利用铂电阻测量油水两相流含油率

利用铂电阻基于流体传热方程测量油水两相流的含油率。研究了油水两相流含油率与电热器上下游铂电阻的温差和油水总流量之间的关系,提出用温差、流量校准系数对铂电阻的测量温差和油水总流量进行校正,对校正后得到的含油率测量模型进行了实验验证。实验结果表明含油率在0-50%范围内,平均测量误差为3.89%,提高了含油率的测量精度。     

基于HHT的热式油水两相流含油率测量

研究了油水两相流温度波动信号的特点,提出了一种基于Hilbert-Huang translation(HHT)的含油率的PSO-LSSVM测量模型。将HHT作为自适应滤波滤掉温度信号中的噪声成分,对分解出的各个高频分量进行了Fourier能量谱分析,发现最大的能量值与含油率密切相关。同时对分解出的各个趋势分量的瞬时频率进行概率密度统计,当某一频率成分的能量占总能量的20%以上时,即可以停止EMD筛选,从剩余分量中提取了温度信号的幅值波动最大值,发现与含油率有较好的对应关系。因此将Fourier能量谱最大值和幅值波动最大值与油水总流量一起作为LSSVM模型输入量,含油率作为输出量进行训练学习。为了提高含油率模型的测量精度和运算速度,采用改进的粒子群算法(PSO)优化了含油率的LSSVM模型参数。实验结果表明,改进的PSO-LSSVM模型在0%~70%含油率范围内,含油率的测量精度较高。     

基于Hilbert-Huang变换和支持向量机的油水两相流流型识别

针对油水两相流的测量难题，利用文丘里管对水平管内油水两相流流型进行了研究。基于差压波动信号，提出了Hilbert-Huang变换与支持向量机相结合的流型识别方法。首先计算差压波动信号的均方根，并对其进行归一化处理后作为表征流型的特征向量之一；然后对差压信号进行Hilbert-Huang变换，利用经验模态分解后的多分辨率特征，提取第一层和第二层的能量比作为表征流型的另外两个特征向量；最后利用训练好的支持向量机进行流型识别，对分层流型及分散流型取得了较好的流型识别效果。如果将流型识别与推导得到的文丘里油水两相流流量测量模型相结合，可以较好地实现油水两相流的流量测量。     

基于最小二乘支持向量机的非线性补偿器

针对工业过程中普遍存在的非线性被控对象,通过最小二乘支持向量机对系统的模型偏差建模,并在此基础上构造非线性补偿器.首先,采用具有RBF核函数的LS-SVM离线建立系统偏差模型,并在系统运行时不断对偏差模型进行在线修正;然后基于此模型在DMC预测控制的基础之上构建补偿器;最后成功应用于智能工厂实验室的多变量液位控制实验装置.     

基于最小二乘支持向量机的天然气负荷预测

对城市天然气负荷预测的研究,对于保证天然气管网用气量、优化管网的调度和设备维修具有极其重要的意义．在国内,对于城市天然气负荷预测的研究才刚刚起步,目前还没有较系统的理论．同技术与理论较为成熟的电力负荷预测研究相比较,两者既有许多相同点,又有不同之处．相同之处在     

基于最小二乘支持向量机的复合肥装置养分含量的软测量建模

针对复合肥装置养分含量无法用常规的传感器在线测量的问题,提出了基于最小二乘支持向量机(LS-SVM)的软测量方法来在线估计养分含量.LS-SVM用等式约束代替传统的标准支持向量机中的不等式约束,求解过程从解二次规划问题变成解线性方程组,求解速度相对加快.工业实例表明LS-SVM所建模型的预测精度较高,能满足实际工业应用的需求.     

最小二乘支持向量机在汽油调合建模中的应用研究

最小二乘支持向量机作为数据挖掘新方法,对学习样本质量和数量要求低,学习的泛化性更好.采用最小二乘支持向量机对小样本数据LS-SVMs建立油品调合数学模型,对模型进行仿真试验,结果表明采用LS-SVMs建立的模型精确,并具有良好的泛化性能.     

