基于文丘里管双差压的气液两相流参数测量方法
基于文丘里管双差压的气液两相流参数测量方法
【技术领域】
[0001] 本发明属于流体测量技术领域，具体设及到一种基于文丘里管双差压的气液两相 流参数测量方法。
【背景技术】
[0002] 气液两相流广泛存在于石油、化工、医药、动力等工业领域，其空隙率、干度、流量 等参数的在线检测对气液两相流系统的控制、可靠运行和效率等均具有重要的意义，长期 W来，一直是两相流领域的重要研究内容。例如，在石油工业中，油气计量时首先进行油气 水分离，再通过多条管线分相输送并计量，运种计量方式采用的油气分离设备体积庞大，价 格昂贵。若能采用一条管线进行多相混输，并配W具有在线、实时、不分离计量功能的多相 流量计，将极大地节约基础设施的建设成本，对于简化地面生产设备、提升输油管线各站点 的管理，优化油气井生产过程都具有重要意义。但是气液两相流动复杂，多相混输时参数检 测难度很大。
[0003] 在气液两相流参数中，空隙率的测量方法主要包括直接测量法和间接测量法。在 直接测量法中最常用的是快关阀法。实验中，当测量管段的流体流动稳定时，同时迅速关闭 安装在实验管路上的两个快关阀口，然后排出管道中的气体并测量剩余液体的体积，结合 测量管段的总体积求出两阀口间的体积平均空隙率。该方法测量空隙率准确有效，但测量 时需要人为切断管道中流体的正常流动，且无法实现实时在线测量，运限制了该方法在实 际工业生产中的应用，目前主要用于实验室对空隙率的研究W及对空隙率测量装置的标 定。间接测量法主要包括阻抗法、超声波透射法、过程/电阻层析成像法、射线法、核磁共振 法等。文丘里管差压信号的均值和瞬时值、水平管道中差压波动信号的方差及均值都可用 来间接测量至隙率。
[0004] 气液两相流流量测量方法主要包括单相流量计法、相关测量法、节流式流量计法 等。单相流量计法是将单相流流量测量仪表应用到气液两相流流量测量中的方法，由于运 些单相流量计在理论研究和实际应用上都比较成熟，使得该方法在工业应用中更容易被接 受。根据单相流量计组合的不同，该方法可W分为两个单相流量计组合法、单相流量计与密 度计组合法和波动信号特征值法等。
[000引相关测量法是W相关技术为基础构成的两相流流量测量方法。理论上该方法可用 于测量任何流体系统的流量，而且测量流速的范围很宽，因此，相关流量计法为解决两相流 量测量提供了一种强有力的技术手段。该技术的优点是可构成各种流体流量测量系统，实 现非接触式测量。但相关流量测量技术目前仍存在一些问题需要进一步探讨，例如相关速 度的物理意义仍不甚明确，互相关函数峰值较难确定，相关流量计标定仍有一定难度等。
[0006]应用节流法测量气液两相流流量时，需建立两相流测量模型，该模型是对单相流 基本测量模型的校正，校正因子一般为两相流密度。根据不同的假设条件，国内外研究者建 立了均相流模型、分相流模型、Murdock关系式、畑isholm关系式、林宗虎关系式等数理模 型。运些数理模型结合两相流混合密度和节流式流量计测出的差压来计算气液两相流流 量，有时需要由其他元件测出干度或空隙率等参数。均相流模型和分相流模型比较简单，但 测量精度较低。Murdock关系式、Chisholm关系式、林宗虎关系式中的密度修正公式相对复 杂，其中的系数主要通过实验数据确定。气液两相流经节流元件时差压波动很大，运导致W 上数理模型的预测精度较低。
[0007] 目前，差压式两相流参数测量技术应用局部的单一差压信号来计算两相流空隙 率、干度和流量等参数，但局部的单一差压信号并不能全面、准确的反映管道中流体的分布 和流动特征。鉴于重力和浮力对水平管道中气液两相的相分布存在明显的影响，本发明从 水平安装的文丘里管倾斜朝上和倾斜朝下两个方向采集差压信号，公开了一种基于文丘里 管差压信号结合经验模态分解与神经网络的气液两相流参数测量装置与方法。
【发明内容】
[0008] 本发明的目的是提供一种基于文丘里管2个取压方向上的差压波动信号测量气液 两相流参数的方法。本发明提供的方法检测参数多，实时性好，测量装置简单，易于实现。适 用于气液两相流多参数的测量。
[0009] 本发明采用如下的技术方案：
[0010] 基于文丘里管双差压的气液两相流参数测量装置，包括计量管道（1)、压力传感器 (2) 、文丘里管(3)、差压传感器(4)、差压传感器(5)、A/D转换卡(6)、计算机(7)，在计量管道 (1)上依次设有压力传感器(2)、文丘里管(3)，差压传感器(4)和差压传感器巧)与文丘里管 (3) 相连，A/D转换卡(6)与压力传感器(2)、差压传感器(4)、差压传感器巧)相连，计算机(7) 与A/D转换卡(6)相连。
[0011] 本发明基于文丘里管双差压信号测量气液两相流参数，其特征在于，包括有如下 基本步骤：
