CN110243870B - 一种基于介质损耗角正切层析成像技术的含水率测量方法 - Google Patents

Abstract

一种基于介质损耗角正切层析成像技术的含水率测量方法，步骤1：通过阻抗测量电路获取传感器阵列电极的电压响应信号的正交分量和同相分量，进而获取反映待测区域内混合物的损耗角正切的位移电流相位值

步骤2：对传感器参数进行数学建模，求取初始灵敏度矩阵S₀；步骤3：根据已获取测得的位移电流相位值

及初始灵敏度矩阵S₀，利用图像重构算法，得到实时变化的被测流体的介质分布图像；步骤4：对重构图像进行图像分割处理，有效的将目标与背景分离,进而获取混合物的含水率；本发明比现有含水率测量技术具有以下优点：非接触、响应速度快、适用范围广、安全性高且无辐射、设备结构简单且不受流型影响。

Description

一种基于介质损耗角正切层析成像技术的含水率测量方法

技术领域

本发明涉及电学法多相流参数检测技术领域，尤其涉及一种基于介质损耗角正切层析成像技术的含水率测量方法。

背景技术

当今市场上针对多相流参数测量的含水率计测量精度普遍不高，尤其当流体混合物流态复杂时，测量精度更难保证。为了消除流型的影响，过程层析成像(processtomography,PT)逐渐发展成为新一代的以两相流或多相流为主要检测对象的空间参数分布状况实时检测技术。其中，电容层析成像技术(Electrical Capacitance Tomography，ECT)是一种基于电容敏感机理的电学层析成像技术，因其具有非接触、响应速度快、安全性高、无辐射、设备结构简单等优点^[5]，正成为工业过程多相流参数检测的研究热点。

然而当多相流混合物中含有高介电常数的介质且持有率较高时，例如生产测井中含水混合物，传统ECT层析成像的精度普遍较差，甚至不能成像。造成这种现象的原因主要来自于等效介电常数的改变对电场(灵敏度矩阵)的影响。在实际求解中我们通常忽略介电常数扰动对电场的影响，通过玻恩近似将这个问题线性化。但是严格意义上讲，只有当介电常数改变较小时玻恩近似才能适用。当具有高介电常数的介质存在，且该介质占有的体积分数比较大时，玻恩近似就不能满足了，此时继续当作线性关系来处理，成像精度就会很差。因此，ECT并不适用于高介电常数的介质大量存在的多相流，例如混合物中含水的情况。然而，海上石油、天然气生产测井管道内流体是典型的油-水、气-水两相流对象。因此，在保留ECT传感器结构的非接触、响应速度快、结构简单等优势上，研究新的电学层析成像方法以实现含高介电常数相的多相流参数的精确测量，将具有重要的意义。

发明内容

为了解决传统含水率测量不精确，易受流型影响的问题，本发明的目的在于提供了一种基于介质损耗角正切层析成像技术的含水率测量方法，采用非接触式阵列式电极层析成像技术，使得含水率测量不干扰流场，且不受流型干扰，并采用灵敏度自适应调整及图像分割模块，提高了图像重构质量，进一步提升含水率测量精度。

为了达到上述目的，本发明的技术方案为：

一种基于介质损耗角正切层析成像技术的含水率测量方法，包括以下步骤：

步骤1：通过阻抗测量电路获取传感器阵列电极的电压响应信号的正交分量和同相分量，进而获取反映待测区域内混合物的损耗角正切的位移电流相位值

步骤2：对传感器参数进行数学建模，求取初始灵敏度矩阵S₀；

步骤3：根据已获取测得的位移电流相位值

及初始灵敏度矩阵S₀，利用图像重构算法，得到实时变化的被测流体的介质分布图像；

步骤4：对重构图像进行图像分割处理，有效的将目标与背景分离,进而获取混合物的含水率。

步骤1中所述传感器阵列电极为12片或16片电极，等间隔围绕于待测区域，即测量管壁外侧，并采用柔性电极板印刷技术以保证阵列电极之间的对称性、一致性；所述传感器阵列电极为非接触式阵列传感器结构，具有不干扰流场的特性。

所述步骤1具体为：传感器阵列电极中任意一个为激励电极i，其余为待测电极j，依次将幅值为V_in，频率为4.5MHz的双极性正弦波激励信号施加在激励电极i上，其中i＝1,2,3,…12，待测电极j连接阻抗测量电路将阻抗信息转换为电压信号，其中j＝1,2,3,…12，且j≠i，然后通过放大、模拟乘法器、滤波单元输出所需要的直流信号；其中当模拟乘法器输入信号与激励信号同相时(V_in)，得到的直流信号为正交分量；当模拟乘法器输入信号与激励信号正交相时(V_in)，得到的直流信号为同相分量；两个分量求阻抗相位角，即位移电流相位值

步骤3中，图像重构算法采用基于自适应灵敏度的重构算法实现对待测介质的分布成像，首先，分析介质分布改变对灵敏度系数的影响；其次，建立不同介质分布的灵敏度系数库；最终，通过粗略得到的物场分布，更新灵敏度矩阵，利用更新的灵敏度矩阵保证DCPT的灵敏度系数始终位于最优线性区，降低图像重构失真。

