CN111504402B - 传感器参数优化方法和装置、控制器及介质 - Google Patents

传感器参数优化方法和装置、控制器及介质 Download PDF

Info

Publication number
CN111504402B
CN111504402B CN201910164604.2A CN201910164604A CN111504402B CN 111504402 B CN111504402 B CN 111504402B CN 201910164604 A CN201910164604 A CN 201910164604A CN 111504402 B CN111504402 B CN 111504402B
Authority
CN
China
Prior art keywords
electrode
flow
spacing
parameter optimization
total
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
Application number
CN201910164604.2A
Other languages
English (en)
Other versions
CN111504402A (zh
Inventor
李英伟
杨韵桐
马少卿
张玉辉
王延军
李雷
刘兴斌
谢荣华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhuhai Hetian Electronic Technology Co ltd
Original Assignee
Yanshan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yanshan University filed Critical Yanshan University
Publication of CN111504402A publication Critical patent/CN111504402A/zh
Application granted granted Critical
Publication of CN111504402B publication Critical patent/CN111504402B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F1/00—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow
    • G01F1/56—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow by using electric or magnetic effects
    • G01F1/58—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow by using electric or magnetic effects by electromagnetic flowmeters
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F15/00—Details of, or accessories for, apparatus of groups G01F1/00 - G01F13/00 insofar as such details or appliances are not adapted to particular types of such apparatus

Landscapes

  • Physics & Mathematics (AREA)
  • Fluid Mechanics (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Measuring Volume Flow (AREA)

Abstract

本发明涉及一种传感器参数优化方法和装置、控制器及介质，应用于电磁流量传感器，所述方法包括：获取电磁流量传感器在一定的总流量、电极横向间距和电极纵向间距下测量管道内的平均流速和相关流速；获取所述相关流速和平均流速的误差率；将所述电极横向间距和电极纵向间距作为输入参数，多个总流量下对应的所述误差率作为输出参数，构建参数优化模型；将所述参数优化模型进行权值分配，得到所述电磁流量传感器的最佳电极横向间距和电极纵向间距。本发明通过分析多个总流量下相关流速和平均流速的误差率，获取电磁流量传感器的最优参数，时间短，成本低。

