一种深度自适应网络的气固两相流参数测量方法

一种气固两相流参数测量的测量方法，特别是基于深度自适应网络的气固两相流参数测量方法。

背景技术：

0、技术背景

1、气固两相流是指气体和固体颗粒同时存在的流动现象，广泛应用于石油、化工、冶金、电力等行业。气固两相流的动态参数对生产过程的控制和优化具有重要意义。然而，现有的气固两相流动态参数测量方法存在一定的局限性，如测量精度低、操作复杂、成本高等。因此，开发一种高精度、简单易行的气固两相流动态参数测量装置及方法具有重要的实际意义。

2、深度学习软测量方法的拓宽了多相流软测量模型的应用范围。深度学习技术是近年来兴起的新理论，其通过无监督方式或有监督方式逐层提取被测对象的特征，其特征客观性强，且能够精准、详实的反映被测对象的本质。通过软测量手段可对传感器测量到的多元数据进行融合，采用智能及深度学习方法可精确、高效的提取多相流的特征信息。

技术实现思路

1、一种气固两相流参数测量的测量方法，特别是基于深度自适应网络的气固两相流参数测量方法。

2、通过使用环状静电传感器对气固两相流流量进行测量，然后利用基于深度自适应网络模型提取测量信号中的流量信息特征并进行特征融合，以实现气固两相流流量的精确测量。

3、本发明解决上述技术问题采用的技术方案为：

4、1、一种气固两相流参数测量的测量方法，特别是基于深度自适应网络的气固两相流参数测量方法。其特征在于如下步骤：

5、(1)采用环状电极传感器测量气固两相流参数的波动信号；

6、(2)构建深度自适应网络模型，用于实现气固两相流参数波动信号的特征融合及流量测量。

7、2、一种气固两相流参数测量的测量方法，特别是基于深度自适应网络的气固两相流参数测量方法。其特征在于，步骤(1)包括：

8、物料由管道进入测量管段时，由安装在管道上的环状静电传感器进行气固两相流参数波动信号测量。所设计的静电传感器由环形电极、绝缘层、物料管道组成。首先我们根据静电传感器的工作原理设计了环形感应电极，环形感应电极位于管道中间。由于管道是金属的，和金属电极接触会导致电荷移动，因此每个环形电极两侧均有绝缘层。同时，两个环形电极之间具有一定的间隔。对于该传感器来说，主要的几何尺寸包括感应电极宽度，以及两个环形电极之间的间隔距离。该传感器利用静电感应原理可以从微观角度捕获气固两相流的质量流量流动信息。

9、在实际物料流动的过程中，由于存在气体压力、物料压力等因素，因此我们将物料管道材料选择为钢，以满足耐压要求，同时，为了满足大流量流动的要求，我们将管道内径设置为dn100，电极材料选择为铜。其模型图如附图1所示。

10、在comsol搭建的有限元模型中，我们设置点电荷的运动轨迹为平行于物料管道移动，因此在点电荷的每一个切向位置均可以算出该点的电势大小。经过仿真后我们发现，在点电荷靠近环形感应电极的地方，感应电荷量逐渐变大，当点电荷逐渐远离环形感应电极时，感应电荷量逐渐减小，同时带电颗粒越靠近环形电极其感应电荷量变化的就越快。

11、为了使传感器能够有效测量气固两相流的动态流动参数，我们对静电传感器优化要求为：具有较高的灵敏度。我们使用comsol软件对气固两相流的静电传感器进行仿真。首先建立了静电传感器模型，接着我们给环形电极施加直流激励，根据电极的电势变化来优化传感器参数，在管道中放入带点小球模拟物料流动，由于带电小球的加入，会使得两环形电极之间的电势发生变化。将小球放置于管道不同的位置，记录下每次放置不同位置时的电势值。在优化过程中，我们首先固定两电极之间的距离，改变电极宽度，待电极宽度达到最优后，固定电极宽度改变电极距离，最后得到传感器的最优参数。我们选择电极宽度的范围为(5，7)，两电极之间的距离范围为(10，12)，单位均为mm。我们计算在相同流动状态下，不同传感器优化参数的传感器电场变化速度的倒数，即静电传感器的灵敏度。其结果如附表1及附图2所示。

12、最后，我们根据电场强度的变化选择的最优参数为：电极宽度5mm，环形电极间距12mm。在最优解下，当小球位于管道中央时，具有较高的灵敏度，当小球位于管道两端时，基本检测不到电场变化，因此，该传感器模型可以有效检测流经环形电极的电场变化，实现对气固两相流动态参数的精确测量。