步骤4中，图像分割是对重构图像进行自适应二维最大熵阈值分割，将图像中各相目标与背景分离；含水率的计算是对分割图像中代表各相分布的像素进行统计而取得的，具体为：利用图像中各像素的灰度值及其邻域平均灰度值分布所构成的二维直方图进行分割，将图像中各相目标与背景分离，具体为：

设图像大小N×M，灰度级为L，则图像的二维直方图表示为p_i,j＝n_i,j/N×M，0≤i,j≤L-1，n_i,j表示图像中灰度值为i，临域灰度值为j的像素个数；区域A和区域B代表目标和背景，阈值向量(s,t)，s是像素的灰度值，t是该像素的邻域均值，设

因此，区域A的二维熵得到：

同理，区域B的二维熵得到：

H(B)＝lg(P_B)+H_B/P_B (3)

式中，

因此，熵判别函数表示为φ(s,t)＝H(A)+H(B)，最佳阈值向量(s,t)应该满足，

从上述技术方案可以看出，本发明的基于介质损耗角正切层析成像技术的含水率测量方法及系统具有以下有益效果：

(1)采用了非接触式阵列电极和介质损耗角正切的层析成像原理，因此该测量手段不干扰流场，不受流型影响，且可以实现高介电常数相(例如水)的多相流成像。

(2)加入自适应灵敏度的图像重构算法，可以补偿层析成像逆问题非线性带来的图像重构失真，进而提高图像重构精度。

(3)加入自适应熵阈图像分割单元，有效的将重构图像中的目标与背景分离，提高相含率的计算精度。

附图说明

图1是本发明的基于介质损耗角正切层析成像技术的含水率测量方法流程示意图。

图2是本发明的基于介质损耗角正切层析成像技术的含水率测量系统组成示意图。

图3为本发明一种实施例提供的图像分割效果示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例并参照附图，对本发明进一步详细说明。需要说明的是，在附图或说明书描述中，相似或相同的部分都使用相同的图号。附图中未绘示或描述的实现方式，为所属技术领域中普通技术人员所知的形式。另外，虽然本文可提供包含特定值的参数的示范，但应了解，参数无需确切等于相应的值，而是可在可接受的误差容限或设计约束内近似于相应的值。实施例中提到的方向用语，例如“上”、“下”、“前”、“后”、“左”、“右”等，仅是参考附图的方向。因此，使用的方向用语是用来说明并非用来限制本发明的保护范围。

介质损耗角正切层析成像技术的表达式如下。

式中，

测量相位变化，S灵敏度矩阵，Δμ损耗因子变化，N_p剖分单元个数。根据公式(1)，本实施例基于介质损耗角正切层析成像技术的含水率测量方法如下，图1为相含率测量方法的流程示意图。

步骤1：通过阻抗测量电路获取传感器阵列电极的电压响应信号的正交分量和同相分量，进而获取反映待测区域内混合物的损耗角正切的位移电流相位值

测量方法如下：

传感器阵列电极中任意一个为激励电极i，其余为待测电极j，依次将幅值为V_in，频率为4.5MHz的双极性正弦波激励信号施加在激励电极i上，其中i＝1,2,3,…12。待测电极j连接基本阻抗测量电路将阻抗信息转换为电压信号，其中j＝1,2,3,…12，且j≠i，然后通过放大、模拟乘法器、滤波等单元输出所需要的直流信号。其中当模拟乘法器输入信号与激励信号同相时(V_in)，得到的直流信号为正交分量。当模拟乘法器输入信号与激励信号正交相时(V_in)，得到的直流信号为同相分量。两个分量求阻抗相位角(即位移电流相位值

)，根据i和j的排列组合，共可以得到66个相位值。

本实施例中，传感器为非接触式12阵列电极结构，具有不干扰流场的特性。

步骤2，建立传感器数学模型，计算初始灵敏度矩阵。利用有限元法或者借助有限元分析软件，根据实际传感器参数，建立传感器数学模型，计算层析成像系统的初始灵敏度矩阵。

步骤3，利用图像重构算法及采集到的相位值进行图像重构，建立测量相位值与待测区域内部介质的损耗因子分布之间的关系，得到实时变化的被测流体的介质分布图像。在传统图像重构算法中加入自适应灵敏度矩阵，本发明中的所述的传统重构算法包括但不限于线性反投影LBP算法、Landwebwer迭代算法、离线迭代在线重构OIOR算法、正则化算法，以及基于机器学习、神经网络等方法。

本实施例中，采用基于自适应灵敏度矩阵的Landwebwer迭代算法。首先对66个测量相位值进行统计分析，提取均值、标准偏差、三阶矩及一致性等统计特征作为流型识别的特征向量，实现初步的流型识别。然后根据流型的不同，选择对应的灵敏度矩阵代入Landwebwer迭代算法。

