一种气液固三相体系中流动参数的图像测量方法技术

本发明专利技术公开了一种气液固三相体系中流动参数的图像测量方法，包括图像采集、图像预处理、人工神经网络建模、相含率参数提取等步骤，通过本方法可以得到气相面积、液相面积、液相分率、气相分率等流动参数。进一步的，所述的图像测量方法处理同一实验条件下不同时刻的图像，获得所述流动参数随时间变化的数据；通过统计分析，可以识别涓流、脉冲流、鼓泡流等典型流型。本发明专利技术可以解决现有图像识别技术的不足，突破以图像提取定量气液流动参数的限制，进而提高气液流型的识别准确性。

An Image Measurement Method for Flow Parameters in Gas-liquid-solid Three-phase System

The invention discloses an image measurement method for flow parameters in gas-liquid-solid three-phase system, which includes image acquisition, image preprocessing, artificial neural network modeling, phase holdup parameter extraction and other steps. Through this method, flow parameters such as gas phase area, liquid phase area, liquid phase fraction and gas phase fraction can be obtained. Furthermore, the image measurement method can process images at different times under the same experimental conditions and obtain the data of the flow parameters varying with time. Through statistical analysis, typical flow patterns such as trickle flow, pulse flow and bubbling flow can be identified. The invention can overcome the shortcomings of the existing image recognition technology, break through the limitation of extracting quantitative gas-liquid flow parameters by image, and improve the recognition accuracy of gas-liquid flow pattern.

