CN1554936A - 基于软测量技术的气液两相流流型辨识方法及系统 - Google Patents
基于软测量技术的气液两相流流型辨识方法及系统 Download PDFInfo
- Publication number
- CN1554936A CN1554936A CNA2003101227739A CN200310122773A CN1554936A CN 1554936 A CN1554936 A CN 1554936A CN A2003101227739 A CNA2003101227739 A CN A2003101227739A CN 200310122773 A CN200310122773 A CN 200310122773A CN 1554936 A CN1554936 A CN 1554936A
- Authority
- CN
- China
- Prior art keywords
- flow
- soft
- signal
- output
- resistance
- 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.)
- Granted
Links
- 239000007788 liquid Substances 0.000 title claims abstract description 30
- 238000005516 engineering process Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 title claims description 60
- 238000005259 measurement Methods 0.000 title abstract description 18
- 230000005514 two-phase flow Effects 0.000 claims abstract description 26
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 239000003990 capacitor Substances 0.000 claims description 14
- 230000003321 amplification Effects 0.000 claims description 13
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 11
- 238000003909 pattern recognition Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 3
- 230000004069 differentiation Effects 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 2
- 238000007405 data analysis Methods 0.000 claims 1
- 238000013480 data collection Methods 0.000 claims 1
- 238000012360 testing method Methods 0.000 abstract description 8
- 238000005070 sampling Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000000354 decomposition reaction Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000005501 phase interface Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012850 discrimination method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Landscapes
- Measuring Volume Flow (AREA)
- Measuring Fluid Pressure (AREA)
Abstract
本发明公开了一种基于软测量技术的气液两相流流型辨识方法及系统。采用了软测量技术框架,利用易测可靠的差压波动信号作为辅助变量,进行主导变量两相流流型的检测。对采集到的差压信号进行小波分析,并在此基础上提取相应的特征值,根据特征值采用模糊模式识别技术对水平管气液两相流流型进行客观辨识。其中,关键的软测量模型采用了小波分析技术与模糊模式识别技术相结合进行建模。在此基础上建立了一套气液两相流流型辨识系统。本系统由实验管路、取压孔、取压管、差压传感器、放大器、数据采集卡、微型计算机以及打印机构成。本系统将检测到的差压信号通过放大器和数据采集卡送入计算机,在计算机中实现对数据处理,进而实现气液两相流流型的辨识。