[0012] (1)测量差压波动信号：应用差压传感器DPSi测量文丘里管朝上倾斜方向的差压 波动信号A Pi，应用差压传感器DPS2测量文丘里管朝下倾斜方向的差压波动信号Δ P2;
[0013] (2)差压波动信号分解：应用经验模态分解方法分解Δ Pi，得到固有模态函数 /V巧I、/IV如....、/娜和残差ri，其中m为由ΔΡι分解得到的固有模态函数的个数;应用经验模 态分解方法分解ΑΡ2,得到固有模态函数/Mf、/Mf、…、和残差n，其中η为由ΔΡ2分解 得到的固有模态函数的个数；
[0014] (3)计算相对能量:分别针对APi和A Ρ2,根据
计算每个固有模态函数的相对 能量ei，其4
%固有模态函数JMFf的能量
为固有模态函数的总能量，1 = 1，2,对于 Δ Pi，k=m;对于 Δ P2，k = n;
[001引（4)信号去噪:剔除信号中的噪声成分/Mf;
[0016] (5)判断伪成分:如果ei含0.05，那么e拥应的/哗<为伪成分，其中，1 = 1，2，对于Δ Pl，i = 6,7,...,m;对于ΔP2，i = 6,7,...,n;
[0017] (6)提取特征量:对于Δ Pi，计算
其中，Di、化和山为Δ Pi的特征量，虹为步骤(5)确定的Δ Pi中含有的伪成分的个数，/Μ巧表示 …、中去掉7Μ巧和m 1个伪成分后剩余的固有模态函数，化的表示 城皆泌尽…、順;中的mi个伪成分;对于Δ P2，计莫
其中，D2、R2和cb为Δ P2的特征量，m为步骤(5)确定的Δ P2中含有的伪成分的个数，/'Λ/巧表 示/Mf、1?巧、…、./M巧中去掉η 1个伪成分后剩余的固有模态函数，/M巧表示 /Λ巧2、/.W与、…、/Mf中的ni个伪成分.
[001引（7)预测空隙率、干度和总质量流量:将dl、d2、Rl和R2输入神经网络，预测气液两相 流的空隙率α、干度X和总质量流量M;
[0019] (8)计算气相与液相质量流量:根据Mg = x · Μ计算气相质量流量Mg，根据Μι=(1- X) · Μ计算液相质量流量Ml。
[0020] 上述步骤（1)中所述的文丘里管取压位置分别为从水平方向倾斜向上45度和从水 平方向倾斜向下45度。
[0021] 上述步骤（1)中所述的差压传感器DPSi和DPS2具有相同的差压测量原理、相同的频 率响应特性。
[0022] 上述步骤(7)中的神经网络权值根据实验数据离线训练获得，并存储于计算机中， 在上述步骤(7)预测空隙率、干度和总质量流量时，神经网络权值直接从计算机中获取用于 在线预测至隙率、干度和总质量流量。
[0023] 上述步骤(7)中的神经网络为Ξ层前馈型网络，输入层节点数为4,隐层节点数为 20,输出层节点数为1，隐层采用S型激活函数，输出层采用线性激活函数。
[0024] 本发明的有益效果及优点是，无需采用高效气液分离器进行气液分离，仅基于一 个文丘里管的2个差压波动信号结合经验模态分解技术和人工神经网络来测量气液两相流 参数。2个差压波动信号从文丘里管的上部和下部采集。经验模态分解技术用来分解差压波 动信号和提取特征量，人工神经网络用于预测气液两相流参数。
[0025] 本发明提供的方法检测参数多，实时性好，测量装置简单，易于实现。适用于气液 两相流多参数的测量。
【附图说明】
[0026] 图1为基于文丘里管双差压的气液两相流测量装置结构示意图；
[0027] 图2为文丘里管差压信号采集位置示意图；
[002引图3为水流量3.9727πΜι，气流量2.5364mVh工况下的差压波动信号Δ Pi和Δ P2;
[0029] 图4为Δ Pi和Δ P2的经验模态分解结果；
[0030] 图5为Δ Pi和Δ P2各固有模态函数的相对能量；
[0031 ] 图6为Δ Pi和Δ P2中提取的山和d2与空隙率α的关系；
[0032] 图7为Δ Pi中提取的Ri和山与干度的关系；
[0033] 图8为Δ Pi中提取的Ri和di与总质量流量的关系；
[0034] 图9为神经网络结构；
[0035] 图10为气液两相流空隙率预测结果；
[0036] 图11为气液两相流干度预测结果；
[0037] 图12为气液两相流总质量流量预测结果；
[0038] 图13为气相质量流量预测结果；
[0039] 图14为液相质量流量预测结果。
【具体实施方式】
[0040] 基于文丘里管双差压的气液两相流测量装置，包括计量管道（1)、压力传感器(2)、 文丘里管(3)、差压传感器(4)、差压传感器(5)、A/D转换卡(6)、计算机(7)，在计量管道（1) 上依次设有压力传感器(2)、文丘里管(3)，差压传感器(4)和差压传感器巧)与文丘里管(3) 相连，A/D转换卡(6)与压力传感器(2)、差压传感器(4)、差压传感器(5)相连，计算机(7)与 A/D转换卡(6)相连。
[0041 ]本实施例在内径为40mm的测试管段，水质量流量为1.02~4.22Kg/s，空气质量流 量为0.003~0.02化g/s，空隙率为0.12-0.75,干度为0.00114~0.0197的气液两相流参数 测量上应用本发明的方法。
