CN112115654B - 一种融合实测数据的管道流场压力分布评估方法及装置 - Google Patents

一种融合实测数据的管道流场压力分布评估方法及装置 Download PDF

Info

Publication number
CN112115654B
CN112115654B CN202011034085.7A CN202011034085A CN112115654B CN 112115654 B CN112115654 B CN 112115654B CN 202011034085 A CN202011034085 A CN 202011034085A CN 112115654 B CN112115654 B CN 112115654B
Authority
CN
China
Prior art keywords
parameter
pressure distribution
empirical
monitoring
experience
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
CN202011034085.7A
Other languages
English (en)
Other versions
CN112115654A (zh
Inventor
曹光明
吴国东
李开宇
王珏
才鑫馨
李幸群
李勇
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.)
Wuhan No 2 Ship Design Institute No 719 Research Institute of China Shipbuilding Industry Corp
Original Assignee
Wuhan No 2 Ship Design Institute No 719 Research Institute of China Shipbuilding Industry Corp
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 Wuhan No 2 Ship Design Institute No 719 Research Institute of China Shipbuilding Industry Corp filed Critical Wuhan No 2 Ship Design Institute No 719 Research Institute of China Shipbuilding Industry Corp
Priority to CN202011034085.7A priority Critical patent/CN112115654B/zh
Publication of CN112115654A publication Critical patent/CN112115654A/zh
Application granted granted Critical
Publication of CN112115654B publication Critical patent/CN112115654B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/14—Pipes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Abstract

本申请涉及一种融合实测数据的管道流场压力分布评估方法及装置，涉及管道流场压力分布评估技术领域，该方法包括以下步骤：对参数浮动阈值范围进行等差拆分处理，获得多个参数浮动子阈值；获得多种经验参数估计值，结合各参数浮动子阈值，获得对应多个经验参数修正值；根据多个经验参数修正值，组合获得多种经验参数组合；根据各经验参数组合模拟获得理论压力分布情况；将理论压力分布情况与监测获得的监测压力分布情况进行比对，将两者总误差最小时对应的理论压力分布情况作为实际压力分布情况。本申请对各经验参数的阈值范围进行拆分处理，将软件模拟数据与实时测量数据进行比对，针对管道逐渐建立高精度的流场压力分布，以便更精准的分析管道裂纹与渗漏现象。

