CN114324096B - 流化床干燥过程中颗粒浓度分布和湿度的在线检测方法 - Google Patents
流化床干燥过程中颗粒浓度分布和湿度的在线检测方法 Download PDFInfo
- Publication number
- CN114324096B CN114324096B CN202111669371.5A CN202111669371A CN114324096B CN 114324096 B CN114324096 B CN 114324096B CN 202111669371 A CN202111669371 A CN 202111669371A CN 114324096 B CN114324096 B CN 114324096B
- Authority
- CN
- China
- Prior art keywords
- concentration distribution
- humidity
- particle concentration
- solid particle
- solid
- 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
- 239000002245 particle Substances 0.000 title claims abstract description 184
- 238000009826 distribution Methods 0.000 title claims abstract description 123
- 238000001514 detection method Methods 0.000 title claims abstract description 29
- 238000001035 drying Methods 0.000 title claims abstract description 26
- 239000007787 solid Substances 0.000 claims abstract description 126
- 230000004044 response Effects 0.000 claims abstract description 28
- 238000005259 measurement Methods 0.000 claims description 49
- 238000000034 method Methods 0.000 claims description 21
- 239000000203 mixture Substances 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 13
- 230000035699 permeability Effects 0.000 claims description 11
- 230000005514 two-phase flow Effects 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 9
- 230000035945 sensitivity Effects 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 7
- 238000003325 tomography Methods 0.000 claims description 7
- 238000013461 design Methods 0.000 claims description 6
- 239000011343 solid material Substances 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 239000000463 material Substances 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000005481 NMR spectroscopy Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000009835 boiling Methods 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000005669 field effect Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000008247 solid mixture Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Landscapes