[0042] (1)测量差压 波动信号
[0043] 应用差压传感器DPSi测量文丘里管朝上倾斜方向的差压波动信号ΔΡι，应用差压 传感器DPS2测量文丘里管朝下倾斜方向的差压波动信号Δ Ρ2。
[0044] 图1为基于文丘里管双差压的气液两相流测量装置结构示意图，差压传感器DPSi 和DPS2均为电容式，型号相同。图2为文丘里管差压信号采集位置示意图，取压位置分别为 从水平方向倾斜向上45度和从水平方向倾斜向下45度。图3为水流量3.9727mVh，气流量 2.5364mVh工况下的差压波动信号Δ Pi和Δ P2。
[004引（2)差压波动信号分解
[0046] 应用经验模态分解方法分解ΔΡι，得到固有模态函数/,V/f,|、/M巧、…、/Λ巧,!和残差 ri，其中m为由ΔΡι分解得到的固有模态函数的个数;应用经验模态分解方法分解ΔΡ2,得到 固有模态函数iM巧、/.Wf;-'、···、巧和残差η，其中η为由ΔΡ2分解得到的固有模态函数的个 数。
[0047] 图4为ΔΡι和ΔΡ2的经验模态分解结果。从图4可W看到，ΔΡι分解得到11个固有模 态函数和1个残差，A Ρ2分解得到10个固有模态函数和1个残差。在本实施例中，m=ll，n = 10。
[0048] (3)计算相对能量
[0049] 分别针对ΔΡι和ΔΡ2,根据6,=^计算每个固有模态函数的相对能量61，其中 也
为固有模态函数?Λ#好的能量，
为固有模态函数的总能量，1 = 1，2，对于 Δ Pi，k=m;对于 Δ P2，k = n。
[0050] 图5为Δ Pi和Δ P2各固有模态函数的相对能量。
[0051 ] (4)信号去噪
[0052]剔除信号中的噪声成分"^||。
[0053] 在图4的分解结果中，将Δ Pi分解出的第一个分量IMFi剔除掉。
[0054] (5)判断伪成分
[005引如果ei < 0.05，那么ei对应的/M巧''为伪成分，其中，1 = 1，2，对于Δ Pi，i =6，7，…， m;对于 AP2，i = 6,7,···,]!。
[0056] 在本实施例中，根据图5的相对能量分布，判断Δ Pi的固有模态函数中，"的为伪 成分；A P2的固有模态函数中，iM巧和埼为伪成分。
[0057] (6)提取特征量
[005引对于Δ Pi，计算
岸中，Di、Ri和di 为A Pi的特征量，mi为步骤（5)确定的Δ Pi中含有的伪成分的个数，/心巧表示 iM矿W巧、…、@鸣中去掉/A卸和m 1个伪成分后剩余的固有模态函数，/M词表示 化弓、…、挪攻中的mi个伪成分;对于ΔΡ2,计算
錢' 其中，、R2和cb为Δ P2的特征量，ni为步骤(5)确定的Δ P2中含有的伪成分的个数，/ ν/Γ,,表 示/Μ尽…、iM巧中去掉η 1个伪成分后剩余的固有模态函数，ΙΜ巧表示 化听、/Μ片、…、/.W;;-中的ni个伪成分。
[0059] 在本实施例中，根据上述步骤(5)的结果，ΔΡι的分解结果中含有1个伪成分，ΔΡ2 的分解结果中含有2个伪成分，因此，mi = l，ni = 2，JWi具体为ZMg、/^巧，/Mg: 具体为皿骑，ΙΜ巧具体为￡1巧2、^巧、…、1?畴，巧具体为巧2、
[0060] 图6为Δ Pi和Δ Ρ2中提取的di和cb与空隙率α的关系。图7为Δ Pi中提取的Ri和di与 干度的关系。图8为ΔΡι中提取的Ri和山与总质量流量的关系。
[0061] (7)预测空隙率、干度和总质量流量
[006引将山、cb、Ri和R2输入神经网络，预测气液两相流的空隙率α、干度X和总质量流量M。
[0063] 为了评估气液两相流参数的预测效果，根提
0%计算平均相 对误差ε，其中，output表示神经网络预测值，target表示参考值，Ν表示被预测的工况数。根 据
100%计算相对误差RE来评估每个工况的预测精度。
[0064] 图9为神经网络结构，该神经网络为Ξ层前馈型网络，输入层节点数为4,隐层节点 数为20,输出层节点数为1，隐层采用S型激活函数，输出层采用线性激活函数。
[0065] 神经网络权值根据实验数据离线训练获得，并存储于计算机中。预测空隙率、干度 和总质量流量时，神经网络权值直接从计算机中获取用于在线预测空隙率、干度和总质量 流量。
[0066] 本实施例中，用于空隙率预测的神经网络参数为：
[0067] 输入层到隐层的权值为：
[006 引
[0069] 输入层到隐层的阔值为：
[0070]
[0073] 隐层到输出层的阔值为:-0.6964。
[0074] 用于干度预测的神经网络参数为： [00巧]输入层到隐层的权值为：
[0076]
[0077] 输入层到隐层的阔值为：
[007 引
[0079] 隐层到输出层的权值为：
[0080]
[0081 ]隐层到输出层的阔值为:0.0470。