基于稀疏最小二乘支持向量机的软测量建模

针对传统最小二乘支持向量机非稀疏化解问题,提出了基于遗传算法的最小二乘支持向量机稀疏化及参数优化方法,稀疏化的基本思想是给训练样本赋予一个概率值,将概率值小于0.5的样本作为测试样本,从而将总的训练样本集分成测试样本集和保留的训练样本集。定义了包括稀疏率、训练误差及测试误差在内的适应度函数。种群个体的前N维表示每个样本对应的概率,后m维表示要优化的参数。通过选择、交叉和变异操作对所有参数进行整体优化,取适应度最小的个体对应的保留的训练样本及优化参数建立最小二乘支持向量机模型。并用该方法用于PX氧化过程4-CBA含量的软测量中,工业数据仿真结果表明,用本文提出的方法稀疏化率达到87%,核参数选取自动完成,与稀疏前建立的模型相比推广能力更高。     

基于偏最小二乘支持向量机的燃煤电站锅炉效率模型

针对电站锅炉燃烧系统非线性强、变量间强耦舍及信号噪声大等特点,提出了基于电站历史运行数据的锅炉效率建模方法。根据锅炉燃烧的机理选取关键输入变量,利用偏最小二乘原理(PLS)对其进行特征提取,建立锅炉效率与所提取特征之间的最小二乘支持向量机(LSSVM)关系模型,组成一个PLS-LSSVM混合模型,并利用电站实际数据对模型的准确性进行验证。结果表明:PLS-LSSVM模型相比于PLS模型具有更强的泛化能力,相比于LSSVM模型有更好的运行效率。     

混沌最小二乘支持向量机及其在发酵过程建模中的应用

针对青霉素发酵过程的参数检测存在不确定因素,提出一种基于混沌最小二乘支持向量机的青霉素浓度预测方案。采用混沌优化算法对最小二乘支持向量机参数进行寻优,建立了一种混沌最小二乘支持向量机模型。首先,利用该模型对两种常规非线性函数曲线进行了仿真回归,结果表明,算法具有良好的建模精度;其次,基于Pensim仿真平台,运用文中方法预测青霉素发酵过程的产物量,实验仿真表明混沌优化算法具有良好的全局优化性能,在参数选择中可以有效避免陷入局部最小值,基于混沌优化的最小二乘支持向量机具有较高的建模精度。     

Liquid holdup measurement with double helix capacitance sensor in horizontal oil-water two-phase flow pipes

This paper presents the characteristics of a double helix capacitance sensor for measurement of the liquid holdup in horizontal oil–water two-phase flow. The finite element method is used to calculate ...     

双螺旋电容传感器水平油水两相流液相持率测量特性(英文)

This paper presents the characteristics of a double helix capacitance sensor for measurement of the liquid holdup in horizontal oil–water two-phase flow. The finite element method is used to calculate the sensitivity field of the sensor in a pipe with 20 mm inner diameter and the effect of sensor geometry on the distribution of sensitivity field is presented. Then, a horizontal oil–water two-phase flow experiment is carried out to measure the response of the double helix capacitance sensor, in which a novel method is proposed to calibrate the liquid holdup based on three pairs of paral el-wire capacitance probes. The performance of the sensor is analyzed in terms of the flow structures detected by mini-conductance array probes.     

气液两相流段塞流持气率快关阀法优化设计

快关阀法(quick closing valve,QCV)是气液两相流流动实验中常用持气率标定手段。特别是由于段塞流中气塞与液塞表现为随机可变流动特性,不合理的快关阀间距及截取次数选择将会导致持气率测量误差增大。提出了一种持气率快关阀法优化设计方案。首先,采用环形电导传感器上下游阵列信号计算流体相关流速,根据相关测速结果提取上游传感器信号对应流动工况的气塞与液塞间隔长度序列,采用Maxwell方程提取液塞中含泡持气率;在此基础上,再依气塞在管道内占比模拟计算不同快关阀间距时捕获的持气率波动序列。通过分析持气率序列波动,从统计学角度指出了95%置信度及5%允许误差情况下所需最低截取次数。最后,在快关阀门间距为1.55 m的条件下对段塞流所需截取次数进行了实验验证。通过对快关阀法持气率测量误差进行统计分析,证明了设置两个快关阀门间距的充分条件。     

基于离散粒子群的气液二相流型特征选择

针对气液二相流型识别中存在的大量无关或冗余的特征会降低分类器性能的缺陷,提出了离散粒子群算法(BPSO)和最小二乘支持向量机(LS-SVM)封装模式的流型特征选择方法.该方法分别采用小波包和经验模式分解方法(EMD)对原始压差波动信号进行分解,分别提取原始信号和各分解信号的时域量纲一指标组成融合特征.然后采用BPSO进...     

