CN108038494B - 基于数据融合的两相流流型识别方法 - Google Patents
基于数据融合的两相流流型识别方法 Download PDFInfo
- Publication number
- CN108038494B CN108038494B CN201711239764.6A CN201711239764A CN108038494B CN 108038494 B CN108038494 B CN 108038494B CN 201711239764 A CN201711239764 A CN 201711239764A CN 108038494 B CN108038494 B CN 108038494B
- Authority
- CN
- China
- Prior art keywords
- energy
- flow
- electrode
- module
- indicate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M10/00—Hydrodynamic testing; Arrangements in or on ship-testing tanks or water tunnels
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/14—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object using acoustic emission techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/141—Discrete Fourier transforms
- G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/024—Mixtures
- G01N2291/02425—Liquids in gases, e.g. sprays
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/024—Mixtures
- G01N2291/02433—Gases in liquids, e.g. bubbles, foams
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Analysis (AREA)
- Pathology (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Immunology (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Acoustics & Sound (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Discrete Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Fluid Mechanics (AREA)
- Signal Processing (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明涉及一种基于数据融合的两相流流型识别方法,包括:数据降维处理;模块划分:根据水平两相流分布的不均匀特性,按照电极在管道中的分布位置,自上向下分成彼此不相交的四个模块;计算节点间关联强度;计算各个模块的狄利克雷能量值;计算一段时间内能量和;计算各模块能量占总能量的百分比:各个模块的总能量;计算模块能量比作为流型识别的两个特征量;利用快速傅里叶变换对超声回波信号做频谱分析,得到回波信号分布的频带宽度bandwidth作为能够表征流速的一个特征量;得到三维流型分布图;定量识别流型。
Description
技术领域
本发明属于流体测量技术领域,用模块化狄利克雷能量提取电阻层析成像技术测量的相分布信息,进而与连续波超声多普勒传感器测量的流速信息融合,实现水平气水两相流流型识别。
技术背景
两相流是石油化工、冶金、能源及核工业等生产过程中的一种普遍现象,作为两相流动的一种重要形式,气水两相流广泛存在于天然气的开采运输与核能源的开发利用中。对两相流流型的准确判别是实现多相流建模和流动控制的重要基础,也是保证生产设备安全、稳定运行,提高生产效率的重要环节;同时,也对推动我国新能源(如天然气、核电等)的开发利用和解决环境污染的难题,具有重要的意义。