[0082] 用于总质量流量预测的神经网络参数为：
[0083] 输入层到隐层的权值为：
[0084]
[0085] 输入层到隐层的阔值为：
[0086]
[0087]隐层到输出层的权值为：
[008引
[0090]隐层到输出层的阔值为:-0.9079。
[0091 ]图10为气液两相流空隙率预测结果。图11为气液两相流干度预测结果。图12为气 液两相流总质量流量预测结果。
[0092] (8)计算气相与液相质量流量
[0093 ]根据Mg = X · Μ计算气相质量流量Mg，根据Ml = ( 1 -X )· Μ计算液相质量流量Ml。
[0094]图13为气相质量流量预测结果。图14为液相质量流量预测结果。
【主权项】
1. 一种基于文丘里管双差压的气液两相流参数测量方法，其特征在于，包括下列步骤： (1) 测量差压波动信号:应用差压传感器DPS1测量文丘里管朝上倾斜方向的差压波动信 号A P1，应用差压传感器DPS2测量文丘里管朝下倾斜方向的差压波动信号Δ P2; (2) 差压波动信号分解：应用经验模态分解方法分解AP1，得到固有模态函数 /Mf；1、AV/F: 1、…、MC丨和残差^，其中m为由AP1分解得到的固有模态函数的个数;应用经验 模态分解方法分解AP2,得到固有模态函数/Mf、JMf、_··、/Mf和残差r2，其中η为由AP 2 分解得到的固有模态函数的个数； (3) 计算相对能量:分别针对APjPAP2,根据计算每个固有模态函数的相对能 量&，其中为固有模态函数/Mg的能量，为固有模态函数的总能量，1 =1，2,对于 Δ Phk=Iii;对于 Δ P2，k = n; (4) 信号去噪:剔除信号中的噪声成分/V/f；1 , (5) 判断伪成分:如果ei < 0.05，那么ei对应的/Mif为伪成分，其中，I = 1，2，对于Δ P1，i =6,7，."，111;对于厶？2，1 = 6,7，·"，]!; (6 )提取特征量：对于△ P1，计算其中，D^RdPCl1为AP1的特征量， mi为步骤(5)确定的Δ P冲含有的伪成分的个数， /Mg表示/Mg、iM?f、…、:中去掉/Mf和m个伪成分后剩余的固有模态函数， 表示iMg中的mi个伪成分；对于Δ p2,计算其中，02、办和(12为八？ 2的特征量，111为步骤(5)确定的八？2 中含有的伪成分的个数，/MG表示AWfl ΤΜ/?、…、八/<中去掉m个伪成分后剩余的固有 模态函数，/??2表示?/V//^、"·、IMFf中的m个伪成分； (7) 预测空隙率、干度和总质量流量:将cU、d2、RjPR2输入神经网络，预测气液两相流的 空隙率α、干度X和总质量流量M; (8) 计算气相与液相质量流量:根据Mg = X · M计算气相质量流量Mg，根据Mi= (1-x) · M 计算液相质量流量Mi。2. 根据权利要求1所述的一种基于文丘里管双差压的气液两相流参数测量方法，其特 征在于上述步骤（1)中所述的文丘里管取压位置分别为从水平方向倾斜向上45度和从水平 方向倾斜向下45度。3. 根据权利要求1所述的一种基于文丘里管双差压的气液两相流参数测量方法，其特 征在于上述步骤（1)中所述的差压传感器DPSdPDPS 2具有相同的差压测量原理、相同的频率 响应特性。4. 根据权利要求1所述的一种基于文丘里管双差压的气液两相流参数测量方法，其特 征在于上述步骤(7)中的神经网络权值根据实验数据离线训练获得，并存储于计算机中，在 上述步骤(7)预测空隙率、干度和总质量流量时，神经网络权值直接从计算机中获取用于在 线预测空隙率、干度和总质量流量。5. 根据权利要求1所述的一种基于文丘里管双差压的气液两相流参数测量方法，其特 征在于上述步骤(7)中的神经网络为三层前馈型网络，输入层节点数为4,隐层节点数为20， 输出层节点数为1，隐层采用S型激活函数，输出层采用线性激活函数。
【专利摘要】本发明公开了一种基于文丘里管双差压的气液两相流参数测量方法。包括如下基本步骤：1)测量文丘里管朝上和朝下倾斜方向的差压波动信号；2)应用经验模态分解方法分解2个取压方向上的差压波动信号，得到固有模态函数和残差；3)计算每个固有模态函数的相对能量；4)剔除噪声成分；5)根据相对能量的阈值判断伪成分；6)根据固有模态函数、残差和伪成分计算特征量；7)将特征量输入神经网络，预测空隙率、干度和总质量流量；8)计算气相与液相质量流量。本发明的有益效果是无需采用气液分离器，仅基于一个文丘里管的2个差压信号即可预测两相流多个参数。本发明检测参数多，实时性好，装置简单，易于实现。适用于气液两相流多参数的测量。
【IPC分类】G01F1/44
【公开号】CN105486358
【申请号】CN201510800328
【发明人】王微微, 白明雷, 梁霄, 陈宇
【申请人】中国石油大学(华东)
【公开日】2016年4月13日