Description

传感器参数优化方法和装置、控制器及介质
技术领域
本发明涉及电磁流量传感器技术领域，尤其涉及一种传感器参数优化方法和装置、控制器及介质。
背景技术
电磁流量传感器是基于法拉第电磁感应定律对流经传感器的流体的体积流量进行检测的仪器，例如可用于测量井下流量。由于电磁流量计管道内部光滑无阻流元件，不会干扰流体流动，不会产生压力损失，且测量结果与被测流体的温度、粘度、压力等物理参数没有关系，因此电磁流量传感器为准确测量井下多相流流量提供了有效的技术支持，例如井下油气水三相流流量。相关法可用于测量两个信号的相关性，适用于流体系统的流量测量。电磁相关测量以传感器为中心，传感器的主要包括励磁结构和检测电极，检测电极在励磁结构的作用下通过运用相关技术处理，将油管内部被测流体产生的随机流动噪声信号进行识别处理，进而将速度作为一种流量的识别变量，这就是电磁流量传感器的测量原理。
在全球石油能源紧缩之际，研究人员不断探索电磁流量传感器参数优化技术。电磁流量传感器的检测电极之间的横向距离和纵向距离，即电极横向间距和电极纵向间距是实现电磁流量传感器的关键技术之一，电极横向间距和电极纵向间距的设定将直接影响电磁流量传感器的测量精度，例如，当上游电极和下游电极之间距离较大时，会使上游电极和下游电极不处于同一个磁场中，会产生涡流，从而产生测量误差。若单纯的通过经验来改变电极结构参数来优化电磁流量传感器参数会耗费大量的物力财力，且准确度很难把握，因此，如何实现电磁流量传感器的参数优化成为亟待解决的技术问题。
发明内容
本发明目的在于，提供一种传感器参数优化方法和装置、控制器及介质，能够获取电磁流量传感器的最优参数，且时间短，成本低。
为了解决上述技术问题，根据本发明第一实施例，提供了一种传感器参数优化方法，应用于电磁流量传感器，所述方法包括:
获取电磁流量传感器在一定的总流量、电极横向间距和电极纵向间距下测量管道内的平均流速和相关流速，其中，所述电极横向间距为测量管道的内径，所述电极纵向间距为上游电极和下游电极之间的距离；
获取所述相关流速和平均流速的误差率；
将所述电极横向间距和电极纵向间距作为输入参数，多个总流量下对应的所述误差率作为输出参数，构建参数优化模型；
将所述参数优化模型进行权值分配，得到所述电磁流量传感器的最佳电极横向间距和电极纵向间距。
进一步的，获取电磁流量传感器在一定的总流量、电极横向间距和电极纵向间距下测量管道内的平均流速和相关流速，包括以下步骤：
构建电磁流量传感器的测量管道模型；
在所述测量管道模型中设定总流量、电极横向间距和电极纵向间距，获取测量管道内的平均流速；
在所述上游电极和下游电极上分别设定两个测量点，上游电极和下游电极的测量点两两一一对应；
获取多个时刻下所述上游电极和下游电极所有测量点的流速值；
将每一时刻所述上游电极的两个测量点的流速值相减，得到该时刻对应的第一测量信号；
将每一时刻所述下游电极的两个测量点的流速值相减，得到该时刻对应的第二测量信号；
将所述多个时刻下对应的第一测量信号和第二测量信号互相关，得到所述相关系数和相关流速。
进一步的，将所述多个时刻下对应的第一测量信号和第二测量信号互相关，得到所述相关系数和相关流速，包括：
设所述多个时刻包括M个时刻，M为正整数，i＝1,2…M,根据公式(1)得到所述相关系数：
Figure BDA0001985882030000031
其中，r表示相关系数，Vt(t)表示第一测量信号，Vti(t)表示第i时刻对应的第一测量信号，
Figure BDA0001985882030000032
表示M个时刻下对应的第一测量信号的均值；Vl(t)表示第二测量信号，
Figure BDA0001985882030000033
表示第i时刻对应的第二测量信号，
Figure BDA0001985882030000034
表示M个时刻下对应的第二测量信号的均值；
将Vt(t)和Vl(t)通过公式(2)进行互相关运算；
Figure BDA0001985882030000035
获取
Figure BDA0001985882030000036
的峰值，得到第一测量信号和第二测量信号的渡越时间，记为τ，设电极纵向间距为L，则通过公式(3)求得相关流速rv：
rv＝L/τ (3)。
进一步的，所述方法还包括：
设定相关系数阈值，将所述相关系数和相关系数阈值相比较，若所述相关系数小于等于所述相关系数阈值，则剔除该相关系数对应的总流量、电极横向间距和电极纵向间距值。
进一步的，所述参数优化模型为神经网络模型，所述将所述参数优化模型进行权值分配，得到所述电磁流量传感器的最佳电极横向间距和电极纵向间距，包括以下步骤：
根据所述多个总流量下对应的所述误差率定义电极间距最佳参数优化因子；
对所述神经网络模型进行权值分配，获取所述最佳参数优化因子的最小值，此时，所述多个总流量下对应的所述误差率达到平衡，对应的电极横向间距和电极纵向间距即为所述电磁流量传感器的最佳电极间距。
进一步的，通过公式(4)定义所述最佳参数优化因子:
Figure BDA0001985882030000037
其中，设所述多个总流量包括N个不同的总流量，分别为第一总流量、第二总流量、第三总流量…第N总流量，N为正整数，Ψ表示最佳参数优化因子，
Figure BDA0001985882030000041
表示总流量为第一总流量时的误差率，w1表示
Figure BDA0001985882030000042
对应的权值；
Figure BDA0001985882030000043
表示总流量为第二总流量时的误差率，w2表示
Figure BDA0001985882030000044
对应的权值；
Figure BDA0001985882030000045
表示总流量为第三总流量时的误差率，w3表示
Figure BDA0001985882030000046
对应的权值…
Figure BDA0001985882030000047
表示总流量为第N总流量时的误差率,wN表示
Figure BDA0001985882030000048
对应的权值。
根据本发明第二实施例，提供了一种传感器参数优化装置，应用于电磁流量传感器，所述装置包括:
流速获取模块，配置为获取电磁流量传感器在一定的总流量、电极横向间距和电极纵向间距下测量管道内的平均流速和相关流速，其中，所述电极横向间距为测量管道的内径，所述电极纵向间距为上游电极和下游电极之间的距离；
误差率获取模块，配置为获取所述相关流速和平均流速的误差率；
参数优化模型构建模块，配置为将所述电极横向间距和电极纵向间距作为输入参数，多个总流量下对应的所述误差率作为输出参数，构建参数优化模型；
参数优化模块，配置为将所述参数优化模型进行权值分配，得到所述电磁流量传感器的最佳电极横向间距和电极纵向间距。