Description
技术领域
本发明涉及一种基于软测量技术的气液两相流流型辨识方法及系统。
背景技术
随着科学技术的迅速发展,两相流动体系在国民经济和人类生活中的地位日益重要。在自然界和工业生产中涉及范围十分广泛。在化工、石油、冶金、动力及原子能等工业中,两相流动过程更是普遍存在。
两相流动中各相介质的分布状况称为流型,或流态。流型的不同,不但影响两相流的流动特性和传热传质性能,而且影响对两相流参数的准确测量。例如压力的波动与被输送的两相流混合物相互作用会产生管路的强烈振动现象。因此研究两相流流型的自动识别不仅具有重要的工业应用价值和学术价值,而且它能够为相关工业的安全与自动化生产、管路系统的设计与运行、两相流量计量的开发等提供重要的技术支持。因此,两相流的流型辨识是两相流检测中的一个重要方向。
但气液两相流中两相之间存在着多变的相界面,相界面的形状及其在两相流中的分布情况是随着流动过程随时在变化的,两相流的相界面的这种多变性,致使两相流的流型不仅是多种多样的,而且其变化带有随机性。这给两相流的流型检测带来了很大的挑战性。
传统的两相流流型检测(判别)方法有两大类:一类是采用实验方法做出流型图。早期对流型的研究主要是靠流型的状态图和流型的模型判据;另一类是根据对流型转变机理得到的转变关系式,利用现场的流动参数来确定具体的流型。但传统的流型辨识方法在实际应用中有很大的局限性。
流型的现代测量方法从工作原理上可分为直接测量法和间接测量法。常见的直接测量法有目测法、高速摄影法、射线衰减法和接触探头法等几种;间接测量法主要有概率密度函数分析法(PDF)、功率谱密度函数分析法(PSD)。随着科学技术的不断发展,近些年又有许多新的流型测量方法产生:过程层析成像技术、模糊数学判别法、分形几何分析法、WVD分析法等,它们都从信号处理的角度出发对所得到的信息经过不同的方法进行处理,最终得到与流型的某种关系进行流型的分析和辨识。传统的通常建立在传感器等硬件基础上的各种现有测试手段,目前在两相流领域还未能获得令人十分满意的结果,将软测量技术(如状态估计,过程参数辨识,人工神经网络,模式识别等)引入多相流参数测试领域中来是两相流检测的一个发展趋势。通过软测量方法(是利用较易在线测量的辅助过程变量和离线分析信息提供主要过程参数的在线估计的方法),解决具有复杂性,不确定性,且很难用数学模型精确描述的两相流系统的测试问题。
发明内容
本发明的目的是提供一种基于软测量技术的气液两相流流型辨识方法及系统。
辨识方法:首先进行水平管气液两相流差压信号的检测,对差压信号进行小波分析处理,再利用模糊模式识别技术建立差压信号辅助变量和两相流流型主导变量之间的数学模型,通过此软测量模型实现两相流流型的自动客观辨识。
系统具有两相流水平管上的第一取压孔、第二取压孔、第三取压孔、第四取压孔、并分别与取压管相连、取压管依次与两个差压传感器、信号调制放大模块、数据采集卡、微型计算机以及打印机相连。
本发明在原有的仪表检测的基础上,依托计算机技术,采用软测量技术进行水平管气液两相流流型的辨识。与传统流型辨识系统相比,采用信号准确可靠,辨识结果准确,能够区分水平管气液两相流的主要流型,且程序功能丰富,显示界面友好。本发明利用所提出的方法对水平管气液两相流流型进行了辨识。试验分别在本实验室试验装置和大庆油田多相流试验基地进行,取得了较好的辨识效果,表1示出了部分试验结果。
表1
气泡流 | 塞状流 | 弹状流 | 环状流 | |
实验数据个数 | 20 | 16 | 20 | 20 |
判别正确个数 | 18 | 13 | 17 | 19 |
判别正确率 | 95% | 81.25% | 85% | 90% |
附图说明
图1是基于软测量技术的气液两相流流型辨识方法方框图;
图2是不同流型下压力波动信号小波分解示意图;
图3是基于软测量技术的气液两相流流型辨识系统结构示意图;
图4是基于软测量技术的气液两相流流型辨识系统取压距离示意图;
图5是本发明信号调制放大模块电路图;
图6是本发明软件程序流程图。
具体实施方式
如图1所示,介绍了基于软测量技术的气液两相流流型辨识方法方框图。软测量技术是近年来在过程控制和检测领域涌现出来的一种新技术。它采用间接测量思路,利用易于获取的其它测量信息,通过计算来实现被检测量的估计。所谓软测量技术就是利用易测过程变量(常称为辅助变量或二次变量),依据这些易测过程变量与难以直接测量的待测过程变量(常称为主导变量)之间的数学关系(软测量模型),通过各种数学计算和估计方法,从而实现待测过程变量的测量。可以看出,软测量技术是依据某种最优化准则,利用由辅助变量构成的可测信息,通过软件计算实现对主导变量的测量,软测量的核心是表征辅助变量和主导变量之间的数学关系的软测量模型,因此软测量的本质就是如何建立软测量模型,即一个数学建模问题。软测量系统构造的核心是如何建立软测量模型。