【申请日】2015年11月19日
【技术领域】
[0001] 本发明属于流体测量技术领域，具体设及到一种基于文丘里管双差压的气液两相 流参数测量方法。
【背景技术】
[0002] 气液两相流广泛存在于石油、化工、医药、动力等工业领域，其空隙率、干度、流量 等参数的在线检测对气液两相流系统的控制、可靠运行和效率等均具有重要的意义，长期 W来，一直是两相流领域的重要研究内容。例如，在石油工业中，油气计量时首先进行油气 水分离，再通过多条管线分相输送并计量，运种计量方式采用的油气分离设备体积庞大，价 格昂贵。若能采用一条管线进行多相混输，并配W具有在线、实时、不分离计量功能的多相 流量计，将极大地节约基础设施的建设成本，对于简化地面生产设备、提升输油管线各站点 的管理，优化油气井生产过程都具有重要意义。但是气液两相流动复杂，多相混输时参数检 测难度很大。
[0003] 在气液两相流参数中，空隙率的测量方法主要包括直接测量法和间接测量法。在 直接测量法中最常用的是快关阀法。实验中，当测量管段的流体流动稳定时，同时迅速关闭 安装在实验管路上的两个快关阀口，然后排出管道中的气体并测量剩余液体的体积，结合 测量管段的总体积求出两阀口间的体积平均空隙率。该方法测量空隙率准确有效，但测量 时需要人为切断管道中流体的正常流动，且无法实现实时在线测量，运限制了该方法在实 际工业生产中的应用，目前主要用于实验室对空隙率的研究W及对空隙率测量装置的标 定。间接测量法主要包括阻抗法、超声波透射法、过程/电阻层析成像法、射线法、核磁共振 法等。文丘里管差压信号的均值和瞬时值、水平管道中差压波动信号的方差及均值都可用 来间接测量至隙率。
[0004] 气液两相流流量测量方法主要包括单相流量计法、相关测量法、节流式流量计法 等。单相流量计法是将单相流流量测量仪表应用到气液两相流流量测量中的方法，由于运 些单相流量计在理论研究和实际应用上都比较成熟，使得该方法在工业应用中更容易被接 受。根据单相流量计组合的不同，该方法可W分为两个单相流量计组合法、单相流量计与密 度计组合法和波动信号特征值法等。
[000引相关测量法是W相关技术为基础构成的两相流流量测量方法。理论上该方法可用 于测量任何流体系统的流量，而且测量流速的范围很宽，因此，相关流量计法为解决两相流 量测量提供了一种强有力的技术手段。该技术的优点是可构成各种流体流量测量系统，实 现非接触式测量。但相关流量测量技术目前仍存在一些问题需要进一步探讨，例如相关速 度的物理意义仍不甚明确，互相关函数峰值较难确定，相关流量计标定仍有一定难度等。
[0006]应用节流法测量气液两相流流量时，需建立两相流测量模型，该模型是对单相流 基本测量模型的校正，校正因子一般为两相流密度。根据不同的假设条件，国内外研究者建 立了均相流模型、分相流模型、Murdock关系式、畑isholm关系式、林宗虎关系式等数理模 型。运些数理模型结合两相流混合密度和节流式流量计测出的差压来计算气液两相流流 量，有时需要由其他元件测出干度或空隙率等参数。均相流模型和分相流模型比较简单，但 测量精度较低。Murdock关系式、Chisholm关系式、林宗虎关系式中的密度修正公式相对复 杂，其中的系数主要通过实验数据确定。气液两相流经节流元件时差压波动很大，运导致W 上数理模型的预测精度较低。
[0007] 目前，差压式两相流参数测量技术应用局部的单一差压信号来计算两相流空隙 率、干度和流量等参数，但局部的单一差压信号并不能全面、准确的反映管道中流体的分布 和流动特征。鉴于重力和浮力对水平管道中气液两相的相分布存在明显的影响，本发明从 水平安装的文丘里管倾斜朝上和倾斜朝下两个方向采集差压信号，公开了一种基于文丘里 管差压信号结合经验模态分解与神经网络的气液两相流参数测量装置与方法。
【发明内容】
[0008] 本发明的目的是提供一种基于文丘里管2个取压方向上的差压波动信号测量气液 两相流参数的方法。本发明提供的方法检测参数多，实时性好，测量装置简单，易于实现。适 用于气液两相流多参数的测量。
[0009] 本发明采用如下的技术方案：
[0010] 基于文丘里管双差压的气液两相流参数测量装置，包括计量管道（1)、压力传感器 (2) 、文丘里管(3)、差压传感器(4)、差压传感器(5)、A/D转换卡(6)、计算机(7)，在计量管道 (1)上依次设有压力传感器(2)、文丘里管(3)，差压传感器(4)和差压传感器巧)与文丘里管 (3) 相连，A/D转换卡(6)与压力传感器(2)、差压传感器(4)、差压传感器巧)相连，计算机(7) 与A/D转换卡(6)相连。
[0011] 本发明基于文丘里管双差压信号测量气液两相流参数，其特征在于，包括有如下 基本步骤：
[0012] (1)测量差压波动信号：应用差压传感器DPSi测量文丘里管朝上倾斜方向的差压 波动信号A Pi，应用差压传感器DPS2测量文丘里管朝下倾斜方向的差压波动信号Δ P2;
