CN109283255B - 一种气力输送过程中输送流型的检测方法 - Google Patents
一种气力输送过程中输送流型的检测方法 Download PDFInfo
- Publication number
- CN109283255B CN109283255B CN201810886646.2A CN201810886646A CN109283255B CN 109283255 B CN109283255 B CN 109283255B CN 201810886646 A CN201810886646 A CN 201810886646A CN 109283255 B CN109283255 B CN 109283255B
- Authority
- CN
- China
- Prior art keywords
- acoustic
- flow pattern
- signal
- pipeline
- standard deviation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000001514 detection method Methods 0.000 title claims abstract description 25
- 230000008569 process Effects 0.000 title claims abstract description 20
- 238000009826 distribution Methods 0.000 claims abstract description 22
- 239000002245 particle Substances 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims description 16
- 230000003321 amplification Effects 0.000 claims description 11
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 4
- 239000000725 suspension Substances 0.000 claims description 4
- 238000004062 sedimentation Methods 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 2
- 230000004069 differentiation Effects 0.000 claims description 2
- 239000000463 material Substances 0.000 abstract description 17
- 238000005516 engineering process Methods 0.000 abstract description 8
- 230000004927 fusion Effects 0.000 abstract description 5
- 238000009776 industrial production Methods 0.000 abstract description 4
- 239000012530 fluid Substances 0.000 abstract description 2
- 230000005540 biological transmission Effects 0.000 description 7
- 238000010587 phase diagram Methods 0.000 description 6
- 239000007787 solid Substances 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 4
- 230000005514 two-phase flow Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000003909 pattern recognition Methods 0.000 description 3
- 239000000843 powder Substances 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 239000004743 Polypropylene Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000002808 molecular sieve Substances 0.000 description 2
- -1 polypropylene Polymers 0.000 description 2