【技术实现步骤摘要】
一种气液固三相体系中流动参数的图像测量方法
本专利技术涉及一种用于气液固三相体系中流动参数的图像测量方法。
技术介绍
流型是气液固三相体系的重要流动参数。多相体系中流型的检测方法主要有压差法、摄像法、层析成像、超声成像等。CN106323361A采用高速摄像法测量气液两相流流型，可有效识别气液两相流的各相含量、速度和流量，但是不适用气液固三相体系。CN107402116A利用钝体尾迹的压差信号识别气液两相流型，在处理压差信号时加入白噪声，通过时频熵结合气液两相流的特征参数构建流型图。CN107101681A采用摄像法通过相分割和图像处理识别气液两相流型，其中拍摄区域要求使用高透光玻璃，同时对影响图像灰度的流体物性有要求。CN106323325A使用电阻层析成像法测量气液两相流的各相含量、速度、流量和流型，具有可视化、非接触等特点。CN104155362A在流体中加入示踪粒子，使用超声成像技术测量气液两相流流型。CN105806780A通过两个相互垂直的角度同时获取图像数据，进行了光学畸变校正后提取特征向量，建立相含率和流型的测量模型，解决了单视觉流型信息不足的问题。综上可知，图像法是气液流型识别的最直观的方法，但是大多针对气液两相流，对气液固三相体系的适用性差，通常需要加入灰度差异大、高浓度的示踪液体才能得到流型信息。因此，专利技术一种适用于气液固三相体系流动参数的图像测量方法，具有非常重要的意义。
技术实现思路
本专利技术克服现有技术的不足，提供了一种适用性强的提取气液固三相体系的气相含率、液含率、气液比等流动参数的图像测量方法，具有定量分析、数据可靠、操作方便，并且能够对气液固三相体系的气液流型实现准确识别的特点。本专利技术克服现有技术的不足，提供了一种气液固三相体系中流动参数的图像测量方法，使用以高速相机为核心的图像采集系统获取流型图像数据，传输到计算机经过图像重建后提取特征参数，利用人工神经网络建立图像识别模型，然后处理原始图像得到流动参数随时间变化的信号，最后通过统计分析识别流型。本专利技术提供的一种气液固三相体系流动参数的图像测量方法，具体技术步骤如下：步骤1，通过高速相机采集不同气速、液速、固体流动速率下气液固三相体系中不同位置的原始图像数据；步骤2，选取一部分原始图像作为样本图像，对其进行分步处理，包括分割、阈值化、二值化、裁剪等步骤，获取标记图像，得到包括原始图像和标记图像的样本训练集；步骤3，建立人工神经网络，输入样本训练集进行训练学习，建立气液相面积的图像识别模型；步骤4，利用所建立的图像识别模型处理原始图像数据，得到识别结果图像，获取其中气相面积、液相面积、液相分率、气相分率、气液比的流动参数。进一步的，所述步骤1中的原始图像可以从各种气液固体系中得到，气液固三相体系中的固体相在床层中可以是规则排布或正三角形排布或自然堆积排布等方式，颗粒可以为球形或圆柱或其它形状。其中的实验装置可以为圆管、矩形床、二维床等，其中矩形床和二维床的平面区域能得到更好的图像效果，图像可为床层的整体或局部区域图像，优选在稳定段的气液流型区域获取图像。进一步的，所述步骤1中的原始图像由高速相机得到，矩形图像的像素一般较大，如2048×2048，可根据实际需求对图像进行缩放为512×512、256×256等像素大小后进行处理，提高图像识别系统的训练和计算效率。进一步的，所述步骤2的具体步骤为：步骤2-1：选取一部分原始图像，分割出气相或液相区域，得到分割图像；步骤2-2：对步骤2-1中的分割图像经过线性灰度变换处理得到灰度图像；步骤2-3；将步骤2-2中的灰度图像运用最大方差阈值法进行阈值化处理，得到二值化的标记图像；步骤2-4：将步骤2-3中的标记图像进行矩阵裁剪分割为4等分、9等分或16等分的矩形图像；步骤2-5：将原始图像与标记图像进行相同的裁剪分割，得到样本训练集。进一步的，所述步骤3的具体步骤为：步骤3-1：人工神经网络包括多层感知器、卷积神经网络、递归神经网络和其他神经网络，选择适用于图像数据预测问题的卷积神经网络，在Matlab中设计并构架神经网络，主要包括但不限于输入层、卷积层、激活层、池化层、全连接层、输出层等；步骤3-2：根据实际需求初步设置神经网络的学习率、训练轮数、批尺寸，采用梯度下降法和反向传导法进行层与层的更新，完成神经网络构建，可通过设置较大的批尺寸或增加迭代次数提高学习准确率；步骤3-3：将样本训练集输入神经网络进行学习训练，计算方差代价函数，根据准确率和代价损失进行神经网络的优化、更改或重新训练，其中采用的不同等分样本训练集根据图像背景的复杂程度来确定，复杂背景的图像样本训练集优选4等分裁剪。步骤3-4：取另一部分原始图像作为测试集输入网络进行测试，将该部分原始图像对应的标记图像结果为基准，计算每张图像从神经网络模型得到的输出结果的偏差，平均得到系统偏差步骤3-4：若系统偏差满足设计要求，即可得到用于识别图像中流动参数的人工神经网络，进而建立图像识别模型。进一步的，所述步骤3中的样本训练集必须包括实验中不同流型状态下典型的气液分布图像，才能满足图像的识别处理。所述的样本训练集中的图像均为位深度和像素相同的灰度图像，图像样本个数不应小于200，其中的系统偏差可通过增加训练的样本数目来降低。进一步的，基于所述图像测量方法的气液流型识别方法，其特征在于利用所述图像测量方法处理处理同一实验条件下不同时刻的图像数据，获得所述流动参数随时间变化的数据，如气含率或液含率随时间的变化曲线。随后对所述的流动参数随时间的变化信号进行分析，求取平均值、方差、极差、标准差、功率谱、概率密度分布及其峰面积和半峰宽。进一步的，根据所述流动参数的平均值、方差、极差、标准差、功率谱、概率密度分布及其峰面积和半峰宽的统计参数随操作条件的变化曲线识别气液流型。识别气液流型具体为：在气相连续涓流区，所述统计参数随液速的增大无明显波动；在气相半连续涓流区，所述统计参数随液速的增大而增大；在脉冲区中，所述统计参数随液速的增大呈相对稳定的波动。进一步的，对所述流动参数随时间的变化信号进行分析还包括对流动参数随时间的变化信号进行滤波处理的步骤；所述信号滤波方法包括经验模态分解、小波分解、小波包分解。其中的经验模态分解方法是基于信号的包络差进行信号的分解，对分解后的信号进行统计分析，一般分解一次后就能够得到较为明显的区分效果，且符合原始的信号波动趋势。本专利技术提出了一种基于高速摄像和人工神经网络识别图像的气液固三相体系中流动参数测量方法，通过在人工神经网络中对分割处理的图像训练集进行训练建模，可以解决现有图像分割技术的不足，突破以图像提取定量气液流动参数的限制，进而提高气液流型的识别准确性。本专利技术提出的一种气液固三相体系中流动参数的图像测量方法，包括图像采集、图像预处理、人工神经网络建模、相含率参数提取等步骤。通过在人工神经网络中对分割处理的图像集进行训练建模，可以解决现有图像分割技术的不足，突破以图像提取定量气液流动参数的限制，获得气含率、液含率、气相面积、液相面积及其随时间变化的信号等；通过对气含率或液含率的时间序列信号的统计分析，可以识别涓流、脉冲流、鼓泡流等典型流型。附图说明图1是本专利技术提出的气液流动参数测量方法的总流程图本文档来自技高网...