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明公开流化床干燥过程中颗粒浓度分布和湿度的在线检测方法,包括S1、测量微波谐振腔的谐振频率;S2、构建谐振频率响应与固体颗粒浓度分布、湿度关系模型;S3、基于谐振频率响应与固体颗粒浓度分布、湿度关系模型、修正的麦克斯韦等效介电常数模型和ECT图像重建原理,构建颗粒浓度分布校准模型,利用颗粒浓度分布校准模型,获得校准后的固体颗粒浓度分布;S4、基于校准后的固体颗粒浓度分布以及谐振频率与固体颗粒浓度分布和湿度的关系模型,得到校准后的颗粒湿度。本发明实现流化床干燥过程中颗粒浓度分布及湿度的在线连续准确监测。
Description
技术领域
本发明涉及气固两相流中固体颗粒检测技术领域,特别是涉及流化床干燥过程中颗粒浓度分布和湿度的在线检测方法。
背景技术
流化床干燥技术是近年来发展起来的一种新型干燥技术,其过程是散状物料被置于孔板上,并由其下部输送气体,引起物料颗粒在气体分布板上运动,在气流中呈悬浮状态,产生物料颗粒与气体的混合底层,犹如液体沸腾一样。在流化床干燥器中物料颗粒在此混合底层中与气体充分接触,进行物料与气体之间的热传递与水分传递。目前被广泛用于化工、食品、陶瓷、药物、聚合物等行业。
在流化床内干燥过程中测量固体浓度方面,现阶段主要是一些基于非侵入测量来获得固体颗粒浓度分布,例如核磁共振,超声,静电感应阵列,电学和放射线等。其中,核磁共振和放射线因考虑到成本和应用环境限制,很难在流化床干燥过程中应用和推广;超声和静电感应阵列在高浓度固体颗粒中信号衰减严重,导致信噪比和误差大。此外,电容层析成像技术(ECT)是一种比较成熟的工业成像方法,但由于ECT软场效应,其空间分辨率较低,且依据其成像原理,中心区域的分辨率会低于管壁周围区域。在测量颗粒湿度方面,现阶段主要采用近红外光谱测量技术,但受限于近红外光波长短,穿透力有限,只能得到颗粒表面湿度信息,且系统标定复杂。而用于颗粒湿度测量的ECT测量系统,其测量结果在管壁附近区域才能保证一定的准确性。在众多颗粒湿度测量方法中,微波谐振技术具有响应时间短,测量精度高和非侵入等显著优势,效果较理想。针对流化床干燥过程中固体颗粒湿度测量和浓度分布在线测量方面,现有的单模测量手段还无法实现这两个关键参数的协同测量,而组合多种测量手段对其进行测量,仍存在未解决的关键技术问题。长期以来,ECT在气固流化床内气固两相流的颗粒浓度分布测量取得了一定进展,但是由于气固两相流态的复杂性及ECT技术自身的局限性,ECT在颗粒浓度分布和湿度测量的准确性问题一直未能有效解决。微波对于物料中微量水分的变化有很高的灵敏度,微波谐振技术在颗粒湿度测量方面表现出其独特优势,但无法对湿度和浓度进行协同测量。
发明内容
本发明的目的是提供流化床干燥过程中颗粒浓度分布和湿度的在线检测方法,以解决上述现有技术存在的问题,对流化床反应器中颗粒浓度分布及湿度进行非侵入在线连续准确监测。利用微波谐振技术的高精度测量作为先验信息,提升ECT的图像重建质量,得到更为准确的颗粒浓度分布,最终,结合颗粒浓度分布信息和谐振频率确定颗粒湿度。
为实现上述目的,本发明提供了如下方案:本发明提供流化床干燥过程中颗粒浓度分布和湿度的在线检测方法,包括以下步骤:
S1、改变气固两相流流态下的固体颗粒浓度分布和湿度,测量对应的微波谐振腔谐振频率;
S2、基于所述固体颗粒浓度分布、湿度和所述微波谐振腔内谐振频率,构建谐振频率响应与固体颗粒浓度分布、湿度关系模型;
S3、基于所述谐振频率响应与固体颗粒浓度分布、湿度关系模型、修正的麦克斯韦等效介电常数模型和电容层析成像技术ECT图像重建原理,构建颗粒浓度分布校准模型,利用所述颗粒浓度分布校准模型进行检测,获得校准后的固体颗粒浓度分布;
S4、利用校准后的固体颗粒浓度分布和所述谐振频率响应与固体颗粒浓度分布、湿度关系模型,计算校准后的颗粒湿度。
可选地,所述S1中的微波谐振腔谐振频率包括不同颗粒浓度的谐振频率和不同颗粒湿度的谐振频率。
可选地,所述S2中构建谐振频率响应与固体颗粒浓度分布、湿度关系模型包括:
S201、基于微波谐振腔的结构参数,构建谐振频率与被测管道内混合物的磁导率、介电常数的函数关系模型;
S202、基于所述固体颗粒浓度分布和湿度,构建固体颗粒等效介电常数和固体颗粒浓度分布、湿度关系模型;
S203、根据所述谐振频率与被测管道内混合物的磁导率、介电常数的函数关系模型和所述等效介电常数和固体颗粒浓度分布、湿度关系模型,构建所述谐振频率响应与固体颗粒浓度分布、湿度关系模型。
可选地,所述谐振频率响应与固体颗粒浓度分布、湿度关系模型为:
其中,θ为颗粒的密堆积体积分数,N为重建图像的像素数,ai(x,y)为像素点区域的面积,Gi(x,y)为像素点(x,y)的灰度值,Xp为初始固体颗粒物湿度,α为由谐振腔设计所决定的常数,c为光速,g()表示函数,μ为被测管道内混合物的磁导率。
可选地,所述固体颗粒浓度分布包括小环-核结构、半场结构、大环-核结构、气泡型结构、环形结构。
可选地,所述S3包括:
S301、利用电容层析成像技术ECT重建固体颗粒分布图像,获取固体颗粒浓度分布检测值;
S302、基于所述谐振频率响应与固体颗粒浓度分布、湿度关系模型,获得初始固体颗粒湿度;
S303、获取电容测量值,基于所述电容测量值和所述固体颗粒浓度分布检测值,构建所述固体颗粒浓度分布检测值与所述电容测量值的映射关系模型;