进一步的，所述流速获取模块包括：
测量管道模型构建单元，配置为构建电磁流量传感器的测量管道模型；
平均流速获取单元，配置为在所述测量管道模型中设定总流量、电极横向间距和电极纵向间距，获取测量管道内的平均流速；
测量点设定单元，配置为在所述上游电极和下游电极上分别设定两个测量点，上游电极和下游电极的测量点两两一一对应；
测量点流速获取单元，配置为获取多个时刻下所述上游电极和下游电极所有测量点的流速值；
第一输出单元，配置为将每一时刻所述上游电极的两个测量点的流速值相减，得到该时刻对应的第一测量信号；
第二输出单元，配置为将每一时刻所述下游电极的两个测量点的流速值相减，得到该时刻对应的第二测量信号；
相关流速获取单元，配置为将所述多个时刻下对应的第一测量信号和第二测量信号互相关，得到所述相关系数和相关流速。
进一步的，设所述多个时刻包括M个时刻，M为正整数，i＝1,2…M,所述相关流速获取单元还配置为：
根据公式(1)得到所述相关系数：
Figure BDA0001985882030000051
其中，r表示相关系数，Vt(t)表示第一测量信号，
Figure BDA0001985882030000052
表示第i时刻对应的第一测量信号，
Figure BDA0001985882030000053
表示M个时刻下对应的第一测量信号的均值；Vl(t)表示第二测量信号，
Figure BDA0001985882030000054
表示第i时刻对应的第二测量信号，
Figure BDA0001985882030000055
表示M个时刻下对应的第二测量信号的均值；
将Vt(t)和Vl(t)通过公式(2)进行互相关运算；
Figure BDA0001985882030000056
获取
Figure BDA0001985882030000057
的峰值，得到第一测量信号和第二测量信号的渡越时间，记为τ，设电极纵向间距为L，则通过公式(3)求得相关流速rv：
rv＝L/τ (3)。
进一步的，所述装置还包括参数筛选模块，配置为设定相关系数阈值，将所述相关系数和相关系数阈值相比较，若所述相关系数小于等于所述相关系数阈值，则剔除该相关系数对应的总流量、电极横向间距和电极纵向间距值。
进一步的，所述参数优化模型为神经网络模型，所述参数优化模块还配置为：
根据所述多个总流量下对应的所述误差率定义电极间距最佳参数优化因子；
对所述神经网络模型进行权值分配，获取所述最佳参数优化因子的最小值，此时，所述多个总流量下对应的所述误差率达到平衡，对应的电极横向间距和电极纵向间距即为所述电磁流量传感器的最佳电极间距。
进一步的，所述参数优化模块通过公式(4)定义所述最佳参数优化因子:
Figure BDA0001985882030000061
其中，设所述多个总流量包括N个不同的总流量，分别为第一总流量、第二总流量、第三总流量…第N总流量，N为正整数，Ψ表示最佳参数优化因子，
Figure BDA0001985882030000062
表示总流量为第一总流量时的误差率，w1表示
Figure BDA0001985882030000063
对应的权值；
Figure BDA0001985882030000064
表示总流量为第二总流量时的误差率，w2表示
Figure BDA0001985882030000065
对应的权值；
Figure BDA0001985882030000066
表示总流量为第三总流量时的误差率，w3表示
Figure BDA0001985882030000067
对应的权值…
Figure BDA0001985882030000068
表示总流量为第N总流量时的误差率,wN表示
Figure BDA0001985882030000069
对应的权值。
根据本发明第三实施例，提供了一种控制器，其包括存储器与处理器，所述存储器存储有计算机程序，所述程序在被所述处理器执行时能够实现所述方法的步骤。
根据本发明第四实施例，提供了一种计算机可读存储介质，用于存储计算机程序，所述程序在由一计算机或处理器执行时实现所述方法的步骤。
本发明与现有技术相比具有明显的优点和有益效果。借由上述技术方案，本发明一种传感器参数优化方法和装置、控制器及介质可达到相当的技术进步性及实用性，并具有产业上的广泛利用价值，其至少具有下列优点：
本发明通过分析多个总流量下相关流速和平均流速的误差率，获取电磁流量传感器的最优参数，时间短，成本低。采用神经网络建模的方法，减少计算量，为电磁流量传感器参数的优化设计减少大量的时间，节省了人力物力。本发明仅需要提供有代表性的数据作为学习数据训练神经网络，便可获得准确的预测值。此外，本发明通过定义电磁流量传感器最佳参数优化因子，并设置不同的权值找到该因子最优解对应的电磁流量传感器最佳结构参数，使结果达到较好的平衡，为传统的多参数结构设计提供了更好的解决方式。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图,详细说明如下。
附图说明
图1为本发明实施例提供的电磁流量传感器参数优化方法示意图；
图2为本发明实施例提供的电磁流量传感器的测量管道模型示意图；
图3为本发明实施例提供的电磁流量传感器的测量管道模型相关流量测量示意图；
图4为本发明实施例提供的电磁流量传感器在不同电极横向间距的平均流速示意图；
图5(a)为本发明实施例提供的电磁流量传感器在不同电极间距下对应的相关系数分布示意图；
图5(b)为本发明实施例提供的电磁流量传感器在不同电极间距下对应的误差率分布示意图；
图6为本发明实施例提供的电磁流量传感器电极间距径向神经网络模型图；
图7为本发明实施例提供的电磁流量传感器电极间距优化过程示意图；
图8(a)为本发明实施例提供的不同权值分配下电极间距分布示意图；
图8(b)为本发明是实施例提供的不同权值下分配误差率分布示意图；
图9为本发明实施例提供的电磁流量传感器参数优化装置示意图。
【符号说明】
1：流速获取模块 2：误差率获取模块
3：参数优化模型构建模块 4：参数优化模块
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例，对依据本发明提出的一种传感器参数优化方法和装置、控制器及介质的具体实施方式及其功效，详细说明如后。
本发明实施例提供了一种传感器参数优化方法，应用于电磁流量传感器，如图1所示，包括以下步骤:
步骤S1、获取电磁流量传感器在一定的总流量、电极横向间距和电极纵向间距下测量管道内的平均流速和相关流速，其中，所述电极横向间距为测量管道的内径，所述电极纵向间距为上游电极和下游电极之间的距离。
作为一种示例，所述步骤S1包括以下步骤：