步骤4，对重构图像进行图像分割处理，有效的将目标与背景分离,进而获取混合物的含水率。

图2为本实施例图像分割效果。本实施例中，采用自适应二维最大熵阈值算法对重构图像进行图像分割，利用图像中各像素的灰度值及其邻域平均灰度值分布所构成的二维直方图进行分割，将图像中各相目标与背景分离。

设图像大小N×M，灰度级为L，则图像的二维直方图表示为p_i,j＝n_i,j/N×M，0≤i,j≤L-1，n_i,j表示图像中灰度值为i，临域灰度值为j的像素个数；区域A和区域B代表目标和背景，阈值向量(s,t)，s是像素的灰度值，t是该像素的邻域均值，设

因此，区域A的二维熵可以得到：

同理，区域B的二维熵可以得到：

H(B)＝lg(P_B)+H_B/P_B. (3)

式中，

因此，熵判别函数可以表示为φ(s,t)＝H(A)+H(B)。

最佳阈值向量(s,t)应该满足，

其最佳阈值向量的判别方法采用微粒群、遗传算法或网格法寻优算法。

参照图3，本实施例中，所述传感器阵列电极为12片电极等间隔围绕于测量管壁外侧，并采用柔性电极板印刷技术以保证阵列电极之间的对称性、一致性。

本实施例中，步骤1中所述的阻抗测量电路是利用基于模拟相敏解调电路的原理，主要包括运算放大、模拟乘法器、滤波等单元。其中，阻抗基本测量模块采用AD818，模拟乘法器采用AD734。

本实施例中，步骤1是通过数据测量及采集单元来实现的，数据测量及采集单元以ARM Cortex-M4架构的STM32系列处理器为核心，实现信号采集及控制，并将采集到电压值通过串口传输到上位机。

本实施例中，步骤3和4是数据处理单元部分，主要利用计算机上的MATLAB软件上实现，包括以下步骤：图像重构模块、图像分割模块及相含率计算模块。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种基于介质损耗角正切层析成像技术的含水率测量方法，其特征在于，包括以下步骤：

步骤1：通过阻抗测量电路获取传感器阵列电极的电压响应信号的正交分量和同相分量，进而获取反映待测区域内混合物的损耗角正切的位移电流相位值

步骤2：对传感器参数进行数学建模，求取初始灵敏度矩阵S₀；即利用有限元法或者借助有限元分析软件，根据实际传感器参数，建立传感器数学模型，计算层析成像系统的初始灵敏度矩阵；

步骤3：根据已获取测得的位移电流相位值

及初始灵敏度矩阵S₀，利用图像重构算法，得到实时变化的被测流体的介质分布图像；

步骤4：对重构图像进行图像分割处理，将目标与背景分离,进而获取混合物的含水率；

所述的步骤1具体为：传感器阵列电极中任意一个为激励电极i，其余为待测电极j，依次将幅值为V_in，频率为4.5MHz的双极性正弦波激励信号施加在激励电极i上，其中i＝1,2,3,…12，待测电极j连接阻抗测量电路将阻抗信息转换为电压信号，其中j＝1,2,3,…12，且j≠i，然后通过放大、模拟乘法器、滤波单元输出所需要的直流信号；其中当模拟乘法器输入信号与激励信号同相时，得到的直流信号为正交分量；当模拟乘法器输入信号与激励信号正交相时，得到的直流信号为同相分量；两个分量求阻抗相位角，即位移电流相位值

所述的步骤3中，图像重构算法采用基于自适应灵敏度的重构算法实现对待测介质的分布成像，首先，分析介质分布改变对灵敏度系数的影响；其次，建立不同介质分布的灵敏度系数库；最终，通过粗略得到的物场分布，更新灵敏度矩阵，利用更新的灵敏度矩阵可以保证DCPT的灵敏度系数始终位于最优线性区，降低图像重构失真；

所述的步骤4中，图像分割是对重构图像进行自适应二维最大熵阈值分割，将图像中各相目标与背景分离；含水率的计算是对分割图像中代表各相分布的像素进行统计而取得的，具体为：利用图像中各像素的灰度值及其邻域平均灰度值分布所构成的二维直方图进行分割，将图像中各相目标与背景分离，具体为:

设图像大小M×N，灰度级为L，则图像的二维直方图表示为p_i,j＝n_i,j/M×N，0≤i,j≤L-1，n_i,j表示图像中灰度值为i，临域灰度值为j的像素个数；区域A和区域B代表目标和背景，阈值向量(s,t)，s是像素的灰度值，t是该像素的邻域均值，设

，

；

因此，区域A的二维熵得到：

同理，区域B的二维熵得到：

H(B)＝lg(P_B)+H_B/P_B (3)

式中，

因此，熵判别函数表示为φ(s,t)＝H(A)+H(B)，最佳阈值向量(s,t)应该满足，

2.根据权利要求1所述的一种基于介质损耗角正切层析成像技术的含水率测量方法，其特征在于，步骤1中所述传感器阵列电极为12片或16片电极，等间隔围绕于待测区域，即测量管壁外侧，并采用柔性电极板印刷技术以保证阵列电极之间的对称性、一致性；所述传感器阵列电极为非接触式阵列传感器结构。

Images