基于迁移学习的水平管气液两相流型智能识别
2021-08-19梁法春冉云麒高继峰
实验室研究与探索 2021年7期
梁法春, 陈 婧, 冉云麒, 高继峰
(1.中国石油大学(华东)储运与建筑工程学院,山东青岛266580;2.中原石油工程设计有限公司,河南濮阳457001)
0 引 言
气液两相流广泛存在于石油、化工、能源、动力等多个工业领域[1-2]。随着气液流速的不同,管路会呈现分层流、波浪流、段塞流、环状流等多种流动形态,即流型[3]。流型是表征气液两相流动最重要参数之一,研究多相流动规律和机理,建立预测模型以及对气液两相流动过程进行设计、监测和控制都依赖于对其流型的准确识别[4]。当前流型识别方法主要有肉眼观察法、波动分析法以及层析成像法等。人通过透明管壁观察来识别流型最为简单,也是确定流型的主要方式[5]。但流型识别结果依赖人的主观判断,不同识别主体辨别结果可能有较大差异。对于高速气液两相流动,人类肉眼难以准确分辨气液界面,从而增加了识别难度。层析成像法通过测量管内气液三维分布来判断流型,具有可视化、非侵入等优点[6-8]。但层析成像法往往采用大量传感器构建测量陈列,测量系统复杂,并需要图像重建计算,从而影响显示和测量的实时性。部分成像法还要求被检测管道为不导电的绝缘材料,感测元件需布置在管道内壁,难以直接应用于已建气液两相流系统。波动分析法主要通过对压力、差压、持液率等信号的波动特征提取来间接识别流型,提取的特征参数通常有功率谱密度、标准偏差、斜度、多尺度熵、分型维数等[9-13]。特征提取往往具有一定的主观性,很难全面反映流型特征。……
登录APP查看全文