步骤S11、构建电磁流量传感器的测量管道模型，例如，可采用FLUENT软件构建电磁流量传感器测量管道内流体流速的仿真模型，具体的，可选取合适的FLUENT软件，划分网格，设置边界条件，建立仿真模型，对多相流(如油气水三相流或油水两相流或气水两相流)不同总流量下不同电极间距的电磁流量传感器测量管道内的流速进行仿真分析。
步骤S12、在所述测量管道模型中设定总流量、电极横向间距和电极纵向间距，获取测量管道内的平均流速；
步骤S13、在所述上游电极和下游电极上分别设定两个测量点，上游电极和下游电极的测量点两两一一对应；作为一种示例，所述上游电极和下游电极上可分别设定两个测量点。
步骤S14、获取多个时刻下所述上游电极和下游电极所有测量点的流速值；
步骤S15、将每一时刻所述上游电极的两个测量点的流速值相减，得到该时刻对应的第一测量信号；
步骤S16、将每一时刻所述下游电极的两个测量点的流速值相减，得到该时刻对应的第二测量信号；
步骤S17、将所述多个时刻下对应的第一测量信号和第二测量信号互相关，得到所述相关系数和相关流速。
所述步骤S17包括：
设所述多个时刻包括M个时刻，M为正整数，i＝1,2…M,根据公式(1)得到所述相关系数：
Figure BDA0001985882030000091
其中，r表示相关系数，Vt(t)表示第一测量信号，
Figure BDA0001985882030000092
表示第i时刻对应的第一测量信号，
Figure BDA0001985882030000093
表示M个时刻下对应的第一测量信号的均值；Vl(t)表示第二测量信号，
Figure BDA0001985882030000094
表示第i时刻对应的第二测量信号，
Figure BDA0001985882030000095
表示M个时刻下对应的第二测量信号的均值；
将Vt(t)和Vl(t)通过公式(2)进行互相关运算；
Figure BDA0001985882030000096
获取
Figure BDA0001985882030000097
的峰值，得到第一测量信号和第二测量信号的渡越时间，记为τ，设电极纵向间距为L，则通过公式(3)求得相关流速rv：
rv＝L/τ (3)。
所述方法还包括步骤S10、设定相关系数阈值，将所述相关系数和相关系数阈值相比较，若所述相关系数小于等于所述相关系数阈值，则剔除该相关系数对应的总流量、电极横向间距和电极纵向间距值。
步骤S2、获取所述相关流速和平均流速的误差率；
Figure BDA0001985882030000098
其中
Figure BDA0001985882030000099
为测量管道内流体的平均流速，rv为相关流速。Δ为实际流速和相关流速的误差率。
影响电磁流量传感器电极间距的主要因素有两种，一种是电极横向间距，一种是电极纵向间距。采用FLUENT软件对多相流总流量不同，电极横纵向间距不同时进行数值模拟。例如可首先改变电极的横向间距进行数值模拟，通过对多相流总流量不同电极横向间距不同时的仿真结果进行分析，得到各种电极横向间距多相流的流速分布，并对电磁流量传感器测量管道内流体的平均流速及测量管道内流体的平均流速随电极横向间距的变化关系进行分析，电极横向间距越大，平均流速越小。但是流速平均越大说明管道压力越大，平均流速不能无限增大，这样会降低管道内的安全系数；其次可改变电极纵向间距和横向间距，以上游电极和下游电极上可分别设定两个测量点为示例，得到不同时刻的上下游检测电极，既四个点的流速值，将上游的两个测量点的流速值相减得到第一测量信号Vt(t)，将下游两个测量点的流速值相减得到第二测量信号Vl(t)两个信号值将相同横纵间距相同流量，不同时刻的上下游测量信号进行相关运算，得到相关速度，将平均流速与相关流速的误差率作为评价传感器电极间距性能的评价指标，误差率越小所对应的电极间距越优。
步骤S3、将所述电极横向间距和电极纵向间距作为输入参数，多个总流量下对应的所述误差率作为输出参数，构建参数优化模型；
步骤S4、将所述参数优化模型进行权值分配，得到所述电磁流量传感器的最佳电极横向间距和电极纵向间距。
作为一种示例，所述参数优化模型为神经网络模型，通过构建神经网络模型，得出不同电极间距参数与误差率之间的变化规律。所述步骤S4，包括：
根据所述多个总流量下对应的所述误差率定义电极间距最佳参数优化因子；
对所述神经网络模型进行权值分配，获取所述最佳参数优化因子的最小值，此时，所述多个总流量下对应的所述误差率达到平衡，对应的电极横向间距和电极纵向间距即为所述电磁流量传感器的最佳电极间距。
可通过公式(4)定义所述最佳参数优化因子:
Figure BDA0001985882030000101
其中，设所述多个总流量包括N个不同的总流量，分别为第一总流量、第二总流量、第三总流量…第N总流量，N为正整数，Ψ表示最佳参数优化因子，
Figure BDA0001985882030000102
表示总流量为第一总流量时的误差率，w1表示
Figure BDA0001985882030000103
对应的权值；
Figure BDA0001985882030000111
表示总流量为第二总流量时的误差率，w2表示
Figure BDA0001985882030000112
对应的权值；
Figure BDA0001985882030000113
表示总流量为第三总流量时的误差率，w3表示
Figure BDA0001985882030000114
对应的权值…
Figure BDA0001985882030000115
表示总流量为第N总流量时的误差率,wN表示
Figure BDA0001985882030000116
对应的权值。
以下通过一具体实施例对本发明所述技术方案进行详细说明：
图2为本实施例中使用的电磁流量传感器的测量管道模型，该模型的电磁流量传感器在励磁线圈磁场覆盖的空间范围内有两对检测电极。本实施例中设定先接触测量管道内流体的电极为上游电极，A1和B1为上游电极测量点，后接触管道内流体的电极为下游电极，A2和B2为下游电极测量点，流体流动方向为自下向上，两对电极间隔距离为L，即电极纵向间距L。上游电极输出的第一测量信号为Vt(t)和下游电极输出的第二测量信号为Vl(t)在同一励磁线圈产生的磁场E1E2中，因此具有相关性。
本实施例中采用GAMBIT前处理软件建立电磁流量传感器的物理模型。在建立模型的过程中遵循点到线，线到面的过程。由于建立该模型的主要目的是对传感器测量管道内流体的流速进行仿真，此时电磁流量传感器检测电极的形状和材质无关。该模型建立完成后需要对其进行网格划分，间隔计数(INTERVAL COUNT)的值越大划分的网格越细，本实施例中将间隔计数设置为1000。然后对电磁流量传感器测量管道的边界进行定义，首先定义测量管道的入口，设置为速度入口，定义测量管道的出口为压力出口，其他区域设置为管道墙壁。在使用GAMBIT建模时，将电磁流量传感器测量管道长度设为200mm的垂直上升井，并分别将电极横向间距设置为8mm-20mm，步进2mm，建立7种不同的电磁流量传感器测量管道模型。