S304、基于所述初始固体颗粒湿度和修正的麦克斯韦等效介电常数模型,计算固体颗粒等效介电常数;
S305、基于所述映射关系模型,获取所述固体颗粒浓度分布测量值中每一像素点对应的介电常数,将所述固体颗粒等效介电常数取代所述每一像素点对应的介电常数,获得校准后的固体颗粒浓度分布对应的电容值,判断所述校准后的固体颗粒浓度分布对应的电容值与所述电容测量值的差值的1-范数是否最小,是,则输出所述校准后的固体颗粒浓度,不是,则返回S302。
可选地,所述固体颗粒浓度分布检测值与所述电容测量值的映射关系模型为:
Cm=S·Gm
其中,Gm为浓度分布,Cm为电容测量值,S为灵敏度矩阵。
可选地,初始固体颗粒湿度Xp满足:
Xp=f-1(S-1·Cm,fr)
其中,S-1是S的广义逆矩阵,Cm为电容测量值,fr为谐振频率响应与固体颗粒浓度分布、湿度关系模型。
可选地,所述固体颗粒的等效介电常数为:
εeff-g=kεeff
其中,εeff-g为固体颗粒的等效介电常数,k为常数,εeff为含水固体物料的等效介电常数。
可选地,所述校准后的颗粒浓度分布所对的电容值为:
C=S·fmaxwell(f-1(S-1·Cm,fr))
其中,S为灵敏度矩阵,S-1是S的广义逆矩阵,Cm为电容测量值,fr为谐振频率响应与固体颗粒浓度分布、湿度关系模型,f-1()是逆函数。
本发明公开了以下技术效果:
本发明提供的流化床干燥过程中颗粒浓度分布和湿度的在线检测方法,通过测量固体颗粒浓度和谐振频率来估算颗粒湿度,打破了传统微波谐振技术测固体颗粒湿度时颗粒需要填满谐振腔的限制;基于谐振频率校准的颗粒浓度分布重建方法,可实现对ECT图像重建过程的校准;针对传统测量手段侵入式、测量区域局部化的问题,结合微波谐振腔技术高精准测量和ECT技术分布式测量,既提升了信息维度,又实现了非侵入式连续测量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中流化床干燥过程中颗粒浓度分布和湿度的在线检测方法流程示意图;
图2为本发明实施例中建立固体颗粒浓度分布、湿度与谐振频率之间关系模型流程图;
图3为本发明实施例中建立固体颗粒浓度分布、湿度与ECT系统所有测量值之间的关系模型流程图;
图4为本发明实施例中实施流化床干燥过程中颗粒浓度分布和湿度的在线检测方法的实验系统框架图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明提供流化床干燥过程中颗粒浓度分布和湿度的在线检测方法。本实施例利用如图4所示的实验系统实施该检测方法,具体包括如下步骤,如图1所示:
S1、利用谐振腔传感器,改变特定气固两相流流态下的固体颗粒浓度分布和湿度,测量对应的微波谐振腔的谐振频率。
其中,微波谐振数据包括不同颗粒浓度的谐振频率和不同颗粒湿度的谐振频率。
S2、针对影响微波谐振频率的因素(例如固体颗粒的浓度、材料和湿度)和介电常数是固体颗粒浓度、湿度的函数,建立关于固体颗粒浓度分布、湿度与谐振频率响应之间的关系模型,如图2所示。
当谐振腔传感器设计确定时,谐振频率与被测管道内混合物的磁导率和介电常数有关,而气固两相流中气固混合物的磁导率为1,则可认为谐振频率只由被测管道内混合物的等效介电常数决定。等效介电常数是颗粒浓度和湿度的函数,成像区域内的介电常数分布代表浓度分布,其对应的平均固体浓度与重建图像的灰度值线性相关。因此,由微波谐振器测得的谐振频率和ECT测得的介电常数分布,可以得到谐振频率和颗粒浓度、湿度之间的数学模型,具体包括:
S201、当谐振腔传感器设计确定时,谐振频率与被测管道内混合物的磁导率和介电常数有关,构建谐振频率与被测管道内混合物的磁导率和介电常数的函数关系fr,如式(1)所示:
其中,α为一个由谐振腔设计所决定的常数,c为光速,μ为被测管道内混合物的磁导率,ε被测管道内混合物的介电常数。
S202、通过理论分析,假设函数等效介电常数ε是颗粒浓度β和湿度Xp的函数如式(2)表示;
ε=g(β,Xp) (2)
颗粒浓度β可以由颗粒浓度分布得到,在气固两相流的电容层析成像测量过程中,其对应的平均固体浓度与重建图像的灰度值的关系如式(3)所示:
其中,θ是颗粒的密堆积体积分数,N是重建图像的像素数,ai(x,y)是像素点(x,y)区域的面积,Gi(x,y)是像素点(x,y)的灰度值。
基于谐振频率与被测管道内混合物的磁导率和介电常数的函数关系模型、等效介电常数和平均固体颗粒的浓度与重建图像灰度值的关系模型,构建谐振频率响应与固体颗粒浓度分布、湿度关系模型。
将(1)式和(2)式带入(3)式可得到浓度分布、湿度与谐振频率响应的关系,如式(4)所示:
其中,θ为颗粒的密堆积体积分数,N为重建图像的像素数,ai(x,y)为像素点区域的面积,Gi(x,y)为像素点(x,y)的灰度值,Xp为初始固体颗粒物湿度,α为由谐振腔设计所决定的常数,c为光速,g()表示函数,μ为被测管道内混合物的磁导率。
本实施例中,通过进行大量的实验来获取不同浓度分布和湿度对应的谐振频率。根据统计研究流化床干燥过程的相关文献数据,对固体颗粒浓度分布和湿度进行分类。本实施例中采用的典型的颗粒浓度分布为小环-核结构、半场结构、大环-核结构、气泡型结构、环形结构。