目前,针对流型识别的研究工作和成果有很多,比如利用不同的差压流量计,电导探针,射线衰减技术,电阻层析成像以及超声技术等。然而,大多数研究都利用单一传感器或单变量时间序列对流动过程的平均信息或单点信息进行测量,进而识别流型,难以全面地描述流型特性。由于流型是相含率和流速共同决定的一种复杂的两相时空分布状态,因此,对于流型的识别应该同时兼顾相分布和流速两方面的信息。根据多普勒效应,连续波超声多普勒传感器,可以测量两相流中散射体(气泡和液滴)的流动速度。超声多普勒的回波信号与两相流中散射体的大小、数量以及分布的位置有关,因此通过分析回波信号的频谱能获得流型信息。电阻层析成像技术的16个电极传感器均匀地分布在管截面,测量场内相分布信息。其原始测量数据可以看作多变量时间序列,对于它的信息提取方法有主成分分析,熵分析,以及非线性时间序列分析等方法。有时,这些方法只能得到流动特性的定性分析,而不能获得定量的特征。
发明内容
本发明的目的是在现有传感器技术的基础上,提出一种融合电阻层析成像技术多通道的原始测量数据和超声多普勒传感器的回波信号准确判别管道内水平气水两相流流型的方法。技术方案如下:
1.一种基于数据融合的两相流流型识别方法,包括下列步骤:
1)数据降维处理:利用16电极电阻层析成像系统获取测试数据,用全水条件下的测量值对其进行标定和降维处理,得到与传感器电极编号相对应的16维时间序列Vt,i,t为降维后测量矩阵Vt,i的行对应于第t帧采样数据,i为降维后测量矩阵Vt,i的列对应于电极编号,i=1,2,…,16,其计算方法为:
Vij0表示管道内充满水时第i个激励电极下的第j,j=1,2,…,13个测量电压值,Vij表示相应的两相流条件下的测量电压值。
2)模块划分:根据水平两相流分布的不均匀特性,按照电极在管道中的分布位置,自上向下分成彼此不相交的四个模块,每个模块中包含四个电极,分别命名为模块M1、模块M2、模块M3和模块M4;
3)计算节点间关联强度:fi表示第i电极测得的时间序列,即步骤1)中降维后的测量矩阵Vt,i的第i列,用互相关函数计算16维时间序列的关联系数,得到各个电极节点间的关联强度ωij:
其中,cov(fi,fj)表示电极i和电极j上时间序列的协方差,表示电极i上时间序列的标准差,表示电极j上时间序列的标准差;
4)计算各个模块的狄利克雷能量值:将每个传感器电极视为一个节点,将节点间的关联系数视为边,形成一个无向标记图,某一时刻t模块Mx的狄利克雷能量表示为:
其中,vx∈v,v={1,2,…n}表示图的顶点,vx表示图中x模块内的顶点,ωij代表节点间关联系数,fi,t和fj,t表示t时刻节点上的信号,i表示vx中节点序号,j表示v中节点序号;
5)计算一段时间内能量和:一段时间内总的狄利克雷能量可以表示为各时刻能量的加和:
T表示一段时间内总的采样数,计算得到四个模块的一段时间内总的能量值分别为MDE(M1),MDE(M2),MDE(M3)和MDE(M4);
6)计算各模块能量占总能量的百分比:各个模块的总能量:
MDE(total)=MDE(M1)+MDE(M2)+MDE(M3)+MDE(M4) (5)
各模块占总能量的百分比:
7)计算模块能量比
作为流型识别的两个特征量;
8)利用快速傅里叶变换对超声回波信号做频谱分析,将0Hz为频率分布范围的起点,频谱图的拐点作为频率分布范围的终点,得到回波信号分布的频带宽度bandwidth作为能够表征流速的一个特征量;
9)得到三维流型分布图:融合ratio1、ratio2与带宽这三个特征,以ratio1为横坐标,ratio2为纵坐标,带宽为竖坐标,得到不同工况条件下水平气水两相泡状流、塞状流、弹状流、环状流分层流的流型分布图;
10)定量识别流型:将定量指标D定义为:
根据D的值判断流型,按照D的大小判断流型,D从小到大,流型依次为:分层流、塞状流、泡状流,当弹状流和环状流。
本发明的实质性特点是:利用电阻层析成像获取两相流的相含率信息,利用连续波超声多普勒技术获取测量空间内离散相的流速信息。通过多通道数据特征提取和单时间序列分析,分别得到能够代表相含率分布和流速的特征量,最后将提取的特征量融合得到流型分布结果和定量判别指标。本发明的有益效果及优点如下:
1)该方法为无扰动的测量手段,不会对流型产生任何的影响;
2)融合了电阻层析成像技术获取的两相流相分布信息以及超声多普勒技术获取的两相流流速信息,对被测对象的描述更完整,识别结果更加准确。
3)提出了一个定量判别流型的指标,判断过程更加简单。
附图说明
以下附图描述了本发明所选择的实施例,均为示例性附图而非穷举或限制性,其中:
图1本发明的测量方法中电阻层析成像系统示意图;
图2本发明的测量方法中电阻层析成像系统中电极模块划分示意图;
图3本发明的无向标记图与模块化狄利克雷能量方法示意图;
图4本发明的测量方法连续波超声多普勒传感器示意图;
图5本发明的测量方法中连续波多普勒传感器回波的频带分布宽度示意图;
图6(a)为本发明的测量方法中提取的三个特征在三维空间空中的分布示意图;
图6(b)为本发明的测量方法中流型特征在数轴上的定量分布示意图;
图7本发明的识别方法实施流程图。
具体实施方式
下面结合说明书附图详细说明本发明的计算方法。
本发明基于电阻层析成像技术的多电极传感器结构,利用模块化狄利克雷能量的算法进行模块划分并及计算相应的能量值,将能量分布的比值信息作为特征;结合超声传感器获得的回波信号的频谱分布图,提取带宽信息作为特征,得到水平管气水两相泡状流、塞状流、弹状流、环状流以及分层流的三维分布结果图,融合两种传感器提取的特征值,最终得到一个能够定量识别流型的指标。