[0013] (2)差压波动信号分解：应用经验模态分解方法分解Δ Pi，得到固有模态函数 /V巧I、/IV如....、/娜和残差ri，其中m为由ΔΡι分解得到的固有模态函数的个数;应用经验模 态分解方法分解ΑΡ2,得到固有模态函数/Mf、/Mf、…、和残差n，其中η为由ΔΡ2分解 得到的固有模态函数的个数；
[0014] (3)计算相对能量:分别针对APi和A Ρ2,根据
计算每个固有模态函数的相对 能量ei，其4
%固有模态函数JMFf的能量
为固有模态函数的总能量，1 = 1，2,对于 Δ Pi，k=m;对于 Δ P2，k = n;
[001引（4)信号去噪:剔除信号中的噪声成分/Mf;
[0016] (5)判断伪成分:如果ei含0.05，那么e拥应的/哗<为伪成分，其中，1 = 1，2，对于Δ Pl，i = 6,7,...,m;对于ΔP2，i = 6,7,...,n;
[0017] (6)提取特征量:对于Δ Pi，计算
其中，Di、化和山为Δ Pi的特征量，虹为步骤(5)确定的Δ Pi中含有的伪成分的个数，/Μ巧表示 …、中去掉7Μ巧和m 1个伪成分后剩余的固有模态函数，化的表示 城皆泌尽…、順;中的mi个伪成分;对于Δ P2，计莫
其中，D2、R2和cb为Δ P2的特征量，m为步骤(5)确定的Δ P2中含有的伪成分的个数，/'Λ/巧表 示/Mf、1?巧、…、./M巧中去掉η 1个伪成分后剩余的固有模态函数，/M巧表示 /Λ巧2、/.W与、…、/Mf中的ni个伪成分.
[001引（7)预测空隙率、干度和总质量流量:将dl、d2、Rl和R2输入神经网络，预测气液两相 流的空隙率α、干度X和总质量流量M;
[0019] (8)计算气相与液相质量流量:根据Mg = x · Μ计算气相质量流量Mg，根据Μι=(1- X) · Μ计算液相质量流量Ml。
[0020] 上述步骤（1)中所述的文丘里管取压位置分别为从水平方向倾斜向上45度和从水 平方向倾斜向下45度。
[0021] 上述步骤（1)中所述的差压传感器DPSi和DPS2具有相同的差压测量原理、相同的频 率响应特性。
[0022] 上述步骤(7)中的神经网络权值根据实验数据离线训练获得，并存储于计算机中， 在上述步骤(7)预测空隙率、干度和总质量流量时，神经网络权值直接从计算机中获取用于 在线预测至隙率、干度和总质量流量。
[0023] 上述步骤(7)中的神经网络为Ξ层前馈型网络，输入层节点数为4,隐层节点数为 20,输出层节点数为1，隐层采用S型激活函数，输出层采用线性激活函数。
[0024] 本发明的有益效果及优点是，无需采用高效气液分离器进行气液分离，仅基于一 个文丘里管的2个差压波动信号结合经验模态分解技术和人工神经网络来测量气液两相流 参数。2个差压波动信号从文丘里管的上部和下部采集。经验模态分解技术用来分解差压波 动信号和提取特征量，人工神经网络用于预测气液两相流参数。
[0025] 本发明提供的方法检测参数多，实时性好，测量装置简单，易于实现。适用于气液 两相流多参数的测量。
【附图说明】
[0026] 图1为基于文丘里管双差压的气液两相流测量装置结构示意图；
[0027] 图2为文丘里管差压信号采集位置示意图；
[002引图3为水流量3.9727πΜι，气流量2.5364mVh工况下的差压波动信号Δ Pi和Δ P2;
[0029] 图4为Δ Pi和Δ P2的经验模态分解结果；
[0030] 图5为Δ Pi和Δ P2各固有模态函数的相对能量；
[0031 ] 图6为Δ Pi和Δ P2中提取的山和d2与空隙率α的关系；
[0032] 图7为Δ Pi中提取的Ri和山与干度的关系；
[0033] 图8为Δ Pi中提取的Ri和di与总质量流量的关系；
[0034] 图9为神经网络结构；
[0035] 图10为气液两相流空隙率预测结果；
[0036] 图11为气液两相流干度预测结果；
[0037] 图12为气液两相流总质量流量预测结果；
[0038] 图13为气相质量流量预测结果；
[0039] 图14为液相质量流量预测结果。
【具体实施方式】
[0040] 基于文丘里管双差压的气液两相流测量装置，包括计量管道（1)、压力传感器(2)、 文丘里管(3)、差压传感器(4)、差压传感器(5)、A/D转换卡(6)、计算机(7)，在计量管道（1) 上依次设有压力传感器(2)、文丘里管(3)，差压传感器(4)和差压传感器巧)与文丘里管(3) 相连，A/D转换卡(6)与压力传感器(2)、差压传感器(4)、差压传感器(5)相连，计算机(7)与 A/D转换卡(6)相连。
[0041 ]本实施例在内径为40mm的测试管段，水质量流量为1.02~4.22Kg/s，空气质量流 量为0.003~0.02化g/s，空隙率为0.12-0.75,干度为0.00114~0.0197的气液两相流参数 测量上应用本发明的方法。