Description

一种融合实测数据的管道流场压力分布评估方法及装置
技术领域
本发明涉及管道流场压力分布评估技术领域，具体涉及一种融合实测数据的管道流场压力分布评估方法及装置。
背景技术
在压水堆核电站或者核动力船舶的二回路系统管道中，流动着高温、高压的腐蚀性液体，管道老化后可能会出现裂纹、渗漏等问题，如果不能及时发现处理，会产生管道大破口，对核装置运行与人员安全造成极大威胁。通过对二回路管道流场压力分布评估，从局部压力异常分析管道裂纹与渗漏现象，以避免造成导管大破口事故，已逐渐成为重要的预防手段之一。而这种手段的核心问题，就是建立精准的二回路管道流场的压力分布。
现阶段，二回路管道流场的压力分布评估一般包括两种方法：
第一：基于ANSYS Fluent计算流体动力学软件，进行二回路管道流场的压力仿真分析。ANSYS Fluent计算流体动力学软件主要包含流动基本守恒方程(质量守恒方程、动量守恒方程与能量守恒方程)与湍流模型。软件输入主要包括：管道结构、进口边界条件、出口边界条件、流体属性参数、湍流模型参数，其他一般选用默认设置。其中，在管道中湍流运动一般是高度非线性化的，往往很难精确计算，一般依照二回路管道特性选用标准k-ε湍流模型，其参数包括k方程的普朗特数σk，ε方程的普朗特数σε与经验常量C1ε、C2ε、C3ε，湍流粘性经验常量Cμ，这六个参数不能直接测量，一般是基于经验进行估计，存在一定误差，故而造成基于ANSYS Fluent计算流体动力学软件的二回路管道流场的压力仿真不够精准。
第二，按照实时测量方式，在二回路管道内布置若干压力传感器，按照测量结果评估管道流场的压力分布，但是在管道内压力传感器的布置数量有限，二回路管道流场的压力分布也难以全面准确评估。
因此，基于现有技术手段的缺陷，现提供一新的管道流场压力分布评估技术方案。
发明内容
本申请实施例提供一种融合实测数据的管道流场压力分布评估方法及装置，对各经验参数的阈值范围进行拆分处理，将软件模拟数据与实时测量数据进行比对，针对管道逐渐建立高精度的流场压力分布，以便更精准的分析管道裂纹与渗漏现象，有效降低大破口事故发生概率。
第一方面，提供了一种融合实测数据的管道流场压力分布评估方法，所述方法包括以下步骤
对预设的参数浮动阈值对应的参数浮动阈值范围进行等差拆分处理，获得多个参数浮动子阈值；
获得多种经验参数估计值，根据各种所述经验参数估计值，结合各所述参数浮动子阈值，获得对应各种所述经验参数估计值的多个经验参数修正值；
根据各种所述经验参数估计值的多个所述经验参数修正值，组合获得多种经验参数组合，各所述经验参数组合均包括每种所述经验参数修正值；
根据各所述经验参数组合模拟获得理论压力分布情况；
在预设时间段内，将各所述经验参数组合对应的理论压力分布情况，与监测获得的监测压力分布情况进行比对，将两者总误差最小时对应的所述理论压力分布情况作为实际压力分布情况。
具体的，所述理论压力分布情况包括各监测点对应的理论压力强度；
所述监测压力分布情况包括在各监测点监测获得的监测压力强度。
具体的，所述经验参数估计值包括k方程普朗特数估计值、ε方程普朗特数估计值、第一经验常量估计值、第二经验常量估计值、第三经验常量估计值以及湍流粘性经验常量估计值；
所述经验参数修正值包括k方程普朗特数修正值、ε方程普朗特数修正值、第一经验常量修正值、第二经验常量修正值、第三经验常量修正值以及湍流粘性经验常量修正值。
具体的，所述对预设的参数浮动阈值对应的参数浮动阈值范围进行等差拆分处理，获得多个参数浮动子阈值，具体包括以下步骤：
获得参数浮动阈值对应的参数浮动阈值范围的上限值和下限值，并设定各所述参数浮动子阈值之间的间隔值；
根据所述参数浮动阈值范围的上限值和下限值以及所述参数浮动子阈值之间的间隔值，对所述参数浮动阈值范围进行等差式步进式拆分，获得多个所述参数浮动子阈值。
具体的，所述参数浮动阈值为δ＝±n％，所述参数浮动子阈值的上限值为δ上限＝+n％，所述参数浮动子阈值的下限值为δ下限＝-n％；
相邻两个所述参数浮动子阈值之间的间隔值为1％，
多个所述参数浮动子阈值分别为-n％，-n+1％，…+n-1％,+n％。
具体的，获得多种经验参数估计值，根据各种所述经验参数估计值，结合各所述参数浮动子阈值，获得对应各种所述经验参数估计值的多个经验参数修正值中：
k方程普朗特数修正值σk＝σk′×(1+δ)；
ε方程普朗特数修正值σε＝σε′×(1+δ)
第一经验常量修正值C1ε＝C1ε′×(1+δ)
第二经验常量修正值C2ε＝C2ε′×(1+δ)
第三经验常量修正值C3ε＝C3ε′×(1+δ)
湍流粘性经验常量修正值Cμ＝Cμ′×(1+δ)；
其中，σk′为k方程普朗特数估计值，σε′为ε方程普朗特数估计值，C1ε′为第一经验常量估计值，C2ε′为第二经验常量估计值，C3ε′为第三经验常量估计值，Cμ′为湍流粘性经验常量估计值；