利用谐振频率响应与固体颗粒浓度分布、湿度关系模型,检测固体颗粒湿度。
S3、基于谐振频率响应与固体颗粒浓度分布、湿度关系模型、等效介电常数模型和电容层析成像技术ECT图像重建原理,构建颗粒浓度分布校准模型,基于颗粒浓度分布校准模型,检测固体颗粒浓度分布。
本实施例中,利用高精度微波谐振测量值以及电容层析成像系统采集到的电容值,得到固体颗粒湿度,再结合水的介电常数和固体颗粒的介电常数,从而得到固体颗粒等效介电常数。将融合谐振频率先验信息得到的固体颗粒的等效介电常数用来取代由求得浓度分布中每一像素点对应的介电常数,进而得到校准后的颗粒浓度分布所对的电容值。理论上校准后电容值应等于测量的电容值,因此可以通过最小化校准后的电容值和ECT测量系统的测量电容值构建最优化问题的目标函数,然后基于迭代优化算法求解目标函数,实现对浓度分布的重建。如图3所示,具体步骤包括:
S301、采集气固两相流的电容测量值,基于ECT图像获得浓度分布,基于电容测量值和所述浓度分布,构建浓度分布与电容测量值关系模型。
依据所选取的激励模式,在激励信号的作用下,从电容层析成像传感器上可以采集到一组测量数据。通常电容层析成像传感器内的二维成像区域由上千个像素点组成,每个像素点的灰度值对应该位置的浓度。在气固两相流若将当前采集到的电容测量值用一个向量表示为Cm,并用Gm来代表所对应的浓度分布,浓度分布Gm与电容测量值Cm可以通过一个映射矩阵S关联,可以表达为如式(5)所示:
Cm=S·Gm (5)
其中,S称为灵敏度矩阵,即浓度分布Gm与电容测量值Cm的映射矩阵。
S302、基于所述浓度分布与电容值关系模型和所述谐振频率响应与固体颗粒浓度分布、湿度关系模型,获得初始固体颗粒湿度。
根据上述得到的固体浓度分布和湿度与谐振频率响应的函数关系式(4),即初始固体颗粒湿度Xp满足式(6):
Xp=f-1(S-1·Cm,fr) (6)
式中,f1(S-1·Cm,fr)是fr(Gi(x,y),Xp)关于Xp的反函数,S-1是S的广义逆。
S303、基于固体颗粒湿度,根据修正的麦克斯韦等效介电常数模型,获得固体物料等效介电常数。
根据麦克斯韦等效介电常数模型,含水固体物料的等效介电常数εeff满足如式(7)所示:
其中,εw是水的介电常数,εp是固体物料的介电常数,Xp为初始固体颗粒湿度。对于固体颗粒,其等效介电常数可以表达为如式(8)所示:
εeff-g=kεeff (8)
即为修正的麦克斯韦等效介电常数模型。式中,k为一个常数,由固体颗粒的特征决定。
S304、基于含水固体物料等效介电常数,获得校准后的颗粒浓度分布所对的电容值。
基于修正的麦克斯韦等效介电常数模型,将融合谐振频率先验信息得到的固体颗粒的等效介电常数用来取代由S-1·Cm求得浓度分布中每一像素点对应的介电常数,并将其带入(5)式,则有如式(9)所示:
C=S·fmax well(f-1(S-1·Cm,fr)) (9)
其中,C为校准后的颗粒浓度分布所对的电容值,fmax well()表示利用修正的麦克斯韦等效介电常数模型计算校准过程中的颗粒浓度分布的函数,S为映射矩阵(灵敏度矩阵)。
S305、判断校准后的颗粒浓度分布所对的电容值与电容测量值的差值的1-范数是否最小,是,则输出颗粒浓度分布,否,则返回S302。
理论上校准后电容值应等于测量的电容值,求解此问题等价为如式(10)所示的表达式:
其中,为校准后的颗粒浓度分布所对的电容值与电容测量值的差值的1-范数平方的最小值,即判断标准,Cm为电容测量值,S·fmax well(f-1(S-1·Cm,fr))为校准后的颗粒浓度分布所对的电容值表达式。
S4、基于校准后的固体颗粒浓度分布以及谐振频率与固体颗粒浓度分布和湿度的关系模型,得到校准后的颗粒湿度。
本发明通过测量固体颗粒浓度和谐振频率来估算颗粒湿度,打破了传统微波谐振技术测固体颗粒湿度时颗粒需要填满谐振腔的限制;基于谐振频率校准的颗粒浓度分布重建方法,可实现对ECT图像重建过程的校准;针对传统测量手段侵入式、测量区域局部化的问题,结合微波谐振腔技术高精准测量和ECT技术分布式测量,既提升了信息维度,又实现了非侵入式连续测量。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (9)
1.流化床干燥过程中颗粒浓度分布和湿度的在线检测方法,其特征在于,包括以下步骤:
S1、改变气固两相流流态下的固体颗粒浓度分布和湿度,测量对应的微波谐振腔谐振频率;
S2、基于所述固体颗粒浓度分布、湿度和所述微波谐振腔内谐振频率,构建谐振频率响应与固体颗粒浓度分布、湿度关系模型;
S3、基于所述谐振频率响应与固体颗粒浓度分布、湿度关系模型、修正的麦克斯韦等效介电常数模型和电容层析成像技术ECT图像重建原理,构建颗粒浓度分布校准模型,利用所述颗粒浓度分布校准模型进行检测,获得校准后的固体颗粒浓度分布;
所述S3包括:
S301、利用电容层析成像技术ECT重建固体颗粒分布图像,获取固体颗粒浓度分布检测值;