【技术保护点】
1.一种气液固三相体系流动参数的图像测量方法，其特征在于，步骤如下：步骤1，图像采集，获取不同操作条件下气液固三相体系不同位置的原始图像数据；步骤2，图像预处理，对原始图像进行处理获取标记图像，得到包括原始图像和标记图像的样本训练集；步骤3，图像建模，将样本训练集输入人工神经网络进行训练，建立气液相面积的识别模型；步骤4，参数提取，利用所建立的识别模型处理待测量的原始图像，得到识别结果图像，获取其中气相面积、液相面积、液相分率、气相分率、气液比的流动参数。

【技术特征摘要】
1.一种气液固三相体系流动参数的图像测量方法，其特征在于，步骤如下：步骤1，图像采集，获取不同操作条件下气液固三相体系不同位置的原始图像数据；步骤2，图像预处理，对原始图像进行处理获取标记图像，得到包括原始图像和标记图像的样本训练集；步骤3，图像建模，将样本训练集输入人工神经网络进行训练，建立气液相面积的识别模型；步骤4，参数提取，利用所建立的识别模型处理待测量的原始图像，得到识别结果图像，获取其中气相面积、液相面积、液相分率、气相分率、气液比的流动参数。2.根据权利要求1所述的气液固三相体系流动参数的图像测量方法，其特征在于，所述的步骤2的具体步骤为：步骤2-1：将原始图像进行分割识别处理，得到分割图像；步骤2-2：对步骤2-1中的分割图像经过灰度变换处理得到灰度图像；步骤2-3；将步骤2-2中灰度图像运用阈值法进行处理，得到二值化的标记图像；步骤2-4：将步骤2-3中的标记图像进行矩阵裁剪分割为4等分、9等分或16等分的矩形图像；步骤2-5：将原始图像与标记图像进行相同的裁剪分割，得到样本训练集。3.根据权利要求1所述的气液固三相体系流动参数的图像测量方法，其特征在于，所述的步骤3的具体步骤为：步骤3-1：根据实际需求初步设置神经网络的学习率、训练轮数、批尺寸，采用梯度下降法和反向传导法进行神经网络的层与层的更新，完成神经网络构建；步骤3-2：输入样本训练集进行学习训练，计算方差代价函数，根据准确率和代价损失进行神经网络的优化、更改或重新训练；步骤3-3：取另...

【专利技术属性】
技术研发人员：黄正梁，王超，杨遥，李少硕，姚晶星，俞彬彬，孙婧元，蒋斌波，王靖岱，廖祖维，张浩淼，阳永荣，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33