δ为所述参数浮动子阈值，从-n％到+n％，逐次递增1％，共有2n+1种选择。
具体的，根据各种所述经验参数估计值的多个所述经验参数修正值，组合获得多种经验参数组合中：
所述经验参数组合共有(2n+1)6种组合方式。
具体的，所述在预设时间段内，将各所述经验参数组合对应的理论压力分布情况，与监测获得的监测压力分布情况进行比对，具体基于总误差计算公式：
其中，
ΔP(ta～tb)为在预设时间段内理论压力分布情况与监测压力分布情况的总误差；
ta～tb为预设时间段；
P(x1,y1,z1,t)为第1个监测点监测获得的监测压力强度，P(x2,y2,z2,t)为第2个监测点监测获得的监测压力强度，…，P(xk,yk,zk,t)为第k个监测点监测获得的监测压力强度；
P′(x1,y1,z1,t)为第1个监测点对应的理论压力强度，P′(x2,y2,z2,t)为第2个监测点对应的理论压力强度，…，P′(xk,yk,zk,t)为第k个监测点对应的理论压力强度。
进一步的，所述将各所述经验参数组合对应的理论压力分布情况，与监测获得的监测压力分布情况进行比对之前，还包括以下步骤：
对应各监测点分别设置监测仪器；
利用所述监测仪器监测各监测点，获得对应的监测压力分布情况。
第二方面，提供了一种融合实测数据的管道流场压力分布评估装置，所述系统包括：
参数浮动阈值拆分模块，其用于对预设的参数浮动阈值对应的参数浮动阈值范围进行等差拆分处理，获得多个参数浮动子阈值；
经验参数修正模块，其用于获得多种经验参数估计值，根据各种所述经验参数估计值，结合各所述参数浮动子阈值，获得对应各种所述经验参数估计值的多个经验参数修正值；
经验参数组合模块，其用于根据各种所述经验参数估计值的多个所述经验参数修正值，组合获得多种经验参数组合，各所述经验参数组合均包括每种所述经验参数修正值；
理论压力分布模拟模块，其用于根据各所述经验参数组合模拟获得理论压力分布情况；
实际压力分布分析模块，其用于在预设时间段内，将各所述经验参数组合对应的理论压力分布情况，与监测获得的监测压力分布情况进行比对，将两者总误差最小时对应的所述理论压力分布情况作为实际压力分布情况。
本申请提供的技术方案带来的有益效果包括：
本申请提供了一种融合实测数据的管道流场压力分布评估方法及装置，对各经验参数的阈值范围进行拆分处理，将软件模拟数据与实时测量数据进行比对，针对管道逐渐建立高精度的流场压力分布，以便更精准的分析管道裂纹与渗漏现象，有效降低大破口事故发生概率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例1提供的融合实测数据的管道流场压力分布评估方法的步骤流程图；
图2为本申请实施例1提供的融合实测数据的管道流场压力分布评估方法中压力传感器分布示意图；
图3为本申请实施例1提供的融合实测数据的管道流场压力分布评估方法的原理流程图；
图4为本申请实施例2提供的融合实测数据的管道流场压力分布评估装置的结构框图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
以下结合附图对本发明的实施例作进一步详细说明。
本发明实施例提供一种融合实测数据的管道流场压力分布评估方法及装置，对各经验参数的阈值范围进行拆分处理，将软件模拟数据与实时测量数据进行比对，针对管道逐渐建立高精度的流场压力分布，以便更精准的分析管道裂纹与渗漏现象，有效降低大破口事故发生概率。
为达到上述技术效果，本申请的总体思路如下：
一种融合实测数据的管道流场压力分布评估方法，该方法包括以下步骤：
S1、对预设的参数浮动阈值对应的参数浮动阈值范围进行等差拆分处理，获得多个参数浮动子阈值；
S2、获得多种经验参数估计值，根据各种所述经验参数估计值，结合各所述参数浮动子阈值，获得对应各种所述经验参数估计值的多个经验参数修正值；
S3、根据各种所述经验参数估计值的多个所述经验参数修正值，组合获得多种经验参数组合，各所述经验参数组合均包括每种所述经验参数修正值；
S4、根据各所述经验参数组合模拟获得理论压力分布情况；
S5、在预设时间段内，将各所述经验参数组合对应的理论压力分布情况，与监测获得的监测压力分布情况进行比对，将两者总误差最小时对应的所述理论压力分布情况作为实际压力分布情况。
以下结合附图对本发明的实施例作进一步详细说明。
实施例1
参见图1～3所示，本发明实施例提供一种融合实测数据的管道流场压力分布评估方法，该方法包括以下步骤：
S1、对预设的参数浮动阈值对应的参数浮动阈值范围进行等差拆分处理，获得多个参数浮动子阈值；
S2、获得多种经验参数估计值，根据各种经验参数估计值，结合各参数浮动子阈值，获得对应各种经验参数估计值的多个经验参数修正值；
S3、根据各种经验参数估计值的多个经验参数修正值，组合获得多种经验参数组合，各经验参数组合均包括每种经验参数修正值；