软测量的分类一般都是依据软测量模型的建立方法,可以分为:机理建模、回归分析、状态估计、模式识别、人工神经网络、模糊数学、过程层析成像、相关分析和现代非线性信息处理技术等。图1中描述了本发明所采用软测量方案的技术路线。由于两相流系统的复杂性,流型判别的不确定性,使得很多传统的方法都得不到很好的效果。本发明采用小波分析技术和模糊数学进行数学建模,利用软测量技术对不同管径的气液两相流的流型进行了分析和判别。在两相流系统中,压力或差压波动信号的检测方便可靠,而且包含了丰富的信息,因此将气液两相流的差压波动信号作为软测量系统的易测辅助变量。而主导变量就是气液两相流中重要参数——流型。选择各尺度细节的能量占信号的总能量的百分比作为信号各尺度的特征值,即信号经小波分解后,各尺度细节的能量占信号的总能量的百分比(“尺度能量百分比”)。所谓的尺度能量百分比定义如下:
对于正交小波,可以用小波分解系数来表示信号能量,其总能量可以表示为:
而频率介于2-j和2-(j-1)之间的成分的“尺度能量”可以表示为:
本文以各尺度细节的能量占信号的总能量的百分比作为信号各尺度的特征值,即取能量特征值为“尺度能量百分比”
如图2所示,在不同流型下差压波动信号的小波分解的图形是不同的,其各尺度能量占总能量的百分比也有很大区别,可以作为特征值进行流型的判别。
根据模糊数学理论,流型辨识问题就是一个决策问题,即通过已知的信息来进行流型的分类。
然后确定待辨识流型的特征向量X={x1,x2,x3,x4,x5,x6,x7},这里,xj=Pj=Ej/E0,1≤j≤J,x7=E0,即选用信号的尺度能量百分比Pj和信号能量E0作为特征向量。并确定它们的主要分布区间[minij,maxij],1≤j≤J,,其中i代表某种具体流型,1≤i≤4。也就是说,将根据不同尺度的能量分量Pj和信号的能量E0的分布状况来确定流型的判别准则,以此作为流型判别的依据。
由于隶属度函数的确定并没有一定的标准,多数是根据经验知识加以确定。经过分析,对每个特征变量选用梯形函数作为隶属度函数:
选取每一特征变量隶属度值的加权均值作为每一
的隶属度函数
即:
其中wij为加权系数,且
加权系数是在实验中确立的。由此可以计算出某一特征向量对于每一模糊子集的隶属度值,按最大隶属度原则就可以判断待辨识流型。
在利用样本数据确立了特征变量的隶属度函数后,整个辨识过程的方法步骤如下:
(1)首先对待辨识信号进行小波分解,提取特征向量值:能量E0和尺度能量百分比Pj;
(2)然后计算各特征值的隶属度值,从而得到此信号对于每一流型(模糊子集)的隶属度值;
(3)根据最大隶属度原则,得到辨识的结果,如果有两个相同的隶属度值,则认为流型处于两种流型的过渡阶段;
(4)最后,根据实际流型与判别得到的流型进行验证,得到辨识成功率。
本发明还实现了采样频率计算机自动确定。首先进行压力波动信号的预采集,在这一步中,采用较高的采集频率,一般为500Hz的采样频率。将采集到的压力波动信号进行FFT变换(快速Fourier变换)进而求得压力波动信号的频谱值,根据谱图,确定压力波动信号的主要集中的频率范围。得到压力波动信号所处的频率范围后,根据采样定理,将采样频率设置到压力波动信号最高频率的两倍,在实际试验中,对得到的采样频率乘以一个系数作为最后确定的采样频率。这样通过软件本发明实现了采样频率的自动设定。
如图3所示,描述基于软测量技术的气液两相流流型辨识系统结构示意图:采用不同取压距离(第一取压孔(1),第二取压孔(2)之间和第三取压孔(3),第四取压孔(4)之间)获取水平管中气液两相流的差压信号,差压信号可通过两种方式进行外传,其一,当差压传感器(6)可输出标准信号时,可直接接入数据采集卡(7)中;其二,若考虑成本所用的差压传感器(6)不能输出标准信号,通过自制的信号调制放大模块进行信号的放大和远传。标准信号或放大后的信号通过工业上已成熟应用的模拟量采集板卡送入计算机进行相应的处理。计算机中可以进行采样频率、采样通道和数据长度等的选择。
如图4所示,描述了基于软测量技术的气液两相流流型辨识系统取压距离示意图。在管道上进行差压信号的获取,采集的差压信号通道多,获取的信息就完整,但由于管路的限制,再则考虑采集的信号通道多,成本提高,但相应的效果并不会明显改善,因此本实用新型中选取不同取压距离的两路差压信号进行测量分析。取压距离的不同,采集到的信号的侧重点是不同的,而且水平管道管径的不同也对取压距离提出一定的要求,综合进行考虑,选取的取压距离分别为L/D=10和L/D=2,其中L为选用的取压距离,D为水平管管径。需要说明的一点是这里的选取原则并不是一成不变的,可以根据实际情况进行一定的调整。