S302、基于所述谐振频率响应与固体颗粒浓度分布、湿度关系模型,获得初始固体颗粒湿度;
S303、获取电容测量值,基于所述电容测量值和所述固体颗粒浓度分布检测值,构建所述固体颗粒浓度分布检测值与所述电容测量值的映射关系模型;
S304、基于所述初始固体颗粒湿度和修正的麦克斯韦等效介电常数模型,计算固体颗粒等效介电常数;
S305、基于所述映射关系模型,获取所述固体颗粒浓度分布测量值中每一像素点对应的介电常数,将所述固体颗粒等效介电常数取代所述每一像素点对应的介电常数,获得校准后的固体颗粒浓度分布对应的电容值,判断所述校准后的固体颗粒浓度分布对应的电容值与所述电容测量值的差值的1-范数是否最小,是,则输出所述校准后的固体颗粒浓度,不是,则返回S302;
S4、利用校准后的固体颗粒浓度分布和所述谐振频率响应与固体颗粒浓度分布、湿度关系模型,计算校准后的颗粒湿度。
2.根据权利要求1所述的流化床干燥过程中颗粒浓度分布和湿度的在线检测方法,其特征在于,所述S1中的微波谐振腔谐振频率包括不同颗粒浓度的谐振频率和不同颗粒湿度的谐振频率。
3.根据权利要求1所述的流化床干燥过程中颗粒浓度分布和湿度的在线检测方法,其特征在于,所述S2中构建谐振频率响应与固体颗粒浓度分布、湿度关系模型包括:
S201、基于微波谐振腔的结构参数,构建谐振频率与被测管道内混合物的磁导率、介电常数的函数关系模型;
S202、基于所述固体颗粒浓度分布和湿度,构建固体颗粒等效介电常数和固体颗粒浓度分布、湿度关系模型;
S203、根据所述谐振频率与被测管道内混合物的磁导率、介电常数的函数关系模型和所述等效介电常数和固体颗粒浓度分布、湿度关系模型,构建所述谐振频率响应与固体颗粒浓度分布、湿度关系模型。
4.根据权利要求3所述的流化床干燥过程中颗粒浓度分布和湿度的在线检测方法,其特征在于,所述谐振频率响应与固体颗粒浓度分布、湿度关系模型为:
其中,θ为颗粒的密堆积体积分数,N为重建图像的像素数,ai(x,y)为像素点区域的面积,Gi(x,y)为像素点(x,y)的灰度值,Xp为初始固体颗粒物湿度,α为由谐振腔设计所决定的常数,c为光速,g(·)表示函数,μ为被测管道内混合物的磁导率。
5.根据权利要求1所述的流化床干燥过程中颗粒浓度分布和湿度的在线检测方法,其特征在于,所述固体颗粒浓度分布包括小环-核结构、半场结构、大环-核结构、气泡型结构、环形结构。
6.根据权利要求1所述的流化床干燥过程中颗粒浓度分布和湿度的在线检测方法,其特征在于,所述固体颗粒浓度分布检测值与所述电容测量值的映射关系模型为:
Gm=S·Gm
其中,Gm为浓度分布,Cm为电容测量值,S为灵敏度矩阵。
7.根据权利要求1所述的流化床干燥过程中颗粒浓度分布和湿度的在线检测方法,其特征在于,初始固体颗粒湿度Xp满足:
Xp=f-1(S-1·Cm,fr)
其中,S-1是S的广义逆矩阵,Cm为电容测量值,fr为谐振频率响应与固体颗粒浓度分布、湿度关系模型。
8.根据权利要求1所述的流化床干燥过程中颗粒浓度分布和湿度的在线检测方法,其特征在于,所述固体颗粒的等效介电常数为:
εeff-g=kεeff
其中,εeff-g为固体颗粒的等效介电常数,k为常数,εeff为含水固体物料的等效介电常数。
9.根据权利要求1所述的流化床干燥过程中颗粒浓度分布和湿度的在线检测方法,其特征在于,所述校准后的颗粒浓度分布所对的电容值为:
C=S·fmaxwell(f-1(S-1·Cm,fr))
其中,S为灵敏度矩阵,S-1是S的广义逆矩阵,Cm为电容测量值,fr为谐振频率响应与固体颗粒浓度分布、湿度关系模型,f-1(·)是逆函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111669371.5A CN114324096B (zh) | 2021-12-31 | 2021-12-31 | 流化床干燥过程中颗粒浓度分布和湿度的在线检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111669371.5A CN114324096B (zh) | 2021-12-31 | 2021-12-31 | 流化床干燥过程中颗粒浓度分布和湿度的在线检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114324096A CN114324096A (zh) | 2022-04-12 |
CN114324096B true CN114324096B (zh) | 2023-11-14 |
Family
ID=81021457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111669371.5A Active CN114324096B (zh) | 2021-12-31 | 2021-12-31 | 流化床干燥过程中颗粒浓度分布和湿度的在线检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114324096B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1994007121A1 (en) * | 1992-09-11 | 1994-03-31 | Pedro Lilienfeld | System and method for resonant filter mass monitoring |