[0042] (1)测量差压 波动信号
[0043] 应用差压传感器DPSi测量文丘里管朝上倾斜方向的差压波动信号ΔΡι，应用差压 传感器DPS2测量文丘里管朝下倾斜方向的差压波动信号Δ Ρ2。
[0044] 图1为基于文丘里管双差压的气液两相流测量装置结构示意图，差压传感器DPSi 和DPS2均为电容式，型号相同。图2为文丘里管差压信号采集位置示意图，取压位置分别为 从水平方向倾斜向上45度和从水平方向倾斜向下45度。图3为水流量3.9727mVh，气流量 2.5364mVh工况下的差压波动信号Δ Pi和Δ P2。
[004引（2)差压波动信号分解
[0046] 应用经验模态分解方法分解ΔΡι，得到固有模态函数/,V/f,|、/M巧、…、/Λ巧,!和残差 ri，其中m为由ΔΡι分解得到的固有模态函数的个数;应用经验模态分解方法分解ΔΡ2,得到 固有模态函数iM巧、/.Wf;-'、···、巧和残差η，其中η为由ΔΡ2分解得到的固有模态函数的个 数。
[0047] 图4为ΔΡι和ΔΡ2的经验模态分解结果。从图4可W看到，ΔΡι分解得到11个固有模 态函数和1个残差，A Ρ2分解得到10个固有模态函数和1个残差。在本实施例中，m=ll，n = 10。
[0048] (3)计算相对能量
[0049] 分别针对ΔΡι和ΔΡ2,根据6,=^计算每个固有模态函数的相对能量61，其中 也
为固有模态函数?Λ#好的能量，
为固有模态函数的总能量，1 = 1，2，对于 Δ Pi，k=m;对于 Δ P2，k = n。
[0050] 图5为Δ Pi和Δ P2各固有模态函数的相对能量。
[0051 ] (4)信号去噪
[0052]剔除信号中的噪声成分"^||。
[0053] 在图4的分解结果中，将Δ Pi分解出的第一个分量IMFi剔除掉。
[0054] (5)判断伪成分
[005引如果ei < 0.05，那么ei对应的/M巧''为伪成分，其中，1 = 1，2，对于Δ Pi，i =6，7，…， m;对于 AP2，i = 6,7,···,]!。
[0056] 在本实施例中，根据图5的相对能量分布，判断Δ Pi的固有模态函数中，"的为伪 成分；A P2的固有模态函数中，iM巧和埼为伪成分。
[0057] (6)提取特征量
[005引对于Δ Pi，计算
岸中，Di、Ri和di 为A Pi的特征量，mi为步骤（5)确定的Δ Pi中含有的伪成分的个数，/心巧表示 iM矿W巧、…、@鸣中去掉/A卸和m 1个伪成分后剩余的固有模态函数，/M词表示 化弓、…、挪攻中的mi个伪成分;对于ΔΡ2,计算
錢' 其中，、R2和cb为Δ P2的特征量，ni为步骤(5)确定的Δ P2中含有的伪成分的个数，/ ν/Γ,,表 示/Μ尽…、iM巧中去掉η 1个伪成分后剩余的固有模态函数，ΙΜ巧表示 化听、/Μ片、…、/.W;;-中的ni个伪成分。
[0059] 在本实施例中，根据上述步骤(5)的结果，ΔΡι的分解结果中含有1个伪成分，ΔΡ2 的分解结果中含有2个伪成分，因此，mi = l，ni = 2，JWi具体为ZMg、/^巧，/Mg: 具体为皿骑，ΙΜ巧具体为￡1巧2、^巧、…、1?畴，巧具体为巧2、
[0060] 图6为Δ Pi和Δ Ρ2中提取的di和cb与空隙率α的关系。图7为Δ Pi中提取的Ri和di与 干度的关系。图8为ΔΡι中提取的Ri和山与总质量流量的关系。
[0061] (7)预测空隙率、干度和总质量流量
[006引将山、cb、Ri和R2输入神经网络，预测气液两相流的空隙率α、干度X和总质量流量M。
[0063] 为了评估气液两相流参数的预测效果，根提
0%计算平均相 对误差ε，其中，output表示神经网络预测值，target表示参考值，Ν表示被预测的工况数。根 据
100%计算相对误差RE来评估每个工况的预测精度。
[0064] 图9为神经网络结构，该神经网络为Ξ层前馈型网络，输入层节点数为4,隐层节点 数为20,输出层节点数为1，隐层采用S型激活函数，输出层采用线性激活函数。
[0065] 神经网络权值根据实验数据离线训练获得，并存储于计算机中。预测空隙率、干度 和总质量流量时，神经网络权值直接从计算机中获取用于在线预测空隙率、干度和总质量 流量。
[0066] 本实施例中，用于空隙率预测的神经网络参数为：
[0067] 输入层到隐层的权值为：
[006 引
[0069] 输入层到隐层的阔值为：
[0070]
[0073] 隐层到输出层的阔值为:-0.6964。
[0074] 用于干度预测的神经网络参数为： [00巧]输入层到隐层的权值为：
[0076]
[0077] 输入层到隐层的阔值为：
[007 引
[0079] 隐层到输出层的权值为：
[0080]
[0081 ]隐层到输出层的阔值为:0.0470。
[0082] 用于总质量流量预测的神经网络参数为：