S4、根据各经验参数组合模拟获得理论压力分布情况；
S5、在预设时间段内，将各经验参数组合对应的理论压力分布情况，与监测获得的监测压力分布情况进行比对，将两者总误差最小时对应的理论压力分布情况作为实际压力分布情况。
本申请实施例中，对各经验参数的阈值范围进行拆分处理，将软件模拟数据与实时测量数据进行比对，针对管道逐渐建立高精度的流场压力分布，以便更精准的分析管道裂纹与渗漏现象，有效降低大破口事故发生概率。
具体的，理论压力分布情况包括各监测点对应的理论压力强度；
监测压力分布情况包括在各监测点监测获得的监测压力强度。
具体的，经验参数估计值包括k方程普朗特数估计值、ε方程普朗特数估计值、第一经验常量估计值、第二经验常量估计值、第三经验常量估计值以及湍流粘性经验常量估计值；
经验参数修正值包括k方程普朗特数修正值、ε方程普朗特数修正值、第一经验常量修正值、第二经验常量修正值、第三经验常量修正值以及湍流粘性经验常量修正值。
需要说明的是，本申请实施例主要基于ANSYS Fluent计算流体动力学软件，根据经验参数组合模拟获得对应的理论压力分布情况；
针对ANSYS Fluent计算流体动力学软件，在输入方面，其他输入条件(管道结构、进口边界条件、出口边界条件、流体属性参数)一般没有变化，
但是，在管道中湍流运动一般是高度非线性化的，往往很难精确计算，一般选用标准k-ε湍流模型，其经验参数包括k方程的普朗特数σk，ε方程的普朗特数σε与经验常量C1ε、C2ε、C3ε，湍流粘性经验常量Cμ，这六个经验参数不能直接测量，一般是基于经验进行估计，存在一定误差，所以造成基于ANSYS Fluent计算流体动力学软件的二回路管道流场的压力仿真不够精准；
在此，将σk记作k方程普朗特数、σε记作ε方程普朗特数、C1ε记作第一经验常量、C2ε记作第二经验常量、C3ε记作第三经验常量以及Cμ记作湍流粘性经验常量。
实际操作时，将各经验参数组合对应的理论压力分布情况，与监测获得的监测压力分布情况进行比对之前，还包括以下步骤：
对应各监测点分别设置监测仪器；
利用监测仪器监测各监测点，获得对应的监测压力分布情况。
即会在需要检测的二回路管道中分散布置k个压力传感器，得到流场k个位置点的实测压力强度P(x1,y1,z1,t)，P(x2,y2,z2,t)…P(xk,yk,zk,t)；
本申请实施例中，首先，进行步骤S1，一般情况下，每个参数都在经验估计值上下浮动，记浮动阈值δ＝±n％(n记为正整数，一般不大于5)，将δ从-n％到+n％，逐次递增1％，从而获得多个对应的参数浮动子阈值。
进行步骤S2，对于标准k-ε湍流模型来说，六种经验参数估计值分别为σk′、σε′、C1ε′、C2ε′、C3ε′、Cμ′，各自的计算公式如下：
σk＝σk′×(1+δ)，其中，δ从-n％到+n％，逐次递增1％，共有2n+1种选择；
σε＝σε′×(1+δ)，其中，δ从-n％到+n％，逐次递增1％，共有2n+1种选择；
C1ε＝C1ε′×(1+δ)，其中，δ从-n％到+n％，逐次递增1％，共有2n+1种选择；
C2ε＝C2ε′×(1+δ)，其中，δ从-n％到+n％，逐次递增1％，共有2n+1种选择；
C3ε＝C3ε′×(1+δ)，其中，δ从-n％到+n％，逐次递增1％，共有2n+1种选择；
Cμ＝Cμ′×(1+δ)，其中，δ从-n％到+n％，逐次递增1％，共有2n+1种选择。
而后，进行步骤S3，根据各种经验参数估计值的多个经验参数修正值，组合获得多种经验参数组合，即标准k-ε湍流模型的六个经验参数共有(2n+1)6种组合方式，即有(2n+1)6种经验参数组合，即ANSYS Fluent计算流体动力学软件的输入共有(2n+1)6种组合方式。
进而，在步骤S4中，一般输入条件(管道结构、进口边界条件、出口边界条件、流体属性参数)可以通过实际测量与设计分析确定，而标准k-ε湍流模型的六个经验参数共有(2n+1)6种组合方式，
根据(2n+1)6种经验参数组合，通过ANSYS Fluent计算流体动力学软件，软件模拟获得(2n+1)6种理论压力分布情况，每种理论压力分布情况均包括k个压力传感器所在位置点的理论压力强度，即P′(x1,y1,z1,t)，P′(x2,y2,z2,t)…P′(xk,yk,zk,t)。
最后，进行步骤S5，将在预设时间段内，将各经验参数组合对应的理论压力分布情况，与监测获得的监测压力分布情况进行比对，获得两者总误差最小时对应的理论压力分布情况，将其作为实际压力分布情况。
具体的，对预设的参数浮动阈值对应的参数浮动阈值范围进行等差拆分处理，获得多个参数浮动子阈值，具体包括以下步骤：
获得参数浮动阈值对应的参数浮动阈值范围的上限值和下限值，并设定各参数浮动子阈值之间的间隔值；
根据参数浮动阈值范围的上限值和下限值以及参数浮动子阈值之间的间隔值，对参数浮动阈值范围进行等差式步进式拆分，获得多个参数浮动子阈值。