- 229920001155 polypropylene Polymers 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- URGAHOPLAPQHLN-UHFFFAOYSA-N sodium aluminosilicate Chemical compound [Na+].[Al+3].[O-][Si]([O-])=O.[O-][Si]([O-])=O URGAHOPLAPQHLN-UHFFFAOYSA-N 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000011888 foil Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000005339 levitation Methods 0.000 description 1
- 229920000092 linear low density polyethylene Polymers 0.000 description 1
- 239000004707 linear low-density polyethylene Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000008188 pellet Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 239000011343 solid material Substances 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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
- G01N29/449—Statistical methods not provided for in G01N29/4409, e.g. averaging, smoothing and interpolation
-
- 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
- G01N2291/02408—Solids in gases, e.g. particle suspensions
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Acoustics & Sound (AREA)
- Probability & Statistics with Applications (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
- Measuring Volume Flow (AREA)
Abstract
本发明公开了一种气力输送过程中输送流型的检测方法，通过非侵入式采集管道内流体粒子碰撞摩擦管壁所产生的声波信号来准确识别管道内物料输送流型。本发明所采用的声波检测是一种非侵入式检测方法，检测装置简单、安全、环保，适用于工业生产过程的在线检测。采用声波传感器阵列，通过多传感器的数据融合可以有效利用输送流型与粒子浓度分布之间的特征关系，对流型进行准确判别。与现有的流型检测技术相比，更为灵敏、准确、易于实施。
Description
技术领域
本发明涉及的是一种气力输送过程中输送参数的检测方法。
背景技术
气力输送通过气体作用来输送固体颗粒，是一种典型的气固两相流操作过程，被广泛应用于化工、冶金、制药等生产过程中。如何减小气力输送过程中的能量损失(压降)，实现能量的最大化利用是该过程面临的主要问题。Zenz等(Industrial&EngineeringChemistry,1949,41(12):2801-2806)研究发现气力输送过程中，在某一固定质量流量下，管道压降随着气速的变化存在极小值，并给出了最小压降点所对应的气速，将其称为最小输送速度。近年来输送气速低于最小输送速度的密相输送技术受到广泛地关注。与稀相输送相比，密相输送由于输送气速较低，具有低能耗、磨损小等优点。但由于密相输送时，固体物料在输送系统中分布不均匀，流型复杂多变，物料输送状态不稳定，使得管道内的压力波动变大并增加了管道堵塞的风险(Powder Technology,2003；129(1):111-121)，实时在线监控管道内密相输送流型的波动对保持密相输送稳定性具有重要意义。
气力输送的流型主要受到物料性质、操作参数的影响。在工业过程中，输送过程的能量损耗是关键因素之一，因而目前工业过程中最常用的仍是Zenz等基于管道压降和气速之间关系建立的相图。但Zenz相图的建立需要大量的实验数据，获取费时费力。Rabinovich等(Powder Technology,粉体技术,2011；207(1):119-133)根据修正的Re数和Ar数的建立了一种新型的相图，可以清晰地反映不同物料进行输送时可能出现的流型。上述流型识别相图均需以特征参数的变化趋势对输送流型进行判别，这就意味着对某一操作条件下的输送流型进行判别时，至少需要同时获得其它两个相邻操作条件下的特征变量，从而依据变化趋势对流型进行判别，在工业生产过程中费时费力。