如图5所示,描述了本发明信号调制放大模块电路图。包括差压传感器DPS、电压源芯片P1、电压源芯片P2、仪表放大器U1、运算放大器U2、运算放大器U3、三极管T1、第一电阻R1、第二电阻R2、第三电阻R3、第四电阻R4、第五电阻R5、调零电阻RZ、增益调节电阻RG、第一电容C1、第二电容C2和第三电容C3。其中,+15V电源接到P1的输入管脚,P1的输出接到DPS的输入管脚1、3。DPS的输出管脚2、4接到U1的输入端。-15V电源接到P2的输入管脚,P2的-5V输出通过RZ接到P1的+5V输出上,RZ的可调端接到U2的输入正极,U2的输入负极接到U2的输出端,组成一电压跟随器,用来调节零点。第二电容C2接到P1的+5V电压输出和地,第三电容C3接到P2的-5V输出和地。U2的输出接到U1的参考电源端。U1的放大倍数通过接到U1的RG进行调节。U1的输出接第一电阻R1和第一电容C1作为信号调制放大模块的电压输出V0。为进行远传,V。通过第二电阻R2和第一电容C1组成的低通滤波器接到U3的输入正极,U3的负极通过第三电阻R3接到三极管T1的发射极,三极管T1的发射极通过第五电阻R5接到地。U3的输出通过第四电阻R4接到三极管T1基极,+15V电源通过输出负载接到三极管T1的集电极。输出负载上的电流IOUT即为信号调制放大模块电流输出。仪表放大器U1的输出V0既此信号调制放大模块的电压输出。电流输出利用运算放大器U3和三极管T1组成的典型电压-电流转换电路来实现,IOUT为输出电流。
如图6所示,描述了本发明软件程序流程图。程序首先进行硬件的初始化,检查硬件的驱动是否装好,硬件是否都连接,如果成功则进行下面的操作,如果不成功则等待进行检查。若硬件设备初始化成功则进行软件的配置(设置),可以设置相应的采样频率、采样时间、所选用的通道编号等等。这些按要求配置好后就可进入到程序的主要部分进行数据采集、处理、分析,最后进行水平管气液两相流流型的辨识。
Claims (5)
1.一种基于软测量技术的气液两相流流型辨识方法,其特征在于首先进行水平管气液两相流差压信号的检测,对差压信号进行小波分析处理,再利用模糊模式识别技术建立差压信号辅助变量和两相流流型主导变量之间的数学模型,通过此软测量模型实现两相流流型的自动客观辨识。
2.根据权利要求1所述的一种基于软测量技术的气液两相流流型辨识方法,其特征在于方法的步骤为:
1)数据采集分析:选取的取压距离分别为L/D=10和L/D=2,其中L为选用的取压距离,D为水平管管径,对两种不同取压距离的差压信号进行采集,并进行采样频率的自动设定;对差压波动信号进行小波分析,并提取相应的特征值:尺度能量和尺度能量百分比;
2)流型的模糊模式识别:针对水平管气液两相流的气泡流、弹状流、塞状流和环状流主要流型建立论域,并根据小波分析得到的特征值,采用最大隶属度原则进行流型的判别;
3.一种基于软测量技术的气液两相流流型辨识系统,其特征在于:它具有两相流水平管上的多个取压孔、并分别与取压管(5)相连、取压管(5)依次与多个差压传感器(6)、信号调制放大模块(7)、数据采集卡(8)、微型计算机(9)以及打印机(10)相连。
4.根据权利要求3所述的一种基于软测量技术的气液两相流流型辨识系统,其特征在于所说多个取压孔为第一取压孔(1)、第二取压孔(2)、第三取压孔(3)、第四取压孔(4)。
5.根据权利要求3所述的一种基于软测量技术的气液两相流流型辨识系统,其特征在于所说信号调制放大模块(7)的电路为:它具有差压传感器DPS、电压源芯片P1、电压源芯片P2、仪表放大器U1、运算放大器U2、运算放大器U3、三极管T1、第一电阻R1、、第二电阻R2、第三电阻R3、第四电阻R4、第五电阻R5、调零电阻RZ、增益调节电阻RG、第一电容C1、第二电容C2和第三电容C3。其中,+15V电源接到P1的输入管脚,P1的输出接到DPS的输入管脚1、3。DPS的输出管脚2、4接到U1的输入端。-15V电源接到P2的输入管脚,P2的-5V输出通过RZ接到P1的+5V输出上,RZ的可调端接到U2的输入正极,U2的输入负极接到U2的输出端,组成一电压跟随器,用来调节零点。第二电容C2接到P1的+5V电压输出和地,第三电容C3接到P2的-5V输出和地。U2的输出接到U1的参考电源端。U1的放大倍数通过接到U1的RG进行调节。U1的输出接第一电阻R1和第一电容C1作为信号调制放大模块的电压输出V0。为进行远传,Vo通过第二电阻R2和第一电容C1组成的低通滤波器接到U3的输入正极,U3的负极通过第三电阻R3接到三极管T1的发射极,三极管T1的发射极通过第五电阻R5接到地。U3的输出通过第四电阻R4接到三极管T1基极,+15V电源通过输出负载接到三极管T1的集电极。输出负载上的电流IOUT即为信号调制放大模块电流输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200310122773 CN1246683C (zh) | 2003-12-19 | 2003-12-19 | 基于软测量技术的气液两相流流型辨识方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200310122773 CN1246683C (zh) | 2003-12-19 | 2003-12-19 | 基于软测量技术的气液两相流流型辨识方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1554936A true CN1554936A (zh) | 2004-12-15 |
