两相流过程参数的声电双模态融合测量方法技术

本发明专利技术涉及一种两相流过程参数的声电双模态融合测量方法，包括：在测量管道上布置电导传感器和电容传感器，并在测量管道上布置超声传感器；从电导传感器测量数据中提取流速特征量，作为相关流速；从超声传感器测量数据中或取多普勒流速；对利用电容传感器测量得到的含水率和电导传感器得到的含水率分别进行含水率的状态估计；将电容含水率和电导含水率进行含水率的融合；将多普勒流速和相关流速分别进行流速的状态估计；对基于两种原理测量得到的流速，分别进行卡尔曼估计，计算出所有时刻的流速状态估计；将多普勒流速和相关流速进行速度融合。

Two modal fusion measurement method for two-phase flow process parameters

The invention relates to a two-phase flow of process parameters of electro acoustic measurement method, double modal fusion including arrangement of conductivity sensor and a capacitance sensor in the measurement of pipeline, and the layout of ultrasonic sensor in measuring pipeline; extracting features from the data flow conductance sensor, as related to velocity; or Doppler velocity data from ultrasonic sensor in the measurement of moisture content respectively; state estimation of water use capacitance sensor for measuring moisture content and conductance sensor rate; capacitance moisture and conductivity moisture water content integration; Doppler velocity and velocity were related to velocity of state estimation; two kinds of principle based on the measured flow rate Calman, were estimated to calculate all the time flow state estimation; Doppler velocity and the velocity of relative velocity Degree fusion.