CN101842694A (zh) * | 2007-09-03 | 2010-09-22 | 曼彻斯特大学 | 关于流化床的方法和装置 |
CN102338732A (zh) * | 2011-07-06 | 2012-02-01 | 浙江大学 | 一种气固流化床流化参数的测量方法 |
CN202256257U (zh) * | 2011-10-20 | 2012-05-30 | 西安石油大学 | 一种两相流含水率测试装置 |
CN202649139U (zh) * | 2012-06-27 | 2013-01-02 | 上海理工大学 | 湿度实时检测系统 |
CN104297112A (zh) * | 2014-11-05 | 2015-01-21 | 上海理工大学 | 一种湿蒸汽区液滴颗粒的测量方法以及装置 |
CN105300851A (zh) * | 2015-11-11 | 2016-02-03 | 中国农业大学 | 一种基于激光技术的喷雾雾滴三维空间分布的检测方法 |
CN108535158A (zh) * | 2018-03-27 | 2018-09-14 | 北京理工大学 | 一种声-电复合的粉尘浓度检测系统及检测方法 |
CN111781114A (zh) * | 2020-07-09 | 2020-10-16 | 南京大得科技有限公司 | 一种气固两相流的浓度和速度检测装置和检测方法 |
-
2021
- 2021-12-31 CN CN202111669371.5A patent/CN114324096B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1994007121A1 (en) * | 1992-09-11 | 1994-03-31 | Pedro Lilienfeld | System and method for resonant filter mass monitoring |
US5349844A (en) * | 1992-09-11 | 1994-09-27 | Trc Companies, Inc. | System and method for resonant filter mass monitoring |
CN101842694A (zh) * | 2007-09-03 | 2010-09-22 | 曼彻斯特大学 | 关于流化床的方法和装置 |
CN102338732A (zh) * | 2011-07-06 | 2012-02-01 | 浙江大学 | 一种气固流化床流化参数的测量方法 |
CN202256257U (zh) * | 2011-10-20 | 2012-05-30 | 西安石油大学 | 一种两相流含水率测试装置 |
CN202649139U (zh) * | 2012-06-27 | 2013-01-02 | 上海理工大学 | 湿度实时检测系统 |
CN104297112A (zh) * | 2014-11-05 | 2015-01-21 | 上海理工大学 | 一种湿蒸汽区液滴颗粒的测量方法以及装置 |
CN105300851A (zh) * | 2015-11-11 | 2016-02-03 | 中国农业大学 | 一种基于激光技术的喷雾雾滴三维空间分布的检测方法 |
CN108535158A (zh) * | 2018-03-27 | 2018-09-14 | 北京理工大学 | 一种声-电复合的粉尘浓度检测系统及检测方法 |
CN111781114A (zh) * | 2020-07-09 | 2020-10-16 | 南京大得科技有限公司 | 一种气固两相流的浓度和速度检测装置和检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114324096A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Gas/liquid two-phase flow regime identification by ultrasonic tomography | |
Beck | Process tomography: principles, techniques and applications | |
Yang et al. | Image reconstruction algorithms for electrical capacitance tomography | |
US8614707B2 (en) | 3D and real time electrical capacitance volume-tomography sensor design and image reconstruction | |
