed weighted complex network. In particular, we derive multivariate complex networks from different flow conditions and demonstrate that the generated networks corresponding to different flow patterns exhibit distinct topological structures. For each generated network, we exploit weighted clustering coefficient and closeness centrality to quantitatively probe the network topological properties associated with dynamic flow behavior. The results suggest that our multivariate complex network analysis allows quantitatively uncovering the transitions of distinct flow patterns and yields deep insights into the nonlinear dynamic behavior underlying gas-liquid flows.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Experimental Thermal and Fluid Science - Volume 60, January 2015, Pages 157-164
نویسندگان
, , , ,