[发明专利]一种多特征图卷积的新型气固两相流流量测量方法在审

专利信息
申请号: 202210468340.1 申请日: 2022-04-29
公开(公告)号: CN115031794A 公开(公告)日: 2022-09-09
发明(设计)人: 高忠科;李梦宇;王睿奇 申请(专利权)人: 天津大学
主分类号: G01F1/56 分类号: G01F1/56;G01F1/66;G06K9/00;G06N3/04;G06N3/08
代理公司: 天津市北洋有限责任专利代理事务所 12201 代理人: 杜文茹
地址: 300072*** 国省代码: 天津;12
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 特征 图卷 新型 两相 流流 测量方法
【说明书】:

一种多特征图卷积的新型气固两相流流量测量方法:构建循环式多电极高频电容传感器;采用循环式多电极高频电容传感器测量气固两相流的波动信号,并转换为微波差频信号;构建数据集,具体是对微波差频信号进行预处理,然后使用滑动窗口从数据中获取样本,为样本添加相应的标签,再将80%的样本作为训练集,10%的样本作为验证集,剩余10%的样本作为测试集;基于互信息法计算56路微波差频信号的互信息值,基于互信息值构建微波差频信号的邻接矩阵;基于自回归模型构建信号的特征矩阵;构建多特征图卷积神经网络模型,用于实现气固两相流微波差频信号的特征提取及流量预测。本发明可对气固两相流流量数据有较强的预测性能且客观。

技术领域

本发明涉及一种两相流流量测量方法。特别是涉及一种多特征图卷积的新型气固两相流流量测量方法。

背景技术

随着现代科技的不断发展,许多行业中对气固两相流流量的计量精度和实时性要求越来越高,例如化工、冶金、发电等诸多行业。如果气固两相流流量的计量精度和实时性能够达到一定水平,将会对这些行业的运行有重要的指导意义,可以摆脱计算物料的加量而带来的延迟,实现前馈控制,从而实现及时、准确的测量。当前,大多数的气固两相流流量的计量方法存在实时性差,计量精度低的问题,所以对气固两相流流量进行准确且快速的测量是目前存在的技术难题。现有的两相流测量手段如光学法、层析成像法、热力学法、核磁共振等难以实现气固两相流流量的实时性准确测量。

软测量模型近年来在多相流领域也得到了快速发展,尤其是深度学习方法及人工智能技术的应用更是拓宽了多相流软测量模型的应用范围。深度学习技术是近年来兴起的新理论,其通过无监督方式或有监督方式逐层提取被测对象的特征,其特征客观性强,且能够精准、详实的反映被测对象的本质。多特征图卷积神经网络便由卷积神经网络发展推移产生,既学习节点特征,又考虑节点之间的空间特征,在处理多元信号的特征提取及预测问题更具优势。

发明内容

本发明所要解决的技术问题是,为克服现有技术的不足,提供一种能准确反映出物料在流动过程中频率变化的多特征图卷积的新型气固两相流流量测量方法。

本发明所采用的技术方案是:一种多特征图卷积的新型气固两相流流量测量方法,包括如下步骤:

1)构建循环式多电极高频电容传感器;

2)采用循环式多电极高频电容传感器测量气固两相流的波动信号,并转换为微波差频信号;

3)构建数据集,具体是对微波差频信号进行预处理,然后使用滑动窗口从数据中获取样本,为样本添加相应的标签,再将80%的样本作为训练集,10%的样本作为验证集,剩余10%的样本作为测试集;

4)基于互信息法计算56路微波差频信号的互信息值,基于互信息值构建微波差频信号的邻接矩阵;

5)基于自回归模型构建信号的特征矩阵;

6)构建多特征图卷积神经网络模型,用于实现气固两相流微波差频信号的特征提取及流量预测。

步骤1)所述的循环式多电极高频电容传感器,包括有等间隔的安装在不导电管道的测量管段外壁同一圆周面上的8个测量电极,当其中一个测量电极作为激励电极时,其余7个测量电极均作为接收电极;

步骤2)包括:由正弦激励信号源产生激励信号,通过功分器一路送至循环式多电极高频电容传感器1个测量电极构成激励电极,对气固两相流进行激励,一路送至外部的检测模块,其余7个测量电极将测得管道内不同流速工况下的7路波动信号送至检测模块,分别与检测模块中的激励信号信号一同进入混频器进行信号混频,混频后的信号经加法器后共得到7个微波差频信号,重复上述测量过程,直到全部8个测量电极都充当过激励电极,完成一个测量周期共获得56路微波差频信号。

步骤3)包括:

(3.1)对微波差频信号进行预处理,公式如下:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于天津大学,未经天津大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210468340.1/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top