中国发明专利CN102768229A公开了一种利用双阵列式电容传感器检测管道内局部颗粒浓度并进而依据互相关算法构建管道内速度场分布的方法。根据该专利公开的信息，依据该方法得到的浓度分布和速度分布可对气固两相流的稳定性和流型等过程规律进行检测。但是，电容检测技术极易受到颗粒静电的干扰，而在大多气固两相流中，静电无法忽略，因此该方法的工业应用受到了一定限制。中国发明专利CN103543210A公开了一种通过声发射信号检测气力输送管道中流型的方法。依据该专利，通过对采集的声发射信号进行Hilbert-Huang变换分析，并提取特征值，再经广义回归神经网络(GRNN)可建立流型与声信号特征值的关联，最后可利用训练好的神经网络反推管内流型。这种方法的精度取决于样本库的大小，只有经足够大的样品库训练得到的模型才具有较高的精度，因此建立过程耗时耗力，尚未有成功应用的案例。中国发明专利CN106295569A还公开了一种依据静电信号检测气力输送流型的方法。通过对采集到的不同流型的静电信号进行经验模态分解，得到Hurst指数，再依据Hurst指数的大小将静电信号划分为多个不同尺度，并计算出不同尺度的能量比重。以此为依据，建立流型图。然而，静电并不一定存在于所有气固两相流输送系统，这就导致上述方法的使用具有较大局限性。
综上可知，气力输送过程中流型的判别仍旧是本领域的热点问题，发展出一种普遍适用于工业生产过程的气力输送流型识别技术具有重大的应用价值。因此，本发明希望采用非侵入式的被动式声发射技术，通过采集管内颗粒的运动信息，提取出表征输送流型的特征量，对输送流型进行准确判别，建立具有普适性的流型判别图。
发明内容
本发明的目的在于克服现有技术的不足，提供一种气力输送过程中输送流型的检测方法，通过非侵入式采集管道内流体粒子碰撞摩擦管壁所产生的声波来实现管道内输送流型的准确识别。该检测方法基于输送颗粒在管道截面上的浓度分布进行流型识别，在水平管以及倾斜管气力输送(倾斜角0-60°)均有良好的效果，倾斜角度越小，流型识别准确度越高。
本发明是通过以下技术方案实现的。
一种气力输送过程中输送流型的检测方法，包括以下步骤：
(1)在管道的外壁沿周向设置至少3个声波传感器，分别置于管道顶部、侧壁以及底部用于接收管道内的声波信号；
(2)对采集的声波信号进行预处理，去除噪声；
(3)对去噪后的周向声信号进行数据处理，得到其用于流型判别的声信号特征参数波动分布指数FI，FI的计算步骤如下：将经过预处理的管道不同部位随时间变化的声信号分别以等时间间隔t划分为n段，对每段做标准差处理，得到标准差随时间的变化曲线，然后依据式(1)-(5)计算FI；
式中：d为不同操作条件下声信号标准差越过基线的距离；Fn(d)为声信号标准差在基线之上的几率；λ0为声信号标准差零次矩，表征声信号标准差越过基线的总几率；λ1为声信号标准差一次矩，表征声信号标准差越过基线的总幅值；λ2为声信号标准差二次矩，在一次矩的基础上，进一步强化了幅值的影响。其中基线的定义如下：
式中：
分别为管道顶部、侧壁以及底部声信号标准差均值；
(4)使用得到的声信号特征参数对流型进行判别。
所述步骤(2)中预处理去除噪音的方法选用平滑、微分、多元散射校正、正交信号校正、傅里叶变换、小波变换、净分析信号中的一种或多种。
采集到的声波信号中包括了许多噪声。因此，消除噪声的处理方法就十分关键和必要。本发明的检测方法中的预处理的方法中，平滑可以提高分析信号的信噪比，最常用的方法是移动式平均平滑法和Savizky-Golay多项式平滑。微分可以消除基线漂移、强化谱带特征、克服谱带重叠，是常用的谱预处理方法，一阶微分可以去除同波长无关的漂移，二阶微分可以取出同波长线性相关的漂移。傅里叶变换能够实现谱域函数与时域函数之间的转换，其实质是把原声谱分解成许多不同频率的正弦波的叠加和，它可以用来对声谱进行平滑去噪、数据压缩以及信息的提取。小波变换能将信号根据频率的不同分解成多种尺度成分，并对大小不同的尺度成分采取相应粗细的取样步长，从而能够聚焦于信号中的任何部分。净分析信号算法的基本思想与正交信号校正基本相同，都是通过正交投影除去声谱阵中与待测组分无关的信息。
所述步骤(3)中特征参数FI计算过程的特征在于时间间隔t可于10-6～10-2s内取值，当输送管道管径不变时，颗粒粒径越大，时间间隔越大，颗粒粒径越小，时间间隔越小。
所述的步骤(4)具体为：
(1)针对输送过程中可能产生的三种典型流型柱塞流、沉积流以及悬浮流，基于波动分布指数FI定义声信号“周向波动差”：底部声信号波动分布指数FI减去侧壁声信号波动分布指数FI；
(2)利用周向波动差进行流型判别，其判别准则为：零上为悬浮流，零下为沉积流，在零附近则为柱塞流。
本发明的检测装置包括至少3个声波传感器、信号放大装置、信号采集装置、信号处理装置和控制装置；声波传感器沿管道截面分别设置于管道外壁上，声波传感器组和信号放大装置相连将声波信号转换为电信号传输到信号放大装置，信号放大装置和信号采集装置相连将放大后的信号传输到信号采集装置，信号采集装置和信号处理装置相连将采集到的信号经过分析，信号处理装置和控制装置相连将分析结果和控制目标进行比较，控制装置调节输送气量、阀门开度和输送物料质量流量。