CN1246683C CN1246683C (zh) | 2006-03-22 |
Family
ID=34338753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200310122773 Expired - Fee Related CN1246683C (zh) | 2003-12-19 | 2003-12-19 | 基于软测量技术的气液两相流流型辨识方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1246683C (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101984340A (zh) * | 2010-10-28 | 2011-03-09 | 浙江工业大学 | 一种基于人工智能的软性磨粒两相湍流流型识别方法 |
CN102706534A (zh) * | 2012-06-01 | 2012-10-03 | 绍兴文理学院 | 一种气液两相流流型识别方法 |
CN102878431A (zh) * | 2011-07-12 | 2013-01-16 | 中国海洋石油总公司 | 一种海洋油田油气管线中多相流流型的在线监测方法 |
RU2485453C2 (ru) * | 2009-09-25 | 2013-06-20 | Ильдар Ринатович Вальшин | Способ для определения параметров газожидкостного потока в трубопроводе и устройство для его осуществления |
CN105114054A (zh) * | 2015-08-06 | 2015-12-02 | 北京航空航天大学 | 一种基于电导探针阵列投票表决的垂直井流型识别方法 |
CN106951845A (zh) * | 2017-03-10 | 2017-07-14 | 中国石油大学(华东) | 集输立管系统气液两相流流型判别方法及系统 |
CN107300577A (zh) * | 2016-12-07 | 2017-10-27 | 江苏国泉泵业制造有限公司 | 一种基于软测量技术的多相流流型检测方法 |
CN107402116A (zh) * | 2017-08-24 | 2017-11-28 | 中南大学 | 一种气液两相流流型识别方法及检测装置 |
CN108168612A (zh) * | 2017-12-27 | 2018-06-15 | 中国石油大学(华东) | 基于差压信号波动的气液两相流体积含气率测量方法 |
CN108593191A (zh) * | 2018-03-05 | 2018-09-28 | 中国矿业大学 | 一种湿式除尘设备气液两相流型识别方法 |
CN113959679A (zh) * | 2021-09-29 | 2022-01-21 | 西安交通大学 | 一种长距离混输管线多相流型转变位置预测系统及方法 |
-
2003
- 2003-12-19 CN CN 200310122773 patent/CN1246683C/zh not_active Expired - Fee Related
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2485453C2 (ru) * | 2009-09-25 | 2013-06-20 | Ильдар Ринатович Вальшин | Способ для определения параметров газожидкостного потока в трубопроводе и устройство для его осуществления |
CN101984340A (zh) * | 2010-10-28 | 2011-03-09 | 浙江工业大学 | 一种基于人工智能的软性磨粒两相湍流流型识别方法 |
CN101984340B (zh) * | 2010-10-28 | 2012-01-25 | 浙江工业大学 | 一种基于人工智能的软性磨粒两相湍流流型识别方法 |
CN102878431A (zh) * | 2011-07-12 | 2013-01-16 | 中国海洋石油总公司 | 一种海洋油田油气管线中多相流流型的在线监测方法 |
CN102878431B (zh) * | 2011-07-12 | 2014-03-12 | 中国海洋石油总公司 | 一种海洋油田油气管线中多相流流型的在线监测方法 |
CN102706534A (zh) * | 2012-06-01 | 2012-10-03 | 绍兴文理学院 | 一种气液两相流流型识别方法 |