图1本发明的测量方法中电阻层析成像系统示意图。本发明以16电极电阻层析成像系统为例,其他数目电极电阻层析成像系统也可适用于该方法。16个边界电极采用相邻激励、相邻测量的方式测量场域内边界电压。比如将激励电流注入14号、15号相邻电极,依次测量其他相邻的13个电极间的电压,重复这一过程,直到完成了所有电极的激励和测量,每帧测量可采集208个边界电压值。
图2本发明的测量方法中电阻层析成像系统中电极模块划分示意图。根据电极在管道中的安装位置,将电极从上到下分为四个互不相交的模块,模块1位于管道的顶端,包含7号、8号、9号和10号电极;模块2位于管道中心线以上的部分,包含5号、6号、11号和12号电极;模块3位于管道中心线以下的部分,包含3号、4号、13号和14号电极;模块4位于管道底部,包含1号、2号、15号和16号电极。
图3本发明的测量方法中无向标记图与模块化狄利克雷能量方法示意图。无向标记图中包含若干电极节点,其中部分电极分别组合成模块M1,M2,M3,……。模块M1的能量取决于M1中包含的彩色节点和边缘,M1和M3之间的能量通过连接两个模块的虚线计算。
图4为本发明的测量方法中连续波超声多普勒传感器示意图。双晶探头被安装管道底部,镶嵌在管壁中。双晶探头包括一个接收压电陶瓷晶片和一个发射压电陶瓷晶片,压电晶片转化的电信号包括激励信号和接收信号。两晶片均倾斜附着在切割成固定几何形状的声耦合材料上,且所在平面的法线方向与流体流动方向的夹角为α。连续波多普勒测量空间的定义为发射声波和接收声波的声场重叠区域。流经此区域流体中离散相的速度信息可以被超声多普勒传感器获取。
图5为本发明的测量方法中连续波多普勒传感器所测回波的频带分布宽度示意图。将频谱中幅值大小开始保持不变的频率点作为回波频率分布范围的度量。
图7为本发明的流型识别方法实施流程图。下面以水平管道内气水两相流为例,对本发明的两相流流型识别方法进行说明,该方法也可用于如油水两相流和油气水三相流的流型识别中,气水两相流流型识别测量方法计算步骤如下:
步骤1:将电阻层析成像系统采集的高维数据进行标定和降维处理。
16电极的电阻层析成像系统每帧可以采到208个数据,用全水条件下的测量值对其进行标定和降维处理,Vij0表示管道内充满水时第i(i=1,2,…,16)个激励电极下的第j(j=1,2,…,13)个测量电压值,得到与传感器电极编号相对应的16维时间序列Vt,i:
t为Vt,i的行对应于第t帧采样数据,i为Vt,i的列对应于电极编号,Vij表示气水两相流条件下第i(i=1,2,…,16)个激励电极下的第j(j=1,2,…,13)个测量电压值。
步骤2:电阻层析成像系统电极模块划分。
根据水平两相流分布的不均匀特性,按照传感器电极在管道中的分布位置,自上向下分成彼此不相交的四个模块,每个模块中包含四个电极,分别命名为模块M1、模块M2、模块M3和模块M4,如图2所示。
步骤3:计算节点间关联系数。
第i(i=1,2,…,16)个电极测得的时间序列fi即为步骤1中降维后的测量矩阵Vt,i的第i列,用互相关函数求16维时间序列的关联系数,得到各个电极节点间的关联强度ωij:
其中,cov(fi,fj)表示电极i和电极j上时间序列的协方差,表示电极i上时间序列的标准差,表示电极j上时间序列的标准差。
步骤4:计算各个模块的狄利克雷能量值。
将每个传感器电极视为一个节点,将节点间的关联系数视为边,形成一个如图3所示的无向标记图,某一时刻t模块Mx的狄利克雷能量可以表示为:
其中,vx∈v,v={1,2,…n}表示一个无向标记图的顶点,vx表示图中某一模块内的顶点,ωij代表节点间关联系数,fi,t和fj,t表示t时刻节点上的信号,i表示vx中节点序号,j表示v中节点序号。
步骤5:计算一段时间内能量和。
一段时间内总的狄利克雷能量可以表示为各时刻内能量的加和:
其中T表示一段时间内总的采样数,计算得到四个模块的一段时间内总的能量值分别为MDE(M1),MDE(M2),MDE(M3)和MDE(M4)。
步骤6:计算各模块能量占总能量的百分比。
各个模块的总能量:
MDE(total)=MDE(M1)+MDE(M2)+MDE(M3)+MDE(M4) (5)
各模块占总能量的比值:
步骤7:计算模块能量比作为特征值。
将模块1的能量与模块4的能量的比值定义为ratio1,模块1与模块3的能量比定义为ratio2:
步骤8:利用快速傅里叶变换对超声回波信号做频谱分析,将0Hz为频率分布范围的起点,频谱图的拐点作为频率分布范围的终点,得到回波信号的分布的频带宽度(bandwidth)作为能够表征流速的一个特征量,如图5所示。
步骤9:得到流型分布图。
融合ratio1、ratio2与带宽这三个特征,以ratio1为横坐标,ratio2为纵坐标,带宽为竖坐标,得到不同工况条件下水平气水两相泡状流、塞状流、弹状流、环状流以及分层流的流型分布结果,如图6(a)所示。
步骤10:定量识别流型。
将定量指标D定义为:
对未知工况下的电阻层析成像测量数据按照公式(1)-公式(7)处理得到ratio1和ratio2,对连续波超声多普勒数据按照步骤(8)提到的方法处理得到bandwidth,将这三个值带入公式(8)。根据D的值判断流型,如图6(b)所示,当D小于1900时为分层流,当D大于1900小于3500时为塞状流,当D大于3500小于10000时为泡状流,当D大于10000小于20000时可以判定为弹状流,当D大于20000时为环状流。
权利要求书
一种基于数据融合的水平气水两相流型识别方法,采用一个同侧收发的的超声换能器,超声换能器的测量空间可以覆盖整个管道截面,用来测量两相流中散射体流速;相含率测量装置—电阻层析成像系统测量相含率信息。所采用的电阻层析成像测量系统包含16个电极,每个电极都包含与局部相含率有关的信息。一种基于图形信号处理的模块化狄利克雷能量方法,针对电阻层析成像技术中的多通道测量数据,具体计算步骤包括:
1)数据降维处理。16电极的电阻层析成像系统每帧可以采到208个数据,用全水条件下的测量值对其进行标定和降维处理,得到与传感器电极编号相对应的16维时间序列,其计算方法
其中,t表示第t帧采样数据,(t∈T,T表示一段时间内总的采样数),i表示电极编号(i=1,2,…,16),Vij0表示管道内充满水时第i(i=1,2,…,16)个激励电极下的第j(j=1,2,…,13)个测量电压值,Vij表示相应的两相流条件下的测量电压值。
2)模块划分。根据水平两相流分布的不均匀特性,按照传感器电极在管道中的分布位置,自上向下分成彼此不相交的四个模块,每个模块中包含四个电极,分别命名为模块M1、模块M2、模块M3和模块M4。
3)计算节点间关联系数。第i(i=1,2,…,16)个电极测得的时间序列fi即为步骤1中降维后的测量矩阵Vt,i的第i列,用互相关函数求16维时间序列的关联系数,得到各个电极节点间的关联强度其中,cov(fi,fj)表示电极i和电极j上时间序列的协方差,表示电极i上时间序列的标准差,表示电极j上时间序列的标准差。
4)计算各个模块的狄利克雷能量值。t时刻模块Mx的狄利克雷能量可以表示为:其中,vx∈v,v={1,2,…n}表示一个无向标记图的顶点,vx表示图中某一模块内的顶点,ωij代表节点间关联系数,fi,t和fj,t表示t时刻节点上的信号,i表示vx中节点序号,j表示v中节点序号。
5)计算一段时间内能量和。一段时间内总的狄利克雷能量可以表示为各时刻内能量的加和:计算得到四个模块的一段时间内总的能量值分别为MDE(M1),MDE(M2),MDE(M3)和MDE(M4)。
6)计算各模块能量占总能量的百分比。各个模块的总能量:MDE(total)=MDE(M1)+MDE(M2)+MDE(M3)+MDE(M4)各模块占总能量的比值:
7)计算模块能量比作为流型识别的两个特征。
8)利用快速傅里叶变换对超声回波信号做频谱分析,将0Hz为频率分布范围的起点,频谱图的拐点作为频率分布范围的终点,得到回波信号的分布的频带宽度(bandwidth)作为能够表征流速的一个特征量。
9)得到三维流型分布图。融合ratio1、ratio2与带宽这三个特征,以ratio1为横坐标,ratio2为纵坐标,带宽为竖坐标,得到不同工况条件下水平气水两相泡状流、塞状流、弹状流、环状流以及分层流的流型分布结果。
10)定量识别流型。对未知工况下的电阻层析成像测量数据按照公式(1)-公式(7)处理得到ratio1和ratio2,对连续波超声多普勒数据按照步骤(8)提到的方法处理得到bandwidth,将这三个值带入公式根据D的值判断流型。当D小于1900时为分层流,当D大于1900小于3500时为塞状流,当D大于3500小于10000时为泡状流,当D大于10000小于20000时可以判定为弹状流,当D大于20000时为环状流。
Claims (1)
1.一种基于数据融合的两相流流型识别方法,包括下列步骤:
1)数据降维处理:利用16电极电阻层析成像系统获取测试数据,用全水条件下的测量值对其进行标定和降维处理,得到与传感器电极编号相对应的16维时间序列Vt,i,t为降维后测量矩阵Vt,i的行对应于第t帧采样数据,i为降维后测量矩阵Vt,i的列对应于电极编号,i=1,2,…,16,其计算方法为:
Vij0表示管道内充满水时第i个激励电极下的第j,j=1,2,…,13个测量电压值,Vij表示相应的两相流条件下的测量电压值;
2)模块划分:根据水平两相流分布的不均匀特性,按照电极在管道中的分布位置,自上向下分成彼此不相交的四个模块,每个模块中包含四个电极,分别命名为模块M1、模块M2、模块M3和模块M4;
3)计算节点间关联强度:fi表示第i电极测得的时间序列,即步骤1)中降维后的测量矩阵Vt,i的第i列,用互相关函数计算16维时间序列的关联系数,得到各个电极节点间的关联强度ωij:
其中,cov(fi,fj)表示电极i和电极j上时间序列的协方差,表示电极i上时间序列的标准差,表示电极j上时间序列的标准差;
4)计算各个模块的狄利克雷能量值:将每个传感器电极视为一个节点,将节点间的关联系数视为边,形成一个无向标记图,某一时刻t模块Mx的狄利克雷能量表示为:
其中,vx∈v,v={1,2,…n}表示图的顶点,vx表示图中x模块内的顶点,ωij代表节点间关联系数,fi,t和fj,t表示t时刻节点上的信号,i表示vx中节点序号,j表示v中节点序号;
5)计算一段时间内能量和:一段时间内总的狄利克雷能量可以表示为各时刻能量的加和:
T表示一段时间内总的采样数,计算得到四个模块的一段时间内总的能量值分别为MDE(M1),MDE(M2),MDE(M3)和MDE(M4);
6)计算各模块能量占总能量的百分比:各个模块的总能量:
MDE(total)=MDE(M1)+MDE(M2)+MDE(M3)+MDE(M4) (5)
各模块占总能量的百分比:
7)计算模块能量比
作为流型识别的两个特征量;
8)利用快速傅里叶变换对超声回波信号做频谱分析,将0Hz作为频率分布范围的起点,频谱图的拐点作为频率分布范围的终点,得到回波信号分布的频带宽度bandwidth作为能够表征流速的一个特征量;
9)得到三维流型分布图:融合ratio1、ratio2与带宽这三个特征,以ratio1为横坐标,ratio2为纵坐标,带宽为竖坐标,得到不同工况条件下水平气水两相泡状流、塞状流、弹状流、环状流分层流的流型分布图;
10)定量识别流型:将定量指标D定义为:
根据D的值判断流型,按照D的大小判断流型,D从小到大,流型依次为:分层流、塞状流、泡状流,弹状流和环状流。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711239764.6A CN108038494B (zh) | 2017-11-30 | 2017-11-30 | 基于数据融合的两相流流型识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711239764.6A CN108038494B (zh) | 2017-11-30 | 2017-11-30 | 基于数据融合的两相流流型识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108038494A CN108038494A (zh) | 2018-05-15 |
CN108038494B true CN108038494B (zh) | 2019-11-08 |
Family
ID=62094937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711239764.6A Active CN108038494B (zh) | 2017-11-30 | 2017-11-30 | 基于数据融合的两相流流型识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108038494B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111337546B (zh) * | 2020-02-28 | 2022-05-31 | 西安建筑科技大学 | 一种两相流型的测定方法及降膜蒸发实验装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105426889A (zh) * | 2015-11-13 | 2016-03-23 | 浙江大学 | 基于pca混合特征融合的气液两相流流型识别方法 |
CN105675253A (zh) * | 2016-01-05 | 2016-06-15 | 中山大学 | 基于两相流压降噪音频谱分析的流型判别方法及其系统 |
CN107153086A (zh) * | 2017-04-28 | 2017-09-12 | 天津大学 | 两相流过程参数的声电双模态融合测量方法 |
-
2017
- 2017-11-30 CN CN201711239764.6A patent/CN108038494B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105426889A (zh) * | 2015-11-13 | 2016-03-23 | 浙江大学 | 基于pca混合特征融合的气液两相流流型识别方法 |
CN105675253A (zh) * | 2016-01-05 | 2016-06-15 | 中山大学 | 基于两相流压降噪音频谱分析的流型判别方法及其系统 |
CN107153086A (zh) * | 2017-04-28 | 2017-09-12 | 天津大学 | 两相流过程参数的声电双模态融合测量方法 |
Non-Patent Citations (4)
Title |
---|
Locating temporal functional dynamics of visual short-term memory binding using graph modular Dirichlet energy;Keith Smith et al;《Scientific Reports》;20170210;第1-12页 * |