信号处理装置为带信号处理功能的处理器。输送物料质量流量的控制方案为：首先设定物料质量流量的控制目标值；其次得到物料质量流量的测量值；再次，比较测量值和控制目标值，决定调整方向，如果测量值低于控制目标值，应加大输送气量，提高下料阀门开度，如果测量值高于目标值，应降低输送气量，减小下料阀门开度；最后，向控制装置输出控制指令，通过调节输送气量、阀门开度使物料质量流量回归控制目标值。
所述多声波传感器沿管道的同一圆截面均匀分布。多传感器信息融合技术可以大幅提高信息的可信度和可探测性，增强系统的容错能力和自适应性，改进检测性能，提高空间分辨率，增加目标特征矢量的维数，从而提高整个检测系统的性能。本发明的技术方案中设置了声波传感器阵列，采用贝叶斯参数估计算法或加权融合对多个声波传感器接收到的声波信号进行信息融合，可以提高测量精度。
所述声波传感器选自声发射传感器或加速度传感器中的一种或两种。所述声波传感器的频率响应特性相同，频率响应范围为1Hz～1MHz。
本发明相比现有技术具有以下优点：本发明的声波检测是一种非侵入式检测方法，检测装置简单、安全、环保，适用于工业生产过程的在线检测；采用声波传感器阵列，通过多传感器的数据融合可以有效利用输送流型与粒子浓度分布之间的特征关系；基于声波检测的单操作条件流型判别技术与现有技术相比，更为灵敏，检测精度更高，可以替代现有的压降-表观气速流型判别相图。
附图说明
图1是本发明的检测装置的结构示意图；
图2是声波传感器组的分布示意图；
图3是不同质量流率下声信号波动分布指数(FI)随表观气速变化图，其中：(a)7.0kg/(m2·s),(b)10.0kg/(m2·s),(c)15.0kg/(m2·s),(d)20.0kg/(m2·s)；
图4是聚丙烯颗粒不同操作条件下流型判别相图；
图5是多物料不同操作条件下流型判别相图。
具体实施方式
下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
实施例1
如图1所示，本实施例的检测装置包括水平物料输送管道1、一组声波传感器组2、信号放大装置3、信号采集装置4、信号处理装置5；声波传感器组分别设置于管道1外壁上，声波传感器组2和信号放大装置3相连将声波信号转换为电信号传输到信号放大装置3，信号放大装置3和信号采集装置4相连将放大后的信号传输到信号采集装置4，信号采集装置4和信号处理装置5相连将采集到的信号进行分析。
如图2所示，本实施例中声波传感器组2包括4个声波传感器，4个声波传感器分别为211、212、213和214，沿管道1的同一圆截面均匀分布，相邻传感器的夹角为90°。本实施例的声波传感器选用声发射传感器。本实施例通过在管道1截面上设置多个传感器来捕捉输送过程中颗粒壁面作用产生的声发射信号，从而对流型进行识别。
本实施例中物料输送流型的检测如下：
气力输送实验装置由动力系统以及数据采集处理系统组成。动力系统由鼓风机、缓冲罐、转子流量计组成，气力输送系统由给料罐、输送管道和接收罐组成。输送管道的材质为透明有机玻璃，内径为25mm，其中测量段水平管道长4.0m。
实验中所采用的物料为聚丙烯粒料、线性低密度聚乙烯粉料以及不同粒径的ZSM-5分子筛和氧化铝分子筛。具体性质如表1所示：
表1实验物料的部分物性参数
输送风量通过转子流量计测量，压力通过压力传感器测量，输送物料质量由高精度箔式电子秤称量。通过调节给料罐下的阀门来控制输送物料的质量流量。保持输送压力为常压，输送物料质量流量从7.0kg/(m2·s)增大到20.0kg/(m2·s)，同一质量流量下，表观气速从2.6m/s增大到10.8m/s。
对管道不同部位采集的声发射信号进行标准差的求取，具体计算方法为：将经过预处理的管道不同部位随时间变化的声信号分别以等时间间隔t划分为n段，对每段做标准差处理，得到标准差随时间的变化曲线。在标准差曲线的基础上，进一步利用本发明提出的矩方法进行处理，得到了声信号的波动分布指数FI，如图3所示。在悬浮流区域，底部波动信号占据主导，其值稳定在3～4区间内；而在沉积流区域，侧壁波动信号占据主导，其值稳定在2～3区间内；在柱塞流区域，管道不同位置波动特性相近。利用无量纲波动分布指数值区间的稳定性，定义波动分布指数“周向波动差”：底部信号波动分布指数减去侧壁信号波动分布指数，结果如图4所示。可以看出，基于波动分布指数周向波动差的流型判别图很好地将悬浮流、沉积流以及柱塞流进行了区分。零上为悬浮流，零下为沉积流，在零附近则为柱塞流。进一步使用表1中剩余物料进行实验，得到了类似的结果，如图5所示。
实验结果表明，本发明提供的检测方法可以用于水平管道气力气力输送过程中输送流型的检测，且具有很好的精度。
Claims (7)
1.一种气力输送过程中输送流型的检测方法，其特征在于，包括以下步骤：
(1)在管道的外壁沿周向设置至少3个声波传感器，分别置于管道顶部、侧壁以及底部用于接收管道内的声波信号；