稠油-水二相水平管流表观粘度的实验研究

以渤海稠油和水为工质进行尝试实验,作出了水平不锈钢实验回路(内径为25.7 mm,长为52 m)内稠油-水二相管流的流型图,并对管流的表观粘度及影响因素进行了实验研究。着重归纳了含水体积分数、温度等因素对二相管流表观粘度的影响规律,并对比分析了与旋转粘度仪测得粘度值的差异,研究结论对油田现场的油水混输管线的设计与安全运行具有较好的指导意义。     

基于PSO优化LS-SVM的气液两相流干度软测量

对标准孔板进行改进,设计了一种流出特性较好的锥形孔板。将锥形孔板压差脉动特性的经验公式与经过粒子群算法优化的混核最小二乘向量机模型结合,建立了气液两相流干度的软测量模型。该模型的优点是采取径向基核函数和多项式核函数的混合核函数兼顾了局部和全局的拟合能力,且通过对传统最小二乘向量机模型的参数优化,可减少对初始点和样本数量的依赖。实验结果表明,该预测方法可行,且比未经过优化的最小二乘支持向量机模型和经过优化的单核最小二乘向量机模型的泛化能力强,具有实际工程意义。     

基于图像多特征融合和支持向量机的气液两相流流型识别

The knowledge of flow regime is very important for quantifying the pressure drop, the stability and safety of two-phase flow systems. Based on image multi-feature fusion and support vector machine, a new method to identify flow regime in two-phase flow was presented. Firstly, gas-liquid two-phase flow images including bubbly flow, plug flow, slug flow, stratified flow, wavy flow, annular flow and mist flow were captured by digital high speed video systems in the horizontal tube. The image moment invariants and gray level co-occurrence matrix texture features were extracted using image processing techniques. To improve the performance of a multiple classifier system, the rough sets theory was used for reducing the inessential factors. Furthermore, the support vector machine was trained by using these eigenvectors to reduce the dimension as flow regime samples, and the flow regime intel-ligent identification was realized. The test results showed that image features which were reduced with the rough sets theory could excellently reflect the difference between seven typical flow regimes, and successful training the support vector machine could quickly and accurately identify seven typical flow regimes of gas-liquid two-phase flow in the horizontal tube. Image multi-feature fusion method provided a new way to identify the gas-liquid two-phase flow, and achieved higher identification ability than that of single characteristic. The overall identifica-tion accuracy was 100%, and an estimate of the image processing time was 8 ms for online flow regime identifica-tion.     

基于改进的LS-SVM测量油气两相流空隙率

利用ECT电容传感器提供的电容测量值,基于改进的最小二乘支持向量机(LS-SVM),提出了一种油气两相流空隙率测量的新方法.运用该方法测量空隙率时,以ECT电容传感器获取的66个独立电容值作为空隙率模型的输入,计算即可得空隙率.建模阶段,针对LS-SVM使用中存在的问题,首先运用训练数据筛选技巧,对LS-SVM进行稀疏化改进,接着引入实数编码的遗传算法(RC-GA)优化LS-SVM参数,然后运用改进后的LS-SVM和基于RC-GA的参数选取方法建立空隙率测量模型.所提出的空隙率测量方法省去了常用ECT方法测量空隙率时的复杂耗时的图像重建过程,提高了空隙率测量的实时性.实验结果表明,提出的LS-SVM改进和参数优化方法是有效的,提出的空隙率测量方法具有实时性佳的优点,测量精度满足实际应用要求.     

基于多小波相邻系数法的热式油水两相流相含率测量

油水两相流温度信号受到外界噪声干扰,导致油水特性难以辨别,含油率测量范围小。为解决这一问题,采用一种新的信号处理方法——多小波相邻系数法,与多小波传统阈值、向量阈值去噪算法相比,较好地解决了变换系数之间的相关性,去噪效果较好。通过大量的油水实验数据处理发现：利用热电偶测温信号的电压幅值波动测含油率,测量范围为3%～70%,通过曲线拟合,得到热电偶电压幅值波动与含油率的数学表达式,测量误差为7.1%。