[发明专利]两相流过程参数的声电双模态融合测量方法

权利要求书

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h_cond，利用电容传感器，根据测量数据获得含水率h_cap；

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u_c

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u_c；

3)从超声传感器测量数据中获取多普勒流速u_d；

4)利用电容传感器测量得到的含水率h_cap和电导传感器得到的含水率h_cond分别进行含水率的状态估计：

(a)将h_cond和h_cap分别作为估计过程中的量测矩阵z_cond和z_cap，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z_cap(k)和z_cond(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w_cap(k)和w_cond(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，P_cap(k+1|k)和P_cond(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，P_cap(k)和P_cond(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，K_cap(k+1)和K_cond(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，P_cap(k+1)和P_cond(k+1)分别是k+1时刻两个传感器估计的协方差，R_cap和R_cond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，P_cc(k+1)和P_cc(k)分别为k+1和k时刻的互协方差矩阵，其递推关系为：

P_cc(k+1)＝(1-K_cap(k+1))P_cc(k)(1-K_cond(k+1))+(1-K_cap(k+1))Q(1-K_cond(k+1)) (10)

得到的含水率融合估计时间序列记为h_f(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x_d(k)和x_c(k)，以及二维量测向量z_d(k)和z_c(k)：

其中，J_d和J_c分别表示多普勒流速和相关流速的真值，h_f(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，x_d(k+1)和x_c(k+1)是k+1时刻系统的二维状态向量，v_s(k)是系统白噪声，其协方差矩阵为Q_s；w_d(k)和w_c(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R_c和R_d，H_d表示超声传感器量测向量z_d(k)与系统状态x_d(k)之间的关系；

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H_d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，P_d(k+1|k)和P_c(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，P_d(k)和P_c(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，K_d(k+1)和K_c(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，P_d(k+1)和P_c(k+1)分别是k+1时刻两个估计过程的协方差；

将先验估计和及其方差代入公式(18)和(19)，获得后验估计和作为新的流速估计值，循环进行公式(16)至(19)的过程，计算出所有时刻的流速状态估计；

7)将多普勒流速和相关流速进行速度融合：

对两个流速状态的估计值根据其方差进行加权平均，得到流速的融合估计：

其中，P_dc(k+1)和P_dc(k)分别为k+1和k时刻的互协方差矩阵，其递推关系为：

得到的流速融合估计时间序列记为J_f(k)，将其进行平均作为最终的流速估计结果。