将GAMBIT构建好的仿真模型导入到FLUENT仿真软件进行求解。本实施中利用FLUENT仿真软件对油气水三相流流体总流量分别为30m3/d，80m3/d和150m3/d，油气水含油率20％，含水率70％和含气率10％的情况下对电磁流量传感器测量管道内流体的流速进行仿真。需要说明的是，流体总流量不限于3种，在实际应用中可根据所需精度需求等因素设定不同总流量数，例如也可设置为4种总流量，5种总流量等。本实施例中设置A1、B1、A2、B2四个测量点的流体流速分别为V1、V2、V3、V4(本实施例中，由于采用数值模拟的方式进行，因此四个检测点得到的信号为流速信号，与采用硬件测量时得到的信号有所不同，但对最后的结果没有影响)，如图3所示。
当电磁流量传感器的横向间距和纵向间距一定时，得到不同时刻四个点电极的流速值，将相同纵坐标的两个点电极的流速值做差，既(V1-V2)，(V3-V4)，得到不同时刻的第一测量信号Vt(t)和第二测量信号Vl(t)，将不同时刻的第一测量信号和第二测量信号进行相关运算，通过公式(1)得到相关系数和通过公式(2)和(3)得到相关流速；改变横纵间距和总流量，得到不同横纵间距及总流量下对应的相关系数和相关流速。
本实施例在油气水三相流总流量为30m3/d，80m3/d和150m3/d的情况下提取传感器电极横向间距一定纵轴取不同值时管道横截面流体的流速。为了使流速分布更直观，将不同管道横截面流体的流速导出，之后可通过MATLAB对流体的流速进行数据处理，经计算最终得到测量管道纵轴取不同值时管道横截面流体流速分布。本实施例提取FLUENT仿真后传感器电极纵向间距即上下游电极的距离为4mm-40mm，步进4mm，共10组位置的流体流速进行分析。电极横向间距有7组，电极纵向间距有10组，两两组合一共有70组。提取测量管道上不同总流量不同电极横向间距和不同电极纵向间距下3×70×4一共840个点流体流速，即210组V1、V2、V3、V4的值，进而分析流体的流速随电极纵向间距的变化关系。
本实施例设定上游电极和下游电极输出的测量信号是在同一传感器励磁线圈的励磁作用下检测的，因此具有相关性。相关性是由上下游电极输出信号的相关系数决定的，并且相关系数决定了两对检测电极测量信号的相关程度。相关系数的值大于等于-1，小于等于1。本实施例中设定当相关系数的值大于等于0.5时，判定为上下游电极的测量信号有较高的相关性，即第一测量信号和第二测量信号的相关程度较高；当相关系数的值大于等于0.3小于等于0.5时候，判定第一测量信号和第二测量信号之间的相关系数中等，即中等相关；当相关系数大于0小于等于0.3时判定为第一测量信号和第二测量信号程弱相关；当相关系数小于等于0时，判定第一测量信号和第二测量信号没有相关性，即相关系数阈值为0，此时得到的数据不在考虑范围内，直接将对应的总流量、电极横向间距和电极纵向间距值剔除，不作为构建参数优化模型使用，从而提高参数优化模型的精度。
误差率越小电极间距越优，因此将平均流速和相关流速的误差率作为评价电极间距性能的评价指标。本实施例在对电磁流量传感器测量管道内流体流速仿真的基础上，计算了各种电极间距下两对检测电极的相关系数和流体实际流速和相关流速的误差率。设定电极横向间距Dh为8mm-20mm，步进2mm，即7组变量，不同电极横向间距Dh下对应的平均流速分布如图4所示；上下游两对检测电极的纵向间距Dv为4mm-40mm，步进4mm，即10组变量，共70组。因此理论上两对检测电极的相关系数和实际流速与相关流速的误差率分别也是70组。本实施例判定当第一测量信号和第二测量信号的相关系数小于等于0时，认为第一测量信号和第二测量信号没有相关性，此时得到的数据不在考虑范围内，直接剔除。因此通过筛选数据得出油气水三相流总流量30m3/d时有效数据为62组，总流量80m3/d时为60组，总流量150m3/d时为48组，利用170组有效相关数据得出实际流速和相关流速的误差率。如图5所示为本实施例列举的总流量30m3/d时不同电极间距相关系数和误差率示意图。
本实施例采用神经网络建模方法构建不同电极间距参数下平均际流速和相关流速的误差率的参数优化模型。通过构建电极间距神经网络模型找到不同电极间距参数与误差率之间的变化规律。由于相关系数的关系，该模型电极间距涉及的参数较少，因此本实施例采用径向基神经网络即可满足此模型的建模要求，如图6所示为电磁流量传感器电极间距径向基神经网络模型图。本实施例将电极横纵向间距作为神经网络的输入参数，油气水三相流总流量30m3/d，80m3/d和150m3/d下流体平均流速和相关流速的误差率作为神经网络的输出参数。如图8所示，该模型的神经网络由三种流量下的误差率共三个子网络构成，且每个子网络均含两个输入参数和一个输出参数。本实施例将170组仿真结果作为学习数据，分别对电极间距评价神经网络模型中的三个子网络进行训练。训练过程中将三种流量下平均流速和相关流速误差率的训练扩展速度均设为1，神经网络的均方误差目标设置均为1e-06。总流量30m3/d时，隐层神经元的个数为61，误差率神经网络的训练误差为2.77226×10-30，总流量80m3/d时，隐层神经元的个数为59，误差率神经网络的训练误差为1.53823×10-31，总流量150m3/d时，隐层神经元的个数为47，误差率神经网络的训练误差为1.34468×10-31，均满足设计要求。
本实施例对电磁流量传感器电极间距结构优化设计的目的是将油气水三相流总流量30m3/d，80m3/d和150m3/d情况下平均流速和相关流速误差率的神经网络模型达到较好平衡。如图7所示为电磁流量传感器电极间距结构优化设计图。为使三种流量下实际流速和相关流速的误差率达到平衡。本实施例将上述三种电极间距神经网络模型进行权值分配，通过公式(4)定义电极间距的最佳参数优化因子。本实施例中分别将w2和w3置为1，w1逐渐增大；w1和w3置为1，w2逐渐增大；w1和w2置为1，w3逐渐增大时在总流量30m3/d，80m3/d和150m3/d的情况下Ψ最小值所对应电极横向间距和电极纵向间距随平均流速和相关流速误差率的变化规律。如图8所示为w1和w2置为1，w3逐渐增大时Ψ最小值所对应电极间距随误差率的变化规律，此时电极横向间距Dh和电极纵向间距Dv的取值大概可以分为三种情况：第一种情况是当w3等于1时，Ψ最小值所对应的总流量为150m3/d实际流速和相关流速的误差率较大，总流量为30m3/d和80m3/d的误差率较小；第二种情况是当w3在8-50之间时，情况正好相反；除这两种情况之外，还有一种w3在2-7之间的临界情况，此时Ψ最小值所对应的总流量为30m3/d，80m3/d和150m3/d误差率的取值均介于上述两种情况之间达到了很好的平衡。进一步分析当w3在2-5时，Ψ最小值为0.1460，所对应的电极横向间距Dh＝14mm，电极纵向间距Dv＝14.35mm；当w3取6或7时，Ψ最小值为0.2714，所对应的电极横向间距Dh＝14.4mm，电极纵向间距Dv＝14.35mm。因此取w1和w2为1，w3为2-5时这种情况作为Ψ的最优解，其所对应的电磁流量传感器最佳电极间距参数为：电极横向间距Dh＝14mm，电极纵向间距Dv＝14.35mm。
