基于近红外差压技术的气液两相流双参数测量

为实现气液两相流相含率及流量的双参数测量,对基于近红外光谱技术的轴向安装气液两相流测量装置进行优化。利用近红外吸收衰减技术实现两相流液相含率测量,同时结合差压技术通过测量实验管段前后差压值得到流量信息。利用该装置进行单相水、单相气的相关测试并得到单相流量测量模型,实验结果表明其相对误差分别在±1.25%和±1.5%以内。选取液相含率高于85%的35个工况点进行气液两相流动测试,结合朗伯比尔定律及双流体模型,分别得到相含率及流量预测模型。预测结果表明:上述模型的相对误差分别在±3.0%和±6.0%以内。通过结合近红外技术与差压技术,同时实现相含率及流量的双参数在线测量,为后续气液两相流不分离测量奠定基础。     

槽式孔板差压信号的高阶统计量特征

针对气液两相流流过槽式孔板时产生的差压信号呈现出的非高斯特性,提出了一种基于高阶谱技术的信号分析方法.通过对槽式孔板两端差压信号进行的双谱分析,提取了不同流量下信号的非高斯特征.以信号的双谱幅度最大值和双谱切片幅度最大值作为特征参数,对不同流型、流量下差压信号偏离高斯分布的程度进行了定量估计.结果表明,提取的特征值不仅可作为气液两相流流型转变的判据,而且还为进一步优化两相流流量计的设计提供了参考.     

网络流量分析与应用

利用Sniffer分析当前校园网中网络流量的类型,对不同流量测量的方法进行介绍和对比,提出网络流量测量的必要性,对进行流量测量时使用的Sniffer及相关实现技术和标准进行探讨。     

基于1D-CNN-AdaBoost及电阻层析成像的两相流流型辨识

基于电阻层析成像(ERT)系统采集的垂直管气液两相流测量数据,将一维卷积神经网络(1D-CNN)与AdaBoost(Adaptive Boosting)相结合,构建1D-CNN-AdaBoost算法,进行了气液两相流流型辩识研究。该算法使用5个1D-CNN作为弱分类器,通过实验数据样本训练,结合AdaBoost形成最终的强分类器。将1D-CNN-AdaBoost算法与BP神经网络、支持向量机及决策树算法进行比较,结果表明,1D-CNN-AdaBoost算法辨识正确率高于其他算法,平均辨识正确率可达97%。     

涡轮流量传感器测量水平气液两相流的实验研究

在气液两相流实验装置上,对3台具有不同导程叶轮的涡轮流量传感器测量水平气液两相泡状流的特性进行了实验研究.发现随着体积含气率的变化,3台传感器的流量特性曲线、仪表系数迁移量、重复性误差均会发生明显变化.具有较小导程叶轮的传感器,其性能优于其它两台传感器.对造成涡轮流量传感器测量特性改变与误差的原因进行了分析讨论,并对体积含气率变化影响涡轮流量传感器特性的物理机理进行了分析.     

环形管流量计测量气液两相流研究

提出了一种基于环形管流量计的新型气液两相流流量测量方法.设计了多圈环形管流量传感器,通过对多圈环形管的水平直径上和垂直直径上四个差压信号进行分析,建立了不同位置差压信号与总体积流量和总质量流量的关系模型,并由此获得气液两相流的混合密度,实现了气液两相流分相流量的测量.     

基于多域特征提取的气液两相流流型识别

针对气液两相流的准确识别问题提出了一种多域特征处理方案。利用电阻层析成像(ERT)系统获取垂直上升管道流动数据，从测量数据与截面电导率分布图像两方面分析，对高维测量数据降维处理后提取时域特征，同时提取线性反投影(LBP)算法重建图像空域特征，进一步对图像进行Walsh-Hadamard变换后提取列率域特征。使用统一流形逼近与投影(UMAP)算法对量化的多域特征降维处理，最后搭建支持向量机(SVM)实现流型识别。结果表明，该流型分类框架对泡状流、泡状-段塞过渡流型、段塞流及严重段塞流的分类准确率分别为98.1%、96.3%、95.2%、94.8%。     

两相流体流置测量的挑战：高准科里奥利流量计应对两相流体流量的测量

所有流量仪表技术的应用都有它的局限性，特别是对两相流体的流量测量，比如空气混合在液体里的气、液两相流体。液体和空气混合的气．液两相流体的动态特性尤其复杂，即使运用现代的流体动态模型，很大程度上也还不能清晰地描绘它们的动态特性。所以对这种不可预知两相流体的流量测量对任何流量计包括科里奥利流量计都是充满挑战性的。[编者按]     

利用多分辨小波网络进行两相流流量预测

传统的不分离两相流流量计计算流量一般受干扰较多,误差较大,而小波网络是数据预测的有力手段。依据多分辨分析理论,建立由正交小波函数和正交尺度函数作为神经网络的激励函数的自适应正交小波网络,给出小波网络的分层、递阶学习算法,并结合测量信号特征,讨论了如何选取小波基函数,最后基于Matlab语言,实现了两相流流量的预测。     

电阻层析成像技术及其在水合物开采模拟实验中的应用

电阻层析成像是一种可视化的无损测量手段,可以为天然气水合物开采过程室内模拟实验提供有效的监测途径。首先介绍了电阻层析成像技术的工作原理、发展历程与应用现状,重点对电阻层析成像技术在天然气水合物室内模拟实验方面的主要应用进行了综述,并分析了存在的问题,在此基础上给出了解决问题的建议,为下一步开展水合物的电阻层析成像实验提供参考。     