对应的，参数浮动阈值为δ＝±n％，参数浮动子阈值的上限值为δ上限＝+n％，参数浮动子阈值的下限值为δ下限＝-n％；
相邻两个参数浮动子阈值之间的间隔值为1％，
多个参数浮动子阈值分别为-n％，-n+1％，…+n-1％,+n％。
对应的，获得多种经验参数估计值，根据各种经验参数估计值，结合各参数浮动子阈值，获得对应各种经验参数估计值的多个经验参数修正值中：
k方程普朗特数修正值σk＝σk′×(1+δ)；
ε方程普朗特数修正值σε＝σε′×(1+δ)
第一经验常量修正值C1ε＝C1ε′×(1+δ)
第二经验常量修正值C2ε＝C2ε′×(1+δ)
第三经验常量修正值C3ε＝C3ε′×(1+δ)
湍流粘性经验常量修正值Cμ＝Cμ′×(1+δ)；
其中，σk′为k方程普朗特数估计值，σε′为ε方程普朗特数估计值，C1ε′为第一经验常量估计值，C2ε′为第二经验常量估计值，C3ε′为第三经验常量估计值，Cμ′为湍流粘性经验常量估计值；
δ为参数浮动子阈值，从-n％到+n％，逐次递增1％，共有2n+1种选择。
在步骤S5中，在预设时间段内，将各经验参数组合对应的理论压力分布情况，与监测获得的监测压力分布情况进行比对，具体基于总误差计算公式：
其中，
ΔP(ta～tb)为在预设时间段内理论压力分布情况与监测压力分布情况的总误差；
ta～tb为预设时间段；
P(x1,y1,z1,t)为第1个监测点监测获得的监测压力强度，P(x2,y2,z2,t)为第2个监测点监测获得的监测压力强度，…，P(xk,yk,zk,t)为第k个监测点监测获得的监测压力强度；
P′(x1,y1,z1,t)为第1个监测点对应的理论压力强度，P′(x2,y2,z2,t)为第2个监测点对应的理论压力强度，…，P′(xk,yk,zk,t)为第k个监测点对应的理论压力强度。
其中，k个位置点，ANSYS Fluent计算流体动力学软件计算，可以得到(2n+1)6种经验参数组合对应的k个位置点的理论压力强度P′(x1,y1,z1,t)，P′(x2,y2,z2,t)…P′(xk,yk,zk,t)。
根据在管道内的压力传感器实际测量得到k个位置点的实测压力强度P(x1,y1,z1,t)，P(x2,y2,z2,t)…P(xk,yk,zk,t)；
某段时间【ta，tb】，针对(2n+1)6种软件计算的流场压力分布，共有(2n+1)6种总误差ΔP(ta～tb)，
用最小值比较器确定(2n+1)6种总误差ΔP(ta～tb)中的最小值，此最小值对应的标准k-ε湍流模型的参数组合(k方程的普朗特数ε方程的普朗特数/>与经验常量湍流粘性经验常量/>)即为此段时间的最优组合，即此组合作为输入条件通过ANSYS Fluent计算流体动力学软件计算的流场压力分布为此段时间高精度压力分布，能够较好契合实际测量情况；
以此高精度管道流场压力分布为基础，能够更精准的分析管道裂纹与渗漏现象，有效降低大破口事故发生概率，保障核装置与人员安全。
实施例2
参见图4所示，本发明实施例提供一种基于实施例1的融合实测数据的管道流场压力分布评估装置，该装置包括：
参数浮动阈值拆分模块，其用于对预设的参数浮动阈值对应的参数浮动阈值范围进行等差拆分处理，获得多个参数浮动子阈值；
经验参数修正模块，其用于获得多种经验参数估计值，根据各种经验参数估计值，结合各参数浮动子阈值，获得对应各种经验参数估计值的多个经验参数修正值；
经验参数组合模块，其用于根据各种经验参数估计值的多个经验参数修正值，组合获得多种经验参数组合，各经验参数组合均包括每种经验参数修正值；
理论压力分布模拟模块，其用于根据各经验参数组合模拟获得理论压力分布情况；
实际压力分布分析模块，其用于在预设时间段内，将各经验参数组合对应的理论压力分布情况，与监测获得的监测压力分布情况进行比对，将两者总误差最小时对应的理论压力分布情况作为实际压力分布情况。
具体的，理论压力分布情况包括各监测点对应的理论压力强度；
监测压力分布情况包括在各监测点监测获得的监测压力强度。
具体的，经验参数估计值包括k方程普朗特数估计值、ε方程普朗特数估计值、第一经验常量估计值、第二经验常量估计值、第三经验常量估计值以及湍流粘性经验常量估计值；
经验参数修正值包括k方程普朗特数修正值、ε方程普朗特数修正值、第一经验常量修正值、第二经验常量修正值、第三经验常量修正值以及湍流粘性经验常量修正值。
需要说明的是，本申请实施例主要基于ANSYS Fluent计算流体动力学软件，根据经验参数组合模拟获得对应的理论压力分布情况；
针对ANSYS Fluent计算流体动力学软件，在输入方面，其他输入条件(管道结构、进口边界条件、出口边界条件、流体属性参数)一般没有变化，