13、表1电极优化参数

14、

15、3、一种气固两相流参数测量的测量方法，特别是基于深度自适应网络的气固两相流参数测量方法。

16、其特征在于，步骤(2)包括：

17、①所构建的深度自适应网络模型，首先对环状静电传感器测量的多相流信号进行预处理。对波动信号分别采用无重叠加窗方式进行分割，窗口长度为h，长度为l的样本信号可获取个样本，其中，代表向下取整。对传感器采集到的波动信号进行加窗截取，以实际值为数据标签，共得到n个带有标签值的参数波动样本。

18、②随机将n个样本划分数据集，具体比例为[训练集：验证集：测试集]＝[8：1：1]。

19、4、一种气固两相流参数测量的测量方法，特别是基于深度自适应网络的气固两相流参数测量方法。

20、其特征在于，步骤(2)包括：

21、①所构建的深度自适应网络模型，其网络结构特征在于，模型包括输入层、多个隐藏层和输出层。所述输入层用于接收输入数据，所述隐藏层包括至少一个自适应层，每个自适应层包含多个子层，每个子层的结构和参数可以根据输入数据和当前任务自动调整，所述输出层用于输出预测结果。其中，自适应层通过对输出的反馈进行动态调整，对初始卷积的参数和层数进行优化，实现对工业现场数据的动态调整。上述子层包含有一个16×16的卷积层以及一个最大池化层。总体初始网络结构为：一个输入层，四个隐藏层，每个隐藏层包含有一个子层，连接激活函数后到输出层，最终输出预测结果。其结构如附图3所示。

22、②所构建的多网络特征融合模型，其网络结构特征在于，所述自适应层的具体实现方式如下：

23、初始化阶段：为每个子层分配一个初始的网络结构和参数；

24、训练阶段：根据输入数据和当前任务，计算每个子层的梯度信息；根据梯度信息更新子层的网络结构和参数；

25、评估阶段：根据预设的评价指标，评估每个子层的预测性能；根据评估结果调整子层的网络结构和参数。

26、5、一种气固两相流参数测量的测量方法，特别是基于深度自适应网络的气固两相流参数测量方法。

27、其特征在于，步骤(2)包括：

28、构建多网络特征融合模型，将步骤4所述的处理后的数据输入到模型中进行训练，最后输出气固两相流参数的流量值。

29、本发明还提供一种深度自适应网络模型的训练方法，包括以下步骤：

30、初始化：为每个自适应层的子层分配一个初始的网络结构和参数；

31、前向传播：将输入数据依次通过各隐藏层的子层，得到预测结果；

32、反向传播：根据预测结果和真实标签，计算各隐藏层的梯度信息；

33、更新参数：根据梯度信息更新各隐藏层的子层的网络结构和参数；

34、评估性能：根据预设的评价指标，评估模型的预测性能；

35、调整结构：根据评估结果调整自适应层的子层的网络结构和参数。

36、6、一种气固两相流参数测量的测量方法，特别是基于深度自适应网络的气固两相流参数测量方法。其特征在于，步骤(2)包括：

37、为了解决神经网络中可能出现的梯度消失问题或过拟合现象，对步骤5所述的模型进行改进和优化。用relu函数代替sigmoid函数作为激活函数，relu激活函数的表达式为：

38、f(x)＝max(0,x)

39、最后运用adam优化器对于整个模型性能进行优化。adam优化算法的表达式为：

40、变量更新：

41、v(k)＝β1v(k-1)+(1-β1)g(k)

42、

43、其中，v(k)表示一阶动量项，s(k)表示二阶动量项，g(k)表示时间步序列上的梯度，β1表示为一阶矩估计，β2表示二阶矩估计的指数衰减率。

技术特征：

1.一种气固两相流参数测量的测量方法，特别是基于深度自适应网络的气固两相流参数测量方法，其特征在于如下步骤：

2.根据权利要求1所述的一种气固两相流参数测量的测量方法，其特征在于，步骤(1)包括：

3.根据权利要求1所述的一种气固两相流参数测量的测量方法，其特征在于，步骤(2)包括：

4.根据权利要求1所述的一种气固两相流参数测量的测量方法，其特征在于，步骤(2)包括：

5.根据权利要求1所述的一种气固两相流参数测量的测量方法，其特征在于，步骤(2)包括：

6.根据权利要求1所述的一种气固两相流流量智能计量方法，其特征在于，步骤(2)包括：

技术总结
本发明涉及了一种气固两相流参数测量的测量方法，特别是基于深度自适应网络的气固两相流参数测量方法，其由高精度气固两相流传感器以及软测量模型组成。设计的气固两相流传感器用于获取气固两相流流动过程中的参数波动信号，接着采用深度自适应网络提取传感器采集的波动信号并进行分析，最终可以得到校正后的气固两相流流动参数。

技术研发人员：高忠科,王睿奇,李梦宇,周邦,龚小荃
受保护的技术使用者：天津大学
技术研发日：
技术公布日：2024/9/23