本发明实施例还提供了一种传感器参数优化装置，应用于电磁流量传感器，如图9所示，所述装置包括流速获取模块1、误差率获取模块2、参数优化模型构建模块3和参数优化模块4，其中，流速获取模块1配置为获取电磁流量传感器在一定的总流量、电极横向间距和电极纵向间距下测量管道内的平均流速和相关流速，其中，所述电极横向间距为测量管道的内径，所述电极纵向间距为上游电极和下游电极之间的距离；误差率获取模块2配置为获取所述相关流速和平均流速的误差率；参数优化模型构建模块3配置为将所述电极横向间距和电极纵向间距作为输入参数，多个总流量下对应的所述误差率作为输出参数，构建参数优化模型；参数优化模块4配置为将所述参数优化模型进行权值分配，得到所述电磁流量传感器的最佳电极横向间距和电极纵向间距。
作为一种示例，所述流速获取模块1包括测量管道模型构建单元、平均流速获取单元、测量点设定单元、测量点流速获取单元第一输出单元、第二输出单元和相关流速获取单元，其中，测量管道模型构建单元配置为构建电磁流量传感器的测量管道模型；平均流速获取单元配置为在所述测量管道模型中设定总流量、电极横向间距和电极纵向间距，获取测量管道内的平均流速；测量点设定单元配置为在所述上游电极和下游电极上分别设定两个测量点，上游电极和下游电极的测量点两两一一对应，作为一种示例，所述上游电极和下游电极上分别设定两个测量点。测量点流速获取单元配置为获取多个时刻下所述上游电极和下游电极所有测量点的流速值；第一输出单元配置为将每一时刻所述上游电极的两个测量点的流速值相减，得到该时刻对应的第一测量信号；第二输出单元配置为将每一时刻所述下游电极的两个测量点的流速值相减，得到该时刻对应的第二测量信号；相关流速获取单元配置为将所述多个时刻下对应的第一测量信号和第二测量信号互相关，得到所述相关系数和相关流速。
作为一种示例，设所述多个时刻包括M个时刻，M为正整数，i＝1,2…M,所述相关流速获取单元还配置为：
根据公式(1)得到所述相关系数：
Figure BDA0001985882030000151
其中，r表示相关系数，Vt(t)表示第一测量信号，
Figure BDA0001985882030000161
表示第i时刻对应的第一测量信号，
Figure BDA0001985882030000162
表示M个时刻下对应的第一测量信号的均值；Vl(t)表示第二测量信号，
Figure BDA0001985882030000163
表示第i时刻对应的第二测量信号，
Figure BDA0001985882030000164
表示M个时刻下对应的第二测量信号的均值；
将Vt(t)和Vl(t)通过公式(2)进行互相关运算；
Figure BDA0001985882030000165
获取
Figure BDA0001985882030000166
的峰值，得到第一测量信号和第二测量信号的渡越时间，记为τ，设电极纵向间距为L，则通过公式(3)求得相关流速rv：
rv＝L/τ (3)
所述装置还包括参数筛选模块，配置为设定相关系数阈值，将所述相关系数和相关系数阈值相比较，若所述相关系数小于等于所述相关系数阈值，则剔除该相关系数对应的总流量、电极横向间距和电极纵向间距值。
作为一种示例，所述参数优化模型为神经网络模型，所述参数优化模块4还配置为：根据所述多个总流量下对应的所述误差率定义电极间距最佳参数优化因子；对所述神经网络模型进行权值分配，获取所述最佳参数优化因子的最小值，此时，所述多个总流量下对应的所述误差率达到平衡，对应的电极横向间距和电极纵向间距即为所述电磁流量传感器的最佳电极间距。
所述参数优化模块4可以通过公式(4)定义所述最佳参数优化因子:
Figure BDA0001985882030000167
其中，设所述多个总流量包括N个不同的总流量，分别为第一总流量、第二总流量、第三总流量…第N总流量，N为正整数，Ψ表示最佳参数优化因子，
Figure BDA0001985882030000168
表示总流量为第一总流量时的误差率，w1表示
Figure BDA0001985882030000169
对应的权值；
Figure BDA00019858820300001610
表示总流量为第二总流量时的误差率，w2表示
Figure BDA00019858820300001611
对应的权值；
Figure BDA00019858820300001612
表示总流量为第三总流量时的误差率，w3表示
Figure BDA00019858820300001613
对应的权值…
Figure BDA00019858820300001614
表示总流量为第N总流量时的误差率,wN表示
Figure BDA00019858820300001615
对应的权值。
本发明实施例还提供一种控制器，其包括存储器与处理器，所述存储器存储有计算机程序，所述程序在被所述处理器执行时能够实现所述传感器参数优化方法的步骤。
本发明实施例还提供一种计算机可读存储介质，用于存储计算机程序，所述程序在由一计算机或处理器执行时实现所述传感器参数优化方法的步骤。
本发明实施例通过分析多个总流量下相关流速和平均流速的误差率，获取电磁流量传感器的最优参数，时间短，成本低。采用神经网络建模的方法，减少计算量，为电磁流量传感器参数的优化设计减少大量的时间，节省了人力物力。本发明实施例仅需要提供有代表性的数据作为学习数据训练神经网络，便可获得准确的预测值。此外，本发明实施例通过定义电磁流量传感器最佳参数优化因子，并设置不同的权值找到该因子最优解对应的电磁流量传感器最佳结构参数，使结果达到较好的平衡，为传统的多参数结构设计提供了更好的解决方式。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明,任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (6)