(2)对采集的声波信号进行预处理，去除噪声；
(3)对去噪后的周向声信号进行数据处理，得到其用于流型判别的声信号特征参数波动分布指数FI，FI的计算步骤如下：将经过预处理的管道不同部位随时间变化的声信号分别以等时间间隔t划分为n段，对每段做标准差处理，得到标准差随时间的变化曲线，然后依据式(1)-(5)计算FI；
式中：d为不同操作条件下声信号标准差越过基线的距离；Fn(d)为声信号标准差在基线之上的几率；λ0为声信号标准差零次矩，表征声信号标准差越过基线的总几率；λ1为声信号标准差一次矩，表征声信号标准差越过基线的总幅值；λ2为声信号标准差二次矩，其中基线的定义如下：
式中：
分别为管道顶部、侧壁以及底部声信号标准差均值；
(4)使用得到的声信号特征参数对流型进行判别；
所述的步骤(4)具体为：
(4.1)针对输送过程中可能产生的三种典型流型柱塞流、沉积流以及悬浮流，基于波动分布指数FI定义声信号“周向波动差”：底部声信号波动分布指数FI减去侧壁声信号波动分布指数FI；
(4.2)利用周向波动差进行流型判别，其判别准则为：大于0.1为悬浮流，小于-0.1为沉积流，-0.1～0.1则为柱塞流。
2.根据权利要求1所述的气力输送过程中输送流型的检测方法，其特征在于：所述步骤(2)中预处理去除噪音的方法选用平滑、微分、多元散射校正、正交信号校正、傅里叶变换、小波变换、净分析信号中的一种或多种。
3.根据权利要求1所述的气力输送过程中输送流型的检测方法，其特征在于时间间隔t可于10-6～10-2s内取值。
4.根据权利要求1所述的气力输送过程中输送流型的检测方法，其特征在于，至少3个声波传感器沿管道截面分别设置于管道外壁上，声波传感器组和信号放大装置相连将声波信号转换为电信号传输到信号放大装置，信号放大装置和信号采集装置相连将放大后的信号传输到信号采集装置，信号采集装置和信号处理装置相连将采集到的信号经过分析，信号处理装置和控制装置相连将分析结果和控制目标进行比较。
5.根据权利要求4所述的气力输送过程中输送流型的检测方法，其特征在于，所述的至少3个声波传感器，分别置于管道侧壁、顶部以及底部，当传感器数量增加时，仍应保证在管道侧壁、顶部以及底部各有一传感器，其余传感器则均匀布置于颗粒运动剧烈，颗粒运动信息变化敏感的区域。
6.根据权利要求4所述的气力输送过程中输送流型的检测方法，其特征在于，所述声波传感器选自声发射传感器或加速度传感器中的一种或两种。
7.根据权利要求4所述的气力输送过程中输送流型的检测方法，其特征在于，所述声波传感器的频率响应特性相同，频率响应范围为1Hz～1MHz。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810886646.2A CN109283255B (zh) | 2018-08-06 | 2018-08-06 | 一种气力输送过程中输送流型的检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810886646.2A CN109283255B (zh) | 2018-08-06 | 2018-08-06 | 一种气力输送过程中输送流型的检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109283255A CN109283255A (zh) | 2019-01-29 |
| CN109283255B true CN109283255B (zh) | 2020-05-22 |
Family
ID=65182959
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810886646.2A Active CN109283255B (zh) | 2018-08-06 | 2018-08-06 | 一种气力输送过程中输送流型的检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109283255B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111351540B (zh) * | 2020-03-23 | 2021-02-09 | 浙江大学 | 一种气力输送过程中颗粒质量流率的检测方法和系统 |
| CN111896616B (zh) * | 2020-03-29 | 2023-04-07 | 中国石油大学(华东) | 基于声发射-bp神经网络的气液两相流流型识别方法 |
| CN111474243B (zh) * | 2020-04-27 | 2023-11-07 | 上海化工研究院有限公司 | 一种淤浆环管反应器内浆液浓度的测量系统 |