【技术实现步骤摘要】
两相流过程参数的声电双模态融合测量方法
本专利技术属于流体测量
，涉及一种两相流过程参数测量方法。技术背景多相流广泛存在于自然界和工业生产中，多相流流动过程复杂，待测参数多，难以用准确的模型描述，因此对其参数的准确测试难度很大。单一传感器往往只适用于某一类流态下的部分参数测试，无法获得对多相流的准确全面描述。若将多传感器数据融合技术引入多相流测量中，分析、综合利用多元传感器获得的信息，可获得比单传感器更全面、可靠的参数信息。相含率和流量(流速)是多相流的重要流动参数，对其的准确检测是多相流领域的重要问题。目前两相流含水率的测量手段包括快关阀测量方法、射线方法、微波方法、Wire-mesh方法、超声方法和电阻抗方法等。其中，电学方法具有测量速度快，敏感性强，传感器结构简单，易于安装，成本低廉等优点。对流量和流速的检测方法主要有一些发展于单相流仪表的技术如差压式流量计、容积式流量计等，以及超声方法、互相关方法等针对多相流的检测技术。电学传感器通过检测混合流体电学参数间接确定流体的相含率，具有非扰动、无辐射、响应快等优势。电导法和电容法是电学法中的两类常用方法，分别通过检测流体电导率和介电常数来估计相含率，其测量方式的原理敏感范围具有互补性，若建立电导/电容联合测量系统，可以提高测量精度、拓展测量范围。超声传感器因其非侵入式的特点，近年来逐渐成为多相流检测的研究重点。超声多普勒方法作为一种成熟的超声检测技术，近年来也在多相流领域得到应用。超声多普勒方法的测量原理基于多普勒效应，通过测量发射端和接收端的信号频移来测量流速，可细分为连续波多普勒方法和脉冲波多普勒方法，其中连续波多普勒方法具有成本较低和算法简便的优势，在多相流领域得到广泛应用。多传感器数据融合技术通过对不同时间与空间的多元传感器数据加以分析、综合、支配和利用，获得对被测对象的一致性描述。多传感器融合技术可以提高系统的可靠性和稳定性，扩展系统测量的空间和时间范围，提高测量分辨率。卡尔曼滤波是一种应用广泛的状态估计算法，具有最优估计、实时性高、容易实现等优势。卡尔曼融合是卡尔曼滤波在数据融合领域的应用，可同时处理来自多个传感器的数据，给出基于多源数据融合的状态估计，并通过环境信息获知传感器的工作环境，判断传感器是否处于正常状态，避免部分错误数据对整体数据的污染。
技术实现思路
本专利技术针对油水两相流的含水率和流速测量问题，提供一种可以提高测量的准确性和可靠性的两相流过程参数融合测量方法。技术方案如下：一种两相流过程参数的声电双模态融合测量方法，包括下列步骤：1)在测量管道上布置电导传感器和电学传感器，并在测量管道上布置超声传感器，利用电导传感器，根据测量数据获得含水率hcond，利用电容传感器，根据测量数据获得含水率hcap2)从电导传感器测量数据中提取流速特征量，作为相关流速：利用互相关方法，对电导传感器上下游测量数据进行互相关计算，互相关函数最大值出现处对应渡越时间τ，并得到相关流速uc其中，l为上、下游电导传感器之间的距离，根据该式，可得到相关流速时间序列uc。3)从超声传感器测量数据中或取多普勒流速ud。4)利用电容传感器测量得到的含水率hcap和电导传感器得到的含水率hcond分别进行含水率的状态估计：(a)将hcond和hcap分别作为估计过程中的量测矩阵zcond和zcap，建立基于卡尔曼滤波的含水率估计和融合过程，状态向量x表示含水率真值，对其进行卡尔曼状态估计和更新，获得对状态向量的预测和协方差矩阵的预测。设其在测量过程中仅受过程噪声的影响，则k时刻到k+1时刻的状态转移方程为：x(k+1)＝x(k)+v(k)(2)其中，v(k)是过程噪声，记其噪声的协方差为Q。(b)根据电容传感器和电导传感器含水率时间序列，构造系统量测向量zcap(k)和zcond(k)：(c)电容传感器和电导传感器的量测向量为系统状态和量测噪声的叠加，则量测方程为：其中wcap(k)和wcond(k)分别是两个传感器的量测噪声。(d)根据k时刻的状态估计推出k+1时刻的先验状态估计，并更新状态向量的方差，公式如下：其中，和分别是k+1时刻对两个传感器状态向量的预测，Pcap(k+1|k)和Pcond(k+1|k)分别是k+1时刻对两个传感器估计协方差的预测，和分别是k时刻对两个传感器状态向量的估计，Pcap(k)和Pcond(k)分别是k时刻两个传感器估计的协方差。和是先验估计，需根据量测向量对其进行修正，并更新状态向量的方差，具体公式如下：其中，Kcap(k+1)和Kcond(k+1)分别是k+1时刻是电容含水率估计过程和电导含水率估计过程的卡尔曼增益，Pcap(k+1)和Pcond(k+1)分别是k+1时刻两个传感器估计的协方差，Rcap和Rcond为白噪声的噪声协方差。将先验估计和及其方差代入公式(7)和(8)，获得后验估计和作为新的含水率估计值，循环进行公式(5)至(8)的过程，计算出所有时刻的两传感器状态估计。5)将电容含水率和电导含水率进行含水率的融合：对两个含水率状态的估计值根据其方差进行加权平均，得到含水率的融合估计：其中，Pcc(k+1)和Pcc(k)分别为k+1和k时刻的互协方差矩阵，其递推关系为：Pcc(k+1)＝(1-Kcap(k+1))Pcc(k)(1-Kcond(k+1))+(1-Kcap(k+1))Q(1-Kcond(k+1))(10)得到的含水率融合估计时间序列记为hf(k)，将其进行平均将其进行平均作为最终的含水率估计结果，N是总采样次数。6)将多普勒流速和相关流速分别进行流速的状态估计：构建二维状态向量xd(k)和xc(k)，以及二维量测向量zd(k)和zc(k)：其中，Jd和Jc分别表示多普勒流速和相关流速的真值，hf(k)代表融合含水率。则相应的状态转移方程和量测方程分别为公式(13)和(14)所示：其中，xd(k+1)和xc(k+1)是k+1时刻系统的二维状态向量，vs(k)是系统白噪声，其协方差矩阵为Qs。wd(k)和wc(k)分别是针对两种测量方法的测量噪声协方差，其协方差矩阵分别为Rc和Rd，Hd表示超声传感器量测向量zd(k)与系统状态xd(k)之间的关系。J(k)是油水两相流k时刻的总表观流速，hw(k)是真实含水率。若油水两相流的流型为分散流，多普勒速度与总流速和相含率之间关系是一个线性函数；则当油相连续时，量测矩阵当水相连续时，量测矩阵若油水两相流的流型为分层流，多普勒速度与总流速和相含率之间关系是一个非线性函数，量测矩阵Hd无法直接表示，用近似线性化矩阵代替：对基于两种原理测量得到的流速，分别进行卡尔曼估计，根据k时刻的状态估计推出k+1时刻的先验状态估计，并更新状态向量的方差，公式如下：其中，和分别是k+1时刻对两个状态向量的预测，Pd(k+1|k)和Pc(k+1|k)分别是k+1时刻对两个传感器估计协方差的预测，和分别是k时刻对两个状态向量的估计，Pd(k)和Pc(k)分别是k时刻两个估计的协方差。和是先验估计，需根据量测向量对其进行修正，并更新状态向量的方差，具体公式如下：其中，Kd(k+1)和Kc(k+1)分别是k+1时刻是多普勒流速估计过程和相关流速估计过程的卡尔曼增益，Pd(k本文档来自技高网...