长喉颈文丘里管气液两相流弹状流机理研究

为了实现气液两相流相含率测量并得到相关模型,结合气液两相流研究现状,采用近红外光谱技术与高速摄影技术结合的手段,利用近红外系统布置于长喉颈文丘里管喉管位置的新装置,将弹状流相间流动特征与近红外测量系统接收光强信号特征相结合,提出了把弹状流分成泰勒气泡与尾部气泡两部分的简化模型,在数据处理时对近红外接收光强高频信号进行有效分组,建立了新的气液两相流弹状流相含率测量模型。从一定程度上解决了弹状流不同部位的两相交界面对近红外接收探头接收光强信号影响差异较大的问题。新型模型的测量效果较好,所得结果测量误差较小。     

基于递归图的两相流流动特性分析与流型识别

基于数字化电阻层析成像(ERT)系统采集的垂直管道气液两相流实验数据,通过计算不同时刻系统采集的数据均值,生成一维时间序列并进行相空间重构,绘制递归图。对绘制的递归图进行阈值分割,并分析了两相流流动特性。计算了不同流型对应无阈值递归图的图像信息熵范围:泡状流为0.570~0.660;泡状流到弹状流过渡流型为2.300~3.200;弹状流为3.650~4.100;段塞流为4.300~4.600;段塞流到混状流过渡流型为4.650~4.950。结果表明各流型递归图图像信息熵范围分隔明显,可有效识别这5种流型。     

基于流体诱发管道振动的气液两相流型识别

通过对不同流型的气液两相流流经管道时诱发的管道振动特性的实验研究,提出了基于流体诱发振动的非接触式在线两相流流型识别新方法.通过安装于测试管道外壁的振动传感器测量不同流型下气液两相流诱发的振动信号;采用小波包分析提取了表征流型变化的振动信号能量特征向量;以能量特征向量作为模型输入,建立了概率神经网络模型用于识别分层流、...     

基于多元经验模态分解与卷积神经网络的气液两相流流型识别

提出了一种基于多元经验模态分解(MEMD)与卷积神经网络(CNN)的垂直管道气液两相流流型识别方法。该方法基于数字化电阻层析成像(ERT)系统采集的测量数据,预处理后进行MEMD分析,通过求取各分量与原始信号的皮尔逊相关系数选取本征模函数(IMFs)并求解Hilbert边际谱,提取Hilbert边际谱的标准差与均值作为卷积神经网络(CNN)输入以识别流型。结果表明,该方法能够有效识别泡状流、弹状流、段塞流,平均识别准确率可达96.43%。     

科氏流量计气-液两相流的数值模拟

针对科氏流量计在测量含气-液两相的流体时,流量计随着气体含量的增加,测量稳定性逐步变差的问题,采用流固耦合有限元技术,对科氏流量计进行了模态分析和流固耦合振动分析。作为一个实例,使用该方法模拟气泡含量以及分布对测量稳定性的影响,在气泡含量1%左右时测量相对稳定,气泡含量大于5%时测量稳定性很快变差。     

油水两相流浓度电容层析成像的测量方法

以8电极油水两相流电容层析成像系统为研究对象,分析了油水两相流电容层析成像系统的测量原理,依据二重积分微元原理建立了油水两相流相浓度分布信息的数学模型,采用ART图像重建的方法完成油水两相流的浓度测量,并在重建算法中引入了阈值以提高图像重建质量和含率计算的准确性,测量误差在1%左右,较好地解决了其他测量方法速度慢,成本高,安全性差等缺陷,为油水两相流浓度的测量提供了一种新方法.     

基于同轴线相位法的两相流含气率测量研究

为了准确测量气液两相流含气率,提出一种同轴线相位差测量方法。利用同轴线传感器,通过测量电磁波经过在同轴线内分布状况不同的气液混合介质后相位差的变化,得到混合介质的含气率。完成了同轴线测量电路及测量传感器的设计,建立了一种含气率测量模型。以气液两相做了室内静态实验,并对垂直管状态下传感器响应和实验结果进行了误差分析。结果表明:相位差输出与含气率呈线性关系;同时,在不同频率下,预测结果和实验结果的相对误差在±5%范围内,说明预测模型准确度较好。     

基于近红外面源传感器的气液两相流相含率测量

针对传统近红外点对点探头传感器测量存在盲区、数据精度低等问题,提出并设计了一种基于近红外面源传感器的气液两相流相含率测量装置,并对其进行研究。该装置有效减小了近红外光的折射与反射,提高了测量的精确度。通过CFD流体仿真软件模拟了管道内流体的流动状态,并对该装置的结构进行了仿真及优化。在单相流实验的基础上进行气液两相流动态实验,得到了4路近红外信号与相含率的关系,建立了相含率测量模型,数据导入修正模型分析得到的相含率测量相对误差在±3.5%以内。     

A Digital Special-Purpose Signal Processor for Two-Phase Flow Real-Time Analysis

In the statistical study of two-phase flow real-time control of experiments is often needed. Furthermore, in industrial processes involving boiling units control or two-phase gas-liquid transport control, real-time signal processing is required to check the status of two-phase flows. An instrument is described for the measurement of the fundamental characteristic parameters of two-phase flows. The measurement technique employs extensively high speed digital computation. It is based on a discrimination of the probe output signal into two signals, representing, respectively, a "bubble" flow and a slug flow. The parameters are measured on averaging times ranging from 10 ms to 104 s. Measurement errors and limitations of this high-resolution measurement technique are pointed out. Its utility in evaluating the fundamental statistical parameters of two-phase flows is demonstrated.