但是，在管道中湍流运动一般是高度非线性化的，往往很难精确计算，一般选用标准k-ε湍流模型，其经验参数包括k方程的普朗特数σk，ε方程的普朗特数σε与经验常量C1ε、C2ε、C3ε，湍流粘性经验常量Cμ，这六个经验参数不能直接测量，一般是基于经验进行估计，存在一定误差，所以造成基于ANSYS Fluent计算流体动力学软件的二回路管道流场的压力仿真不够精准；
在此，将σk记作k方程普朗特数、σε记作ε方程普朗特数、C1ε记作第一经验常量、C2ε记作第二经验常量、C3ε记作第三经验常量以及Cμ记作湍流粘性经验常量。
实际操作时，将各经验参数组合对应的理论压力分布情况，与监测获得的监测压力分布情况进行比对之前，还需要进行以下工序：
对应各监测点分别设置监测仪器；
利用监测仪器监测各监测点，获得对应的监测压力分布情况。
即会在需要检测的二回路管道中分散布置k个压力传感器，得到流场k个位置点的实测压力强度P(x1,y1,z1,t)，P(x2,y2,z2,t)…P(xk,yk,zk,t)；
本申请实施例中，首先，一般情况下，每个参数都在经验估计值上下浮动，记浮动阈值δ＝±n％(n记为正整数，一般不大于5)，将δ从-n％到+n％，逐次递增1％，从而获得多个对应的参数浮动子阈值。
对于标准k-ε湍流模型来说，六种经验参数估计值分别为σk′、σε′、C1ε′、C2ε′、C3ε′、Cμ′，各自的计算公式如下：
σk＝σk′×(1+δ)，其中，δ从-n％到+n％，逐次递增1％，共有2n+1种选择；
σε＝σε′×(1+δ)，其中，δ从-n％到+n％，逐次递增1％，共有2n+1种选择；
C1ε＝C1ε′×(1+δ)，其中，δ从-n％到+n％，逐次递增1％，共有2n+1种选择；
C2ε＝C2ε′×(1+δ)，其中，δ从-n％到+n％，逐次递增1％，共有2n+1种选择；
C3ε＝C3ε′×(1+δ)，其中，δ从-n％到+n％，逐次递增1％，共有2n+1种选择；
Cμ＝Cμ′×(1+δ)，其中，δ从-n％到+n％，逐次递增1％，共有2n+1种选择。
而后，根据各种经验参数估计值的多个经验参数修正值，组合获得多种经验参数组合，即标准k-ε湍流模型的六个经验参数共有(2n+1)6种组合方式，即有(2n+1)6种经验参数组合，即ANSYS Fluent计算流体动力学软件的输入共有(2n+1)6种组合方式。
进而，一般输入条件(管道结构、进口边界条件、出口边界条件、流体属性参数)可以通过实际测量与设计分析确定，而标准k-ε湍流模型的六个经验参数共有(2n+1)6种组合方式，
根据(2n+1)6种经验参数组合，通过ANSYS Fluent计算流体动力学软件，软件模拟获得(2n+1)6种理论压力分布情况，每种理论压力分布情况均包括k个压力传感器所在位置点的理论压力强度，即P′(x1,y1,z1,t)，P′(x2,y2,z2,t)…P′(xk,yk,zk,t)。
最后，将在预设时间段内，将各经验参数组合对应的理论压力分布情况，与监测获得的监测压力分布情况进行比对，获得两者总误差最小时对应的理论压力分布情况，将其作为实际压力分布情况。
本申请实施例中，对各经验参数的阈值范围进行拆分处理，将软件模拟数据与实时测量数据进行比对，针对管道逐渐建立高精度的流场压力分布，以便更精准的分析管道裂纹与渗漏现象，有效降低大破口事故发生概率。
需要说明的是，在本申请中，诸如术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种融合实测数据的管道流场压力分布评估方法，其特征在于，所述方法包括以下步骤：
对预设的参数浮动阈值对应的参数浮动阈值范围进行等差拆分处理，获得多个参数浮动子阈值；
获得多种经验参数估计值，根据各种所述经验参数估计值，结合各所述参数浮动子阈值，获得对应各种所述经验参数估计值的多个经验参数修正值；
根据各种所述经验参数估计值的多个所述经验参数修正值，组合获得多种经验参数组合，各所述经验参数组合均包括每种所述经验参数修正值；
根据各所述经验参数组合模拟获得理论压力分布情况；
在预设时间段内，将各所述经验参数组合对应的理论压力分布情况，与监测获得的监测压力分布情况进行比对，将两者总误差最小时对应的所述理论压力分布情况作为实际压力分布情况。
2.如权利要求1所述的融合实测数据的管道流场压力分布评估方法，其特征在于：
所述理论压力分布情况包括各监测点对应的理论压力强度；
所述监测压力分布情况包括在各监测点监测获得的监测压力强度。
3.如权利要求2所述的融合实测数据的管道流场压力分布评估方法，其特征在于：
所述经验参数估计值包括k方程普朗特数估计值、ε方程普朗特数估计值、第一经验常量估计值、第二经验常量估计值、第三经验常量估计值以及湍流粘性经验常量估计值；
所述经验参数修正值包括k方程普朗特数修正值、ε方程普朗特数修正值、第一经验常量修正值、第二经验常量修正值、第三经验常量修正值以及湍流粘性经验常量修正值。