US10261039B2 (en) | Method and apparatus for investigating permittivity in a target domain | |
Rasteiro et al. | Electrical tomography: a review of configurations and applications to particulate processes | |
Watzenig et al. | A review of statistical modelling and inference for electrical capacitance tomography | |
Yang et al. | Adaptive calibration of a capacitance tomography system for imaging water droplet distribution | |
Holland et al. | Comparison of ECVT and MR measurements of voidage in a gas-fluidized bed | |
Li et al. | Optimizing the geometry of three-dimensional electrical capacitance tomography sensors | |
Wang et al. | Online monitoring of gas–solid two-phase flow using projected CG method in ECT image reconstruction | |
Yu et al. | A hybrid kernel function approach for acoustic reconstruction of temperature distribution | |
Shen et al. | Study on the shape of staggered electrodes for 3-D electrical capacitance tomography sensors | |
Yan et al. | Electrical capacitance tomography image reconstruction by improved orthogonal matching pursuit algorithm | |
CN114324096B (zh) | 流化床干燥过程中颗粒浓度分布和湿度的在线检测方法 | |
CN111413376B (zh) | 同面阵列电容传感器成像方法 | |
CN114018954A (zh) | 一种多模态传感器 | |
Cao et al. | 2D electrical capacitance tomography with sensors of non-circular cross sections using the factorization method | |
Kowalska et al. | Towards high precision electrical capacitance tomography multilayer sensor structure using 3d modelling and 3d printing method | |
Chen et al. | Imaging irregular structures using electrical capacitance tomography | |
Yang et al. | Real-time Monitoring Multi-phase Flow using Electrical Impedance Tomography | |
Libert et al. | Capacitive Probe for Gas-Liquid Flow Characterization | |
Hisham et al. | Does Parallel Projection is Suitable in Electrical Capacitance Tomography?–A Comparison with Common Approach | |
Rymarczyk et al. | Analysis of historical wall dampness using electrical tomography measuring system | |
ZHAO et al. | Simulation of sensitivity field for electromagnetic tomography in multiphase flow well logging |
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 |