| CN112986381B (zh) * | 2021-02-22 | 2022-07-26 | 浙江大学 | 一种气波管内波系运动特征的检测方法和系统 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5764145A (en) * | 1980-10-07 | 1982-04-19 | Toyo Soda Mfg Co Ltd | Flow type optoacoustic detector |
| US5353627A (en) * | 1993-08-19 | 1994-10-11 | Texaco Inc. | Passive acoustic detection of flow regime in a multi-phase fluid flow |
| CN103543210A (zh) * | 2013-11-14 | 2014-01-29 | 南京航空航天大学 | 基于声发射技术的加压气力输送流型检测装置和方法 |
| CN104316113B (zh) * | 2014-11-20 | 2017-01-11 | 北京华清茵蓝科技有限公司 | 基于弧形静电电极阵列的气固多相流在线测量装置及方法 |
| CN106093187B (zh) * | 2016-06-07 | 2019-01-18 | 浙江大学 | 一种柱塞流输送颗粒回落量的检测方法及装置 |
| CN105973994A (zh) * | 2016-06-15 | 2016-09-28 | 河北大学 | 基于噪声测量的气液两相流流型识别装置和方法 |
| CN106295569A (zh) * | 2016-08-11 | 2017-01-04 | 济南大学 | 一种密相气力输送两相流流型的识别方法 |
-
2018
- 2018-08-06 CN CN201810886646.2A patent/CN109283255B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109283255A (zh) | 2019-01-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109283255B (zh) | 一种气力输送过程中输送流型的检测方法 | |
| CN111351540B (zh) | 一种气力输送过程中颗粒质量流率的检测方法和系统 | |
| CN102853870B (zh) | 一种煤粉输送过程中煤粉质量流量的检测方法及装置 | |
| CN105973343B (zh) | 一种流化床中动态料位的检测方法 | |
| CN105067061A (zh) | 一种基于静电与电容传感器阵列的粉体质量流量测量装置及方法 | |
| CN102906550B (zh) | 指示材料间边界的探测器 | |
| CN104316720A (zh) | 自适应流速变化的电荷感应在线粉尘检测装置及其方法 | |
| CN110579622B (zh) | 基于三角电极电容传感器的金属颗粒流速测量装置及方法 | |
| CN111141332B (zh) | 蒸馏酒摘酒过程的导流装置以及在线测量系统和方法 | |
| CN115169733A (zh) | 基于深度学习的内孤立波对深海沉积物再悬浮量预测方法 | |
| CN113281409B (zh) | 一种水力输送过程中固体流动形态及浓度的检测方法和系统 | |
| CN105352571B (zh) | 一种基于指数关系估计的粮仓重量检测方法及装置 | |
| CN111007153B (zh) | 一种射流鼓泡反应器气液分散状态的检测方法 | |
| CN102645552A (zh) | 一种用于渡越时间测量的自适应相关算法 | |
| CN106093187B (zh) | 一种柱塞流输送颗粒回落量的检测方法及装置 | |
| CN108982678B (zh) | 一种多层流化床溢流管流体流动状态的检测方法 | |
| JPH06117600A (ja) | ガス、蒸気等の漏洩地点および漏洩量推定システム | |
| Hamzah | Study Of The Effectiveness Of Subsea Pipeline Leak Detection Methods | |
| CN108398488B (zh) | 一种声波检测旋风分离器分离效率临界变化的方法 | |
| CN109806815B (zh) | 基于液速波动的射流鼓泡反应器气液分散状态检测方法 | |
| KR102238888B1 (ko) | 인공지능을 이용한 강수량 측정 방법 | |
| CN106681378A (zh) | 一种矿浆旋流池的智能控制方法 | |
| CN109211343B (zh) | 一种用于高温强磁场下浓相颗粒流流量测量仪及测量方法 | |
| CN109580716B (zh) | 基于静电检测的循环流化床提升段气固流型的识别方法 | |
| CN111735528B (zh) | 一种基于knn投票精准定位扰动点的方法 |
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 |