【技术保护点】
一种两相流过程参数的声电双模态融合测量方法，包括下列步骤：1)在测量管道上布置电导传感器和电容传感器以及超声传感器，利用电导传感器，根据测量数据获得含水率hcond，利用电容传感器，根据测量数据获得含水率hcap；2)从电导传感器测量数据中提取流速特征量，作为相关流速：利用互相关方法，对电导传感器上下游测量数据进行互相关计算，互相关函数最大值出现处对应渡越时间τ，并得到相关流速uc

【技术特征摘要】
1.一种两相流过程参数的声电双模态融合测量方法，包括下列步骤：1)在测量管道上布置电导传感器和电容传感器以及超声传感器，利用电导传感器，根据测量数据获得含水率hcond，利用电容传感器，根据测量数据获得含水率hcap；2)从电导传感器测量数据中提取流速特征量，作为相关流速：利用互相关方法，对电导传感器上下游测量数据进行互相关计算，互相关函数最大值出现处对应渡越时间τ，并得到相关流速uc其中，l为上、下游电导传感器之间的距离，根据该式，可得到相关流速时间序列uc；3)从超声传感器测量数据中或取多普勒流速ud；4)利用电容传感器测量得到的含水率hcap和电导传感器得到的含水率hcond分别进行含水率的状态估计：(a)将hcond和hcap分别作为估计过程中的量测矩阵zcond和zcap，建立基于卡尔曼滤波的含水率估计和融合过程，状态向量x表示含水率真值，对其进行卡尔曼状态估计和更新，获得对状态向量的预测和协方差矩阵的预测；设其在测量过程中仅受过程噪声的影响，则k时刻到k+1时刻的状态转移方程为：x(k+1)＝x(k)+v(k)(2)其中，v(k)是过程噪声，记其噪声的协方差为Q；(b)根据电容传感器和电导传感器含水率时间序列，构造系统量测向量zcap(k)和zcond(k)：(c)电容传感器和电导传感器的量测向量为系统状态和量测噪声的叠加，则量测方程为：其中wcap(k)和wcond(k)分别是两个传感器的量测噪声；(d)根据k时刻的状态估计推出k+1时刻的先验状态估计，并更新状态向量的方差，公式如下：其中，和分别是k+1时刻对两个传感器状态向量的预测，Pcap(k+1|k)和Pcond(k+1|k)分别是k+1时刻对两个传感器估计协方差的预测，和分别是k时刻对两个传感器状态向量的估计，Pcap(k)和Pcond(k)分别是k时刻两个传感器估计的协方差；和是先验估计，需根据量测向量对其进行修正，并更新状态向量的方差，具体公式如下：其中，Kcap(k+1)和Kcond(k+1)分别是k+1时刻是电容含水率估计过程和电导含水率估计过程的卡尔曼增益，Pcap(k+1)和Pcond(k+1)分别是k+1时刻两个传感器估计的协方差，Rcap和Rcond为白噪声的噪声协方差；将先验估计和及其方差代入公式(7)和(8)，获得后验估计和作为新的含水率估计值，循环进行公式(5)至(8)的过程，计算出所有时刻的两传感器状态估计；5)将电容含水率和电导含水率进行含水率的融合：对两个含水率状态的估计值根据其方差进行加权平均，得到含水率的融合估计：其中，Pcc(k+1)和Pcc(k)分别为k+1和k时刻的互协方差矩阵，其递推关系为：Pcc(k+1)＝(1-Kcap(k+1))Pcc(k)(1-Kcond(k+1))+(1-Kcap(k+1))...

【专利技术属性】
技术研发人员：谭超，付广智，董峰，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12