4.如权利要求3所述的融合实测数据的管道流场压力分布评估方法，其特征在于，所述对预设的参数浮动阈值对应的参数浮动阈值范围进行等差拆分处理，获得多个参数浮动子阈值，具体包括以下步骤：
获得参数浮动阈值对应的参数浮动阈值范围的上限值和下限值，并设定各所述参数浮动子阈值之间的间隔值；
根据所述参数浮动阈值范围的上限值和下限值以及所述参数浮动子阈值之间的间隔值，对所述参数浮动阈值范围进行等差式步进式拆分，获得多个所述参数浮动子阈值。
5.如权利要求4所述的融合实测数据的管道流场压力分布评估方法，其特征在于：
所述参数浮动阈值为δ＝±n％，所述参数浮动子阈值的上限值为δ上限＝+n％，所述参数浮动子阈值的下限值为δ下限＝-n％；
相邻两个所述参数浮动子阈值之间的间隔值为1％，
多个所述参数浮动子阈值分别为-n％，-n+1％，…+n-1％,+n％。
6.如权利要求3所述的融合实测数据的管道流场压力分布评估方法，其特征在于，获得多种经验参数估计值，根据各种所述经验参数估计值，结合各所述参数浮动子阈值，获得对应各种所述经验参数估计值的多个经验参数修正值中：
k方程普朗特数修正值σk＝σk′×(1+δ)；
ε方程普朗特数修正值σε＝σε′×(1+δ)
第一经验常量修正值C1ε＝C1ε′×(1+δ)
第二经验常量修正值C2ε＝C2ε′×(1+δ)
第三经验常量修正值C3ε＝C3ε′×(1+δ)
湍流粘性经验常量修正值Cμ＝Cμ′×(1+δ)；
其中，σk′为k方程普朗特数估计值，σε′为ε方程普朗特数估计值，C1ε′为第一经验常量估计值，C2ε′为第二经验常量估计值，C3ε′为第三经验常量估计值，Cμ′为湍流粘性经验常量估计值；
δ为所述参数浮动子阈值，从-n％到+n％，逐次递增1％，共有2n+1种选择。
7.如权利要求4所述的融合实测数据的管道流场压力分布评估方法，其特征在于，根据各种所述经验参数估计值的多个所述经验参数修正值，组合获得多种经验参数组合中：
所述经验参数组合共有(2n+1)6种组合方式。
8.如权利要求6所述的融合实测数据的管道流场压力分布评估方法，其特征在于，所述在预设时间段内，将各所述经验参数组合对应的理论压力分布情况，与监测获得的监测压力分布情况进行比对，具体基于总误差计算公式：
其中，
ΔP(ta～tb)为在预设时间段内理论压力分布情况与监测压力分布情况的总误差；
ta～tb为预设时间段；
P(x1,y1,z1,t)为第1个监测点监测获得的监测压力强度，P(x2,y2,z2,t)为第2个监测点监测获得的监测压力强度，…，P(xk,yk,zk,t)为第k个监测点监测获得的监测压力强度；
P′(x1,y1,z1,t)为第1个监测点对应的理论压力强度，P′(x2,y2,z2,t)为第2个监测点对应的理论压力强度，…，P′(xk,yk,zk,t)为第k个监测点对应的理论压力强度。
9.如权利要求1所述的融合实测数据的管道流场压力分布评估方法，其特征在于，所述将各所述经验参数组合对应的理论压力分布情况，与监测获得的监测压力分布情况进行比对之前，还包括以下步骤：
对应各监测点分别设置监测仪器；
利用所述监测仪器监测各监测点，获得对应的监测压力分布情况。
10.一种融合实测数据的管道流场压力分布评估装置，其特征在于，所述装置包括：
参数浮动阈值拆分模块，其用于对预设的参数浮动阈值对应的参数浮动阈值范围进行等差拆分处理，获得多个参数浮动子阈值；
经验参数修正模块，其用于获得多种经验参数估计值，根据各种所述经验参数估计值，结合各所述参数浮动子阈值，获得对应各种所述经验参数估计值的多个经验参数修正值；
经验参数组合模块，其用于根据各种所述经验参数估计值的多个所述经验参数修正值，组合获得多种经验参数组合，各所述经验参数组合均包括每种所述经验参数修正值；
理论压力分布模拟模块，其用于根据各所述经验参数组合模拟获得理论压力分布情况；
实际压力分布分析模块，其用于在预设时间段内，将各所述经验参数组合对应的理论压力分布情况，与监测获得的监测压力分布情况进行比对，将两者总误差最小时对应的所述理论压力分布情况作为实际压力分布情况。
CN202011034085.7A 2020-09-27 2020-09-27 一种融合实测数据的管道流场压力分布评估方法及装置 Active CN112115654B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011034085.7A CN112115654B (zh) 2020-09-27 2020-09-27 一种融合实测数据的管道流场压力分布评估方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011034085.7A CN112115654B (zh) 2020-09-27 2020-09-27 一种融合实测数据的管道流场压力分布评估方法及装置