1.一种传感器参数优化方法，其特征在于，应用于电磁流量传感器，所述方法包括:
获取电磁流量传感器在一定的总流量、电极横向间距和电极纵向间距下测量管道内的平均流速和相关流速，其中，所述电极横向间距为测量管道的内径，所述电极纵向间距为上游电极和下游电极之间的距离；
获取所述相关流速和平均流速的误差率；
将所述电极横向间距和电极纵向间距作为输入参数，多个总流量下对应的所述误差率作为输出参数，构建参数优化模型；
将所述参数优化模型进行权值分配，得到所述电磁流量传感器的最佳电极横向间距和电极纵向间距；
其中，
获取电磁流量传感器在一定的总流量、电极横向间距和电极纵向间距下测量管道内的平均流速和相关流速，包括以下步骤：
构建电磁流量传感器的测量管道模型；
在所述测量管道模型中设定总流量、电极横向间距和电极纵向间距，获取测量管道内的平均流速；
在所述上游电极和下游电极上分别设定两个测量点，上游电极和下游电极的测量点两两一一对应；
获取多个时刻下所述上游电极和下游电极所有测量点的流速值；
将每一时刻所述上游电极的两个测量点的流速值相减，得到该时刻对应的第一测量信号；
将每一时刻所述下游电极的两个测量点的流速值相减，得到该时刻对应的第二测量信号；
将所述多个时刻下对应的第一测量信号和第二测量信号互相关，得到所述相关系数和相关流速；
所述参数优化模型为神经网络模型，将所述参数优化模型进行权值分配，得到所述电磁流量传感器的最佳电极横向间距和电极纵向间距，包括以下步骤：
根据所述多个总流量下对应的所述误差率定义电极间距最佳参数优化因子；
对所述神经网络模型进行权值分配，获取所述最佳参数优化因子的最小值，此时，所述多个总流量下对应的所述误差率达到平衡，对应的电极横向间距和电极纵向间距即为所述电磁流量传感器的最佳电极间距；
其中，通过公式(4)定义所述最佳参数优化因子:
Figure FDA0003468732270000021
其中，设所述多个总流量包括N个不同的总流量，分别为第一总流量、第二总流量、第三总流量…第N总流量，N为正整数，Ψ表示最佳参数优化因子，
Figure FDA0003468732270000022
表示总流量为第一总流量时的误差率，w1表示
Figure FDA0003468732270000023
对应的权值；
Figure FDA0003468732270000024
表示总流量为第二总流量时的误差率，w2表示
Figure FDA0003468732270000025
对应的权值；
Figure FDA0003468732270000026
表示总流量为第三总流量时的误差率，w3表示
Figure FDA0003468732270000027
对应的权值
Figure FDA0003468732270000028
表示总流量为第N总流量时的误差率,wN表示
Figure FDA0003468732270000029
对应的权值。
2.根据权利要求1所述的传感器参数优化方法，其特征在于，
将所述多个时刻下对应的第一测量信号和第二测量信号互相关，得到所述相关系数和相关流速，包括：
设所述多个时刻包括M个时刻，M为正整数，i＝1,2…M,根据公式(1)得到所述相关系数：
Figure FDA00034687322700000210
其中，r表示相关系数，Vt(t)表示第一测量信号，
Figure FDA00034687322700000211
表示第i时刻对应的第一测量信号，
Figure FDA00034687322700000212
表示M个时刻下对应的第一测量信号的均值；Vl(t)表示第二测量信号，
Figure FDA00034687322700000213
表示第i时刻对应的第二测量信号，
Figure FDA00034687322700000214
表示M个时刻下对应的第二测量信号的均值；
将Vt(t)和Vl(t)通过公式(2)进行互相关运算；
Figure FDA00034687322700000215
获取
Figure FDA0003468732270000031
的峰值，得到第一测量信号和第二测量信号的渡越时间，记为τ，设电极纵向间距为L，则通过公式(3)求得相关流速rv：
rv＝L/τ (3)。
3.根据权利要求2所述的传感器参数优化方法，其特征在于，
所述方法还包括：
设定相关系数阈值，将所述相关系数和相关系数阈值相比较，若所述相关系数小于等于所述相关系数阈值，则剔除该相关系数对应的总流量、电极横向间距和电极纵向间距值。
4.一种传感器参数优化装置，其特征在于，应用于电磁流量传感器，所述装置包括:
流速获取模块，配置为获取电磁流量传感器在一定的总流量、电极横向间距和电极纵向间距下测量管道内的平均流速和相关流速，其中，所述电极横向间距为测量管道的内径，所述电极纵向间距为上游电极和下游电极之间的距离；
误差率获取模块，配置为获取所述相关流速和平均流速的误差率；
参数优化模型构建模块，配置为将所述电极横向间距和电极纵向间距作为输入参数，多个总流量下对应的所述误差率作为输出参数，构建参数优化模型；
参数优化模块，配置为将所述参数优化模型进行权值分配，得到所述电磁流量传感器的最佳电极横向间距和电极纵向间距；并且，
所述流速获取模块包括：
测量管道模型构建单元，配置为构建电磁流量传感器的测量管道模型；
平均流速获取单元，配置为在所述测量管道模型中设定总流量、电极横向间距和电极纵向间距，获取测量管道内的平均流速；
测量点设定单元，配置为在所述上游电极和下游电极上分别设定两个测量点，上游电极和下游电极的测量点两两一一对应；
测量点流速获取单元，配置为获取多个时刻下所述上游电极和下游电极所有测量点的流速值；
第一输出单元，配置为将每一时刻所述上游电极的两个测量点的流速值相减，得到该时刻对应的第一测量信号；
第二输出单元，配置为将每一时刻所述下游电极的两个测量点的流速值相减，得到该时刻对应的第二测量信号；
相关流速获取单元，配置为将所述多个时刻下对应的第一测量信号和第二测量信号互相关，得到所述相关系数和相关流速。
5.一种控制器，其包括存储器与处理器，其特征在于，所述存储器存储有计算机程序，所述程序在被所述处理器执行时能够实现权利要求1至3中任意一项权利要求所述的方法的步骤。
6.一种计算机可读存储介质，用于存储计算机程序，其特征在于，所述程序在由一计算机或处理器执行时实现如权利要求1至3中任意一项权利要求所述的方法的步骤。
CN201910164604.2A 2019-01-30 2019-03-05 传感器参数优化方法和装置、控制器及介质 Active CN111504402B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910091961 2019-01-30
CN2019100919610 2019-01-30

