【技术实现步骤摘要】
基于声发射-BP神经网络的气液两相流流型识别方法
本专利技术涉及气液两相流流型检测领域，特别是涉及对海洋油气混输系统倾斜或垂直(20-90°)立管内的气液两相流流型进行实时在线识别方法。
技术介绍
气液两相流动现象广泛存在于长距离陆上混输管道系统以及海洋油田混输生产系统中。两相流动介质在管内流动的分布状况，即流型，是气液流动的基础问题。准确的流型识别对于混输系统运行非常关心的管道总压降、管道内滞液量、沉积物的生成情况等预测和监控都有重要影响，是这些生产系统运行操作决策的基础信息。在工程实际应用中，为了实时监控管内流动状态，需要对管道流型进行在线识别。目前流型识别方法主要分为两类：一类是通过获取两相流流动图像或介质分布来确定流型，如目测法、高速摄影法、电容层析成像法、X射线成像法和伽马射线法等，这类方法往往简单快捷，但多数方法易受管道透明度和人主观判断等因素的影响。其中伽马射线法在油气现场应用较多，但是由于核射线的危险性，目前对核放射线源的监管严格，因此应用不便。另一类是通过分析不同流型下流动参数的波动信号来提取流型特...
【技术保护点】
1.基于声发射-BP神经网络测量的气液两相流流型识别方法，其特征包括以下步骤：/n步骤0、声发射传感器的安装/n在海洋油气混输系统倾斜或垂直的高压厚壁管道的流型待识别段的外壁布置一个声发射传感器；/n步骤1、根据环境噪音设定阈值/n当管道内气速、液速均为零时，进行空管声信号采集，将空管声信号中的最大值设定为阈值电压；/n步骤2、对两相流声信号进行采集，获取各流型下的声信号/n当管道的气液两相流动处于不同流型时，通过声发射传感器采集两相流声信号；/n步骤3、计算各流型下声信号参数/n对采集到的声信号的原始波形数据进行统计分析，得到声信号平均电压电平、均方根值、绝对能量值和振铃...
【技术特征摘要】
1.基于声发射-BP神经网络测量的气液两相流流型识别方法，其特征包括以下步骤：
步骤0、声发射传感器的安装
在海洋油气混输系统倾斜或垂直的高压厚壁管道的流型待识别段的外壁布置一个声发射传感器；
步骤1、根据环境噪音设定阈值
当管道内气速、液速均为零时，进行空管声信号采集，将空管声信号中的最大值设定为阈值电压；
步骤2、对两相流声信号进行采集，获取各流型下的声信号
当管道的气液两相流动处于不同流型时，通过声发射传感器采集两相流声信号；
步骤3、计算各流型下声信号参数
对采集到的声信号的原始波形数据进行统计分析，得到声信号平均电压电平、均方根值、绝对能量值和振铃计数；
两相流声信号参数和参数计算函数定义为：
其中，ASL为声信号平均电压电平，单位dB；Vmean为两相流声信号中电压数据的平均值，单位V；
其中，RMS为声信号均方根值，单位V；V为两相流声信号中每个数据点电压信号，单位V；n为声信号数据点的个数；
其中，ABS为声信号绝对能量值，单位J；V为两相流声信号中每个数据点电压信号，单位V；10KΩ为参考电阻；T为采样时间，单位s；
振铃计数的符号为Counts，表示越过门槛信号的震荡次数，即为超过门槛电压的有效波峰的个数；
将各两相流声信号参数组成两相流声信号参数样本库，并将参数样本库作为后续BP神经网络的输入参数；
步骤4、计算各流型下声信号的小波包分解分析
步骤4.1、选择小波包基函数
步骤4.2、对小波包进行分解
若信号的采样频率为fskHz，根据奈奎斯特采样定理，信号的可测频率范围为[0，fs/2]；由于在信号频率的范围内，细节信号和近似信号的分布范围是对称的，当分解尺度为1时，[0，fs/4]和[fs/4，fs/2]为近似信号和细节信号的频率范围，对于采样频率为fs的信号f(m)进行J次小波包分解后，其信号被分解为2J个频率段，各个频率范围的计算公式如下：
若采样频率为fskHz，信号要求的最低识别频率为fmin，根据前式，其最大分解尺度J应满足：
即：
小波包分解后得到了声信号的各个频段的重构波形，为了提取各频段的信号特征，计算各频段的波形信号的范数平方作为各频段的信号特征；
步骤5、确定BP神经网络的输入层
定义归一化后声信号的特征值作为输入量，故BP神经网络的输入层有多个特征值，即声信号平均电压电平、均方根值、绝对能量值、振铃计数和2J个频率段处重构波形的范数平方；
归一化特征值如下：
声信号的特征值为4个统计参数和2J个频率段处重构波形的范数平方；...
【专利技术属性】
技术研发人员：王鑫，汪太阳，韩一硕，何利民，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。