[0083] 输入层到隐层的权值为：
[0084]
[0085] 输入层到隐层的阔值为：
[0086]
[0087]隐层到输出层的权值为：
[008引
[0090]隐层到输出层的阔值为:-0.9079。
[0091 ]图10为气液两相流空隙率预测结果。图11为气液两相流干度预测结果。图12为气 液两相流总质量流量预测结果。
[0092] (8)计算气相与液相质量流量
[0093 ]根据Mg = X · Μ计算气相质量流量Mg，根据Ml = ( 1 -X )· Μ计算液相质量流量Ml。
[0094]图13为气相质量流量预测结果。图14为液相质量流量预测结果。
【主权项】
1. 一种基于文丘里管双差压的气液两相流参数测量方法，其特征在于，包括下列步骤： (1) 测量差压波动信号:应用差压传感器DPS1测量文丘里管朝上倾斜方向的差压波动信 号A P1，应用差压传感器DPS2测量文丘里管朝下倾斜方向的差压波动信号Δ P2; (2) 差压波动信号分解：应用经验模态分解方法分解AP1，得到固有模态函数 /Mf；1、AV/F: 1、…、MC丨和残差^，其中m为由AP1分解得到的固有模态函数的个数;应用经验 模态分解方法分解AP2,得到固有模态函数/Mf、JMf、_··、/Mf和残差r2，其中η为由AP 2 分解得到的固有模态函数的个数； (3) 计算相对能量:分别针对APjPAP2,根据计算每个固有模态函数的相对能 量&，其中为固有模态函数/Mg的能量，为固有模态函数的总能量，1 =1，2,对于 Δ Phk=Iii;对于 Δ P2，k = n; (4) 信号去噪:剔除信号中的噪声成分/V/f；1 , (5) 判断伪成分:如果ei < 0.05，那么ei对应的/Mif为伪成分，其中，I = 1，2，对于Δ P1，i =6,7，."，111;对于厶？2，1 = 6,7，·"，]!; (6 )提取特征量：对于△ P1，计算其中，D^RdPCl1为AP1的特征量， mi为步骤(5)确定的Δ P冲含有的伪成分的个数， /Mg表示/Mg、iM?f、…、:中去掉/Mf和m个伪成分后剩余的固有模态函数， 表示iMg中的mi个伪成分；对于Δ p2,计算其中，02、办和(12为八？ 2的特征量，111为步骤(5)确定的八？2 中含有的伪成分的个数，/MG表示AWfl ΤΜ/?、…、八/<中去掉m个伪成分后剩余的固有 模态函数，/??2表示?/V//^、"·、IMFf中的m个伪成分； (7) 预测空隙率、干度和总质量流量:将cU、d2、RjPR2输入神经网络，预测气液两相流的 空隙率α、干度X和总质量流量M; (8) 计算气相与液相质量流量:根据Mg = X · M计算气相质量流量Mg，根据Mi= (1-x) · M 计算液相质量流量Mi。2. 根据权利要求1所述的一种基于文丘里管双差压的气液两相流参数测量方法，其特 征在于上述步骤（1)中所述的文丘里管取压位置分别为从水平方向倾斜向上45度和从水平 方向倾斜向下45度。3. 根据权利要求1所述的一种基于文丘里管双差压的气液两相流参数测量方法，其特 征在于上述步骤（1)中所述的差压传感器DPSdPDPS 2具有相同的差压测量原理、相同的频率 响应特性。4. 根据权利要求1所述的一种基于文丘里管双差压的气液两相流参数测量方法，其特 征在于上述步骤(7)中的神经网络权值根据实验数据离线训练获得，并存储于计算机中，在 上述步骤(7)预测空隙率、干度和总质量流量时，神经网络权值直接从计算机中获取用于在 线预测空隙率、干度和总质量流量。5. 根据权利要求1所述的一种基于文丘里管双差压的气液两相流参数测量方法，其特 征在于上述步骤(7)中的神经网络为三层前馈型网络，输入层节点数为4,隐层节点数为20， 输出层节点数为1，隐层采用S型激活函数，输出层采用线性激活函数。
【专利摘要】本发明公开了一种基于文丘里管双差压的气液两相流参数测量方法。包括如下基本步骤：1)测量文丘里管朝上和朝下倾斜方向的差压波动信号；2)应用经验模态分解方法分解2个取压方向上的差压波动信号，得到固有模态函数和残差；3)计算每个固有模态函数的相对能量；4)剔除噪声成分；5)根据相对能量的阈值判断伪成分；6)根据固有模态函数、残差和伪成分计算特征量；7)将特征量输入神经网络，预测空隙率、干度和总质量流量；8)计算气相与液相质量流量。本发明的有益效果是无需采用气液分离器，仅基于一个文丘里管的2个差压信号即可预测两相流多个参数。本发明检测参数多，实时性好，装置简单，易于实现。适用于气液两相流多参数的测量。
【IPC分类】G01F1/44
【公开号】CN105486358
【申请号】CN201510800328
【发明人】王微微, 白明雷, 梁霄, 陈宇
【申请人】中国石油大学(华东)
【公开日】2016年4月13日
【申请日】2015年11月19日
最新回复(0)