Publications (2)

Publication Number Publication Date
CN112115654A CN112115654A (zh) 2020-12-22
CN112115654B true CN112115654B (zh) 2024-03-12

Family

ID=73797783

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011034085.7A Active CN112115654B (zh) 2020-09-27 2020-09-27 一种融合实测数据的管道流场压力分布评估方法及装置

Country Status (1)

Country Link
CN (1) CN112115654B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113970401B (zh) * 2021-12-22 2022-04-01 季华实验室 一种管道压力传感器

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107590336A (zh) * 2017-09-13 2018-01-16 哈尔滨理工大学 燃气管道泄漏对内部流场影响的数值模拟方法
CN109684767A (zh) * 2019-01-08 2019-04-26 北京理工大学 一种基于低温流体的涡轮泵诱导轮空化流动数值预测方法
CN110500511A (zh) * 2019-08-13 2019-11-26 常州大学 一种城市非金属管道泄漏定位方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9176243B2 (en) * 2006-02-24 2015-11-03 Hanner Zueroher Locating oil or gas actively by exciting a porous oil and gas saturated system to give off its characteristic resonance response, with optional differentiation of oil, gas and water
CN103939749B (zh) * 2014-04-28 2016-08-24 东北大学 基于大数据的输油管网泄漏智能自适应监控系统及方法
US10309861B2 (en) * 2017-02-27 2019-06-04 Pro-Fin Engineering Inc. Intelligent pipeline small leaks and thefts detection methods and systems

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107590336A (zh) * 2017-09-13 2018-01-16 哈尔滨理工大学 燃气管道泄漏对内部流场影响的数值模拟方法
CN109684767A (zh) * 2019-01-08 2019-04-26 北京理工大学 一种基于低温流体的涡轮泵诱导轮空化流动数值预测方法
CN110500511A (zh) * 2019-08-13 2019-11-26 常州大学 一种城市非金属管道泄漏定位方法

Also Published As

Publication number Publication date
CN112115654A (zh) 2020-12-22

Similar Documents

Publication Publication Date Title
JP2013073414A (ja) プラントのセンサ診断装置およびセンサ診断方法
DE102013106157A1 (de) Meßsystem mit einem Druckgerät sowie Verfahren zur Überwachung und/oder Überprüfung eines solchen Druckgeräts
CN112115654B (zh) 一种融合实测数据的管道流场压力分布评估方法及装置
Gomes et al. Optimal inspection planning and repair under random crack propagation
Okeya et al. Locating pipe bursts in a district metered area via online hydraulic modelling
US10156465B2 (en) Method for detecting anomalies in a distribution network, in particular a water distribution network
KR100893944B1 (ko) 칼만필터 또는 칼만스무더를 적용하여 원자력 발전소 원자로 냉각재 계통의 미확인 누설률을 계산한 원자로냉각재 계통 파단전누설 모니터링 방법
Keprate et al. Handling uncertainty in the remnant fatigue life assessment of offshore process pipework
CN111828845A (zh) 基于人工智能的管道自动检漏方法
CN112067283A (zh) 一种基于声音功率谱的调节阀气蚀诊断系统及其诊断方法
JP6886563B2 (ja) 熱交換器のファウリングを評価する方法
Mirats-Tur et al. Leak detection and localization using models: field results
JP2009003758A (ja) プラント用計測器校正支援装置及びプラント用計測器校正支援方法
CN103776652B (zh) 一种高压加热器性能检测方法及系统
CN106874589A (zh) 一种基于数据驱动的报警根源寻找方法
JP4786670B2 (ja) 計測器ドリフト検知装置
JP5534329B2 (ja) 粒子計測式水質分析装置
CA2858971C (en) A system and method for enhancing corrosion rate determination in process equipment using a telescoping/rotating sensor
CN202483853U (zh) 水泵出厂检验装置
WO2015040683A1 (ja) センサ健全性判定方法およびセンサ健全性判定装置
Bouskela et al. New Method to Perform Data Reconciliation with OpenModelica and ThermoSysPro
JP2012032168A (ja) 弁の性能評価方法
Quiñones-Grueiro et al. Leaks' detection in water distribution networks with demand patterns
CN107589035A (zh) 一种工业锅炉腐蚀结垢检测装置及方法
Koelzow et al. Application of Damage Mechanics and Polynomial Chaos Expansion for Lifetime Prediction of High-Temperature Components Under Creep-Fatigue Loading

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