CN105114054A (zh) * | 2015-08-06 | 2015-12-02 | 北京航空航天大学 | 一种基于电导探针阵列投票表决的垂直井流型识别方法 |
CN107300577A (zh) * | 2016-12-07 | 2017-10-27 | 江苏国泉泵业制造有限公司 | 一种基于软测量技术的多相流流型检测方法 |
CN106951845A (zh) * | 2017-03-10 | 2017-07-14 | 中国石油大学(华东) | 集输立管系统气液两相流流型判别方法及系统 |
CN106951845B (zh) * | 2017-03-10 | 2023-06-27 | 中国石油大学(华东) | 集输立管系统气液两相流流型判别方法及系统 |
CN107402116A (zh) * | 2017-08-24 | 2017-11-28 | 中南大学 | 一种气液两相流流型识别方法及检测装置 |
CN108168612A (zh) * | 2017-12-27 | 2018-06-15 | 中国石油大学(华东) | 基于差压信号波动的气液两相流体积含气率测量方法 |
CN108593191A (zh) * | 2018-03-05 | 2018-09-28 | 中国矿业大学 | 一种湿式除尘设备气液两相流型识别方法 |
CN113959679A (zh) * | 2021-09-29 | 2022-01-21 | 西安交通大学 | 一种长距离混输管线多相流型转变位置预测系统及方法 |
CN113959679B (zh) * | 2021-09-29 | 2023-07-18 | 西安交通大学 | 一种长距离混输管线多相流型转变位置预测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN1246683C (zh) | 2006-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1246683C (zh) | 基于软测量技术的气液两相流流型辨识方法及系统 | |
CN111103325B (zh) | 一种基于集成神经网络学习的电子鼻信号漂移补偿方法 | |
CN112508105A (zh) | 一种采油机故障检测与检索方法 | |
CN104807589B (zh) | 一种集输-立管系统内气液两相流流型的在线识别方法 | |
CN109214026A (zh) | 一种页岩气水平井初期产能预测方法 | |
CN110953488B (zh) | 基于堆栈自编码的气液两相流管道泄漏声发射检测方法 | |
CN104132967B (zh) | 一种基于双阈值随机共振的低浓度气体检测方法 | |
CN108665119B (zh) | 一种供水管网异常工况预警方法 | |
CN109061426B (zh) | 变压器局部放电故障诊断方法及在线监测装置 | |
CN205898730U (zh) | 一种多通道多型号传感器性能测试系统 | |
CN105675253A (zh) | 基于两相流压降噪音频谱分析的流型判别方法及其系统 | |
CN110967289B (zh) | 页岩气体流动能力的检测方法及装置 | |
CN108107086A (zh) | 一种基于阵列气体传感器的气体检测方法及气体传感器 | |
CN109447026A (zh) | 一种基于支持向量机的桩身完整性类别自动识别方法 | |
CN118038981A (zh) | 一种基于qPCR扩增曲线曲率变化提取Cq值的方法及测量仪 | |
CN1410774A (zh) | 基于主成分分析和神经元网络的两相流相浓度测量方法 | |
CN2700869Y (zh) | 基于软测量技术的气液两相流流型辨识系统 | |
CN110273681A (zh) | 石油生产测井中油气水多相流体分相含率测量系统及方法 | |
CN118136181A (zh) | 一种基于深度学习的多孔材料特征参数预测方法 | |
CN116466408B (zh) | 一种基于航磁数据的人工神经网络超基性岩识别方法 | |
CN115860396A (zh) | 一种基于土地储备分析模型的智能规划方法 | |
CN115795341A (zh) | 基于变转速的二维活塞泵健康状态评估方法 | |
CN110619167B (zh) | 一种基于聚类分析的油气水三相流相态临界点识别方法 | |
CN114970600A (zh) | 基于粒化散布熵和优化kelm的滚动轴承故障诊断方法、装置 | |
CN105139025A (zh) | 基于非线性分析方法的气固流化床流型在线智能识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20060322 Termination date: 20101219 |