Publications (2)

Publication Number Publication Date
CN111504402A CN111504402A (zh) 2020-08-07
CN111504402B true CN111504402B (zh) 2022-08-09

Family

ID=71867216

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910164604.2A Active CN111504402B (zh) 2019-01-30 2019-03-05 传感器参数优化方法和装置、控制器及介质

Country Status (1)

Country Link
CN (1) CN111504402B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112504365B (zh) * 2020-11-25 2022-05-20 合肥工业大学 一种电磁流量传感器的磁路结构优化设计方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104077455A (zh) * 2014-07-08 2014-10-01 天津大学 两相流环形空间集总传感系统关键部件的尺寸优化方法
CN105067061A (zh) * 2015-08-20 2015-11-18 东南大学 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
CN105279344A (zh) * 2015-11-19 2016-01-27 天津大学 基于双流体截面灵敏度分布的电导探针关键部件尺寸优化方法
CN107014451A (zh) * 2017-05-03 2017-08-04 东南大学 基于广义回归神经网络推测超声波流量传感器系数的方法
CN207501998U (zh) * 2017-12-11 2018-06-15 中国石油天然气股份有限公司 一种截面互相关电极阻抗装置、检测电路、传感器和系统
CN109115286A (zh) * 2018-08-03 2019-01-01 燕山大学 双组励磁线圈多电极电磁相关法流量计传感器

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104077455A (zh) * 2014-07-08 2014-10-01 天津大学 两相流环形空间集总传感系统关键部件的尺寸优化方法
CN105067061A (zh) * 2015-08-20 2015-11-18 东南大学 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
CN105279344A (zh) * 2015-11-19 2016-01-27 天津大学 基于双流体截面灵敏度分布的电导探针关键部件尺寸优化方法
CN107014451A (zh) * 2017-05-03 2017-08-04 东南大学 基于广义回归神经网络推测超声波流量传感器系数的方法
CN207501998U (zh) * 2017-12-11 2018-06-15 中国石油天然气股份有限公司 一种截面互相关电极阻抗装置、检测电路、传感器和系统
CN109115286A (zh) * 2018-08-03 2019-01-01 燕山大学 双组励磁线圈多电极电磁相关法流量计传感器

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《基于神经网络的电磁相关传感器电极结构优化方法研究》;葛司远;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170115(第01期);摘要、第5-18，20,26,30-32,40,42-48页、图2-2，图2-3，图2-5，图2-6、表3-4 *
《电磁相关法流量测量传感器检测电极距离研究》;王月明 等;《传感器与微系统》;20140630;第33卷(第7期);第49-52页 *

Also Published As

Publication number Publication date
CN111504402A (zh) 2020-08-07

Similar Documents

Publication Publication Date Title
Vaghefi et al. An experimental study of mean and turbulent flow in a 180 degree sharp open channel bend: Secondary flow and bed shear stress
Chiu et al. Maximum velocity and regularities in open-channel flow
CN100392360C (zh) 分析双相流体流动的方法和系统
CN110197049B (zh) 一种基于瞬变反问题的非金属管道泄漏定位方法
CN104063588B (zh) 基于多源数据融合的管道腐蚀缺陷尺寸的预测方法
Bahrami et al. Estimation of flow rates of individual phases in an oil-gas-water multiphase flow system using neural network approach and pressure signal analysis
CN111173507B (zh) 高含水油田剩余油预测方法
CN112836758B (zh) 基于双层循环神经网络的独立计量区域管网漏损检测方法
Sharifipour et al. Numerical investigation of flow field and flowmeter accuracy in open-channel junctions
Soroush et al. Optimal selection of number and location of pressure sensors in water distribution systems using geostatistical tools coupled with genetic algorithm
CN111504402B (zh) 传感器参数优化方法和装置、控制器及介质
CN105486358A (zh) 基于文丘里管双差压的气液两相流参数测量方法
Vaghefi et al. A comparison among data mining algorithms for outlier detection using flow pattern experiments
Munasinghe et al. Ultrasonic-based sensor fusion approach to measure flow rate in partially filled pipes
Zhu et al. Flow regime detection using gamma-ray-based multiphase flowmeter: A machine learning approach
CN110362902A (zh) 一种基于区间逐维分析的单源动载荷识别方法
Bonakdari et al. Developing turbulent flows in rectangular channels: A parametric study
CN107677705A (zh) 一种近水平油水两相流持水率测量方法
CN112985503B (zh) 一种油水两相流持率和流速在线测量装置及测量方法
Sulzer et al. Flood discharge prediction using two-dimensional inverse modeling
CN110705186B (zh) 通过rbf粒子群优化算法即时在线仪表校验和诊断方法
Ragessi et al. Detailed experimental and numerical characterization of turbulent flow in components of a water treatment plant
CN110750756A (zh) 通过最优支持向量机算法即时在线仪表校验和诊断方法
CN116560417B (zh) 用于气液分离的全自动排液控制方法及系统
El Bahlouli et al. Effect of a deviation on flow rate measurements in sewer channel

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230428

Address after: No. 7005-1 7005-2, 7th floor, Zone 2, No. 9 Haibin South Road, Zhuhai City, Guangdong Province, 519000

Patentee after: ZHUHAI HETIAN ELECTRONIC TECHNOLOGY Co.,Ltd.

Address before: 066004 No. 438, Hebei Avenue, seaport District, Hebei, Qinhuangdao

Patentee before: Yanshan University