Oil–water two-phase flow pattern analysis with ERT based measurement and multivariate maximum Lyapunov exponent;Tan Chao et al;《Journal of Central South University》;20161231;第23卷;第240-248页 * |
基于超声波技术的水平管气液两相流流型识别方法;赵德喜 等;《油气储运》;20140228;第33卷(第2期);第165-171页 * |
截面多电导与超声多普勒融合的油水两相流型识别;沈莹 等;《第36届中国控制会议》;20170728;第5078-5082页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108038494A (zh) | 2018-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104155471B (zh) | 基于超声与电学多传感器互相关测速的多相流测试方法 | |
CN104101687B (zh) | 基于超声多普勒与电学多传感器的多相流可视化测试方法 | |
Dong et al. | Application of electrical resistance tomography to two-phase pipe flow parameters measurement | |
CN104155358A (zh) | 超声多普勒与电学传感器组合多相流可视化测试装置 | |
CN107153086B (zh) | 两相流过程参数的声电双模态融合测量方法 | |
CN202916242U (zh) | 气液两相流流型在线监测装置 | |
CN104089985A (zh) | 基于电学与超声敏感原理的多相流可视化测试方法 | |
Fan et al. | Two-phase air–water slug flow measurement in horizontal pipe using conductance probes and neural network | |
CN104090020A (zh) | 基于电学与超声双模态多相流测量装置 | |
CN105486358B (zh) | 基于文丘里管双差压的气液两相流参数测量方法 | |
CN112067691B (zh) | 油气水三相介质衰减谱融合多频超声层析成像方法 | |
US20150253164A1 (en) | Tomographic and sonar-based processing using electrical probing of a flowing fluid to determine flow rate | |
Furuichi | Fundamental uncertainty analysis of flowrate measurement using the ultrasonic Doppler velocity profile method | |
CN106609661A (zh) | 钻井液流量检测装置及方法 | |
CN110108331A (zh) | 基于ert的同质气液混合两相流流量测试方法及系统 | |
CN104965104A (zh) | 两相流分相流速声电双模态测量方法 | |
CN105486487A (zh) | 一种波浪检测系统 | |
Markfort et al. | Canopy-wake dynamics and wind sheltering effects on Earth surface fluxes | |
Dong et al. | Two methods for measurement of gas-liquid flows in vertical upward pipe using dual-plane ERT system | |
CN105806424B (zh) | 一种多相流不分离在线测量装置及其测量方法 | |
CN108038494B (zh) | 基于数据融合的两相流流型识别方法 | |
Zhu et al. | Flow regime detection using gamma-ray-based multiphase flowmeter: A machine learning approach | |
CN109188016A (zh) | 油气水三相流分相流速声电双模态测量方法 | |
CN112710703B (zh) | 一种带有导电特性补偿的电导网格传感器三相流成像方法 | |
EP2985597A1 (en) | Steam wetness measurement device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |