다상유동 가시화 및 측정을 위한 공정 단층촬영법 개발

국문 초록 (Abstract)

본 과제는 다상유동 가시화 및 측정을 위한 공정 단층촬영(process tomography) 기법을 전기적 단층촬영(electrical tomography) 기법을 중심으로 개발하는 것이다. 전기적 단층촬영이란 적절히 설계된 전기신호를 주입하고 여기된 전기신호를 측정하여 이를 바탕으로 전기적 단층촬영 역문제를 풀어 전기적 물성치 분포를 재구성함으로써 각 상 또는 성분의 분포 내지는 분율을 얻어내는 것이다. 본 연구에서는 서로 다른 전기적 물성치를 갖는 2상 및 2성분 유동을 대상으로 하였다.

연구 내용은 크게 유동혼합을 전기적 단층촬영 기법을 이용해 가시화 하고 유동혼합을 해석하기 위한 기법을 개발하는 연구와 전기적 단층촬영에 사용되는 영상복원 알고리즘을 개선하는 연구로 나뉜다.

유동혼합 연구에서는 물과 소금물의 혼화액의 혼합 (액-액 혼합) 및 물과 공기의 혼합 (기-액 혼합)을 대상으로 전기적 단층촬영 기법 적용의 타당성 평가와 가시화, 그리고 혼합 현상을 정량적으로 분석하기 위한 방법론 개발 연구가 수행되었다. 혼화액 혼합연구에서는 주입시간과 혼합시간을 전기전도도 분포의 측정 결과로부터 정량적으로 추출해 낼 수 있음을 확인하였고 소금물의 주입량, 주입 위치, 그리고 교반 조건이 혼합에 미치는 영향을 분석하였다. 기-액 혼합 실험에서는 공기유량과 교반기의 회전 속도가 유동혼합 현상에 미치는 영향을 정성적으로 분석하고 공기유량과 전기전도도 값의 관계를 정량적으로 측정하였다. 또한 cross-correlation 개념을 도입하여 혼화액 혼합 현상을 정량적으로 분석할 수 있는 방법론을 개발하였다.

전기적 단층촬영 영상복원 알고리즘 개선 연구에서는 기존 알고리즘의 한계를 분석하여 그 한계를 극복할 수 있는 몇 가지 알고리즘을 제안하고 수치 실험을 수행하였다. 우선 빠른 천이를 겪는 다상유동의 영상복원에 한계를 가지고 있는 기존의 정적 전기적 단층촬영 알고리즘의 한계를 극복하기 위해 동적 영상복원 알고리즘을 도입하였다. 또한 상태천이 모델에서 process noise covariance가 미리 알려져 있지 않으며 영상복원의 질에 상당한 영향을 미친다는 점에 주목하여 서로 다른 process noise covariance를 갖는 여러 개의 필터를 병렬로 연결하는 IMM (interacting multiple model)을 도입하였다. 그리고 이상유동장에서 공간해상도를 증대시키기 위해 상 분포를 결정하는 문제를 상 경계면을 결정하는 문제, 즉 경계면 추정 문제로 전환하고 IMM 동적 알고리즘을 채용한 알고리즘, 경계면을 front point로 표현하고 이를 추정하는 front point tracking 알고리즘, 성층류에 적합한 front point tracking 알고리즘을 개발하고 수치 실험을 통해 검증하였다.

다국어 초록 (Multilingual Abstract)

The electrical tomography (ET) technique is introduced as a modality for process tomography for the visualization and measurement of multi-phase flows. The electrical tomography estimates the distribution of each phase (or component) or its fraction from the solution of inverse problem based on the injected electrical signals and the measured resultant signals. In this work, as multi-phase flows, two-phase and two-component systems are considered.

The subjects of this study are composed of flow mixing measurement and image reconstruction algorithm. In the former, the flow mixing is visualized with the aid of the ET and the method to analyze the mixing phenomena is developed. In the latter, the image reconstruction algorithm to estimate the conductivity distribution is improved.

In the study of flow mixing, the mixing in miscible fluids of water and saline water and in two-phase flows of air and water is considered. The applicability of ET to miscible fluids and two phase flows, their visualization, and methodology development for the quantitative analysis of the mixing have been performed. In the study of the mixing of miscible fluids, the injection time and mixing time can be obtained from the estimated temporal and spatial conductivity distribution. The effects of the injection amount, injection location, and speed of agitator have been investigated. From the ET experiments for air-water mixing, it has been reported that the air flow rate and the RPM of the agitator affect the mixing phenomena. The relation between the conductivity and the air flow rate has been analyzed experimentally. Also, the concept of cross-correlation has been introduced to investigate the mixing quantitatively.

The limitations of previous image reconstruction algorithms are identified. Some algorithms are proposed to overcome the limitations and numerical experiments have been conducted. Especially, in this work, a dynamic image reconstruction algorithm is adopted to overcome the limit of the conventional static algorithm when the ET is applied to multi-phase flows undergoing fast transient. In the state transition model, it has been noted that the process noise covariance is not given a priori even though it is an important parameter for the quality of reconstructed images. So, this work adopted IMM (interacting multiple model) where multiple filters with different process noise covariance are connected in parallel. In order to enhance the spatial resolution, the estimation of the phase distribution has been converted into the estimation of phase boundary. The boundary estimation problems have been solved with the dynamic IMM algorithm, the front point tracking algorithm where the boundary is expressed with the front points, and the front point tracking algorithm for stratified flows. The algorithms have been verified through numerical experiments.