学位论文 > 优秀研究生学位论文题录展示

神经网络在多相流参数检测中的应用

作　者: 赵昀
导　师: 李海青
学　校: 浙江大学
专　业: 控制科学与工程学
关键词: 多相流电容层析成象神经网络图象重建流型辨识分相含率软测量气力输送
分类号: TP183
类　型: 博士论文
年　份: 2001年
下　载: 552次
引　用: 13次
阅　读: 论文下载

内容摘要

多相流动过程广泛存在于石油，化工，冶金等工业领域，其特征参数的检测对于资源合理开发和工业过程控制均具有重要意义。石油混合物在石油混输系统中，形成油气两相流，油水两相流或油气水三相流。分相介质分布可视化，流型辨识以及分相含率测量均是石油混输过程参数检测的重要研究方向。粉料流量则是气力输送粉料过程系统中的重要检测参数。本文在深入研究国内外相关文献资料的基础上，提出了将神经网络技术应用于石油混输系统以及粉料气力输送系统过程参数检测的思路和新方法。主要工作及成果如下： 1．对基于不同敏感原理的过程层析成象技术进行了简介。对电容层析成象（ECT）技术，包括传感技术和图象重建算法进行了综述，并对多种ECT图象重建算法作出了分析比较。介绍了神经网络及其在软测量建模中的应用。 2．以石油混输过程系统中的油气两相管流为研究对象，提出了基于BP神经网络的ECT图象重建法，并对相应的图象重建模型进行了拟动态（静态）和动态的实验测试。拟动态实验在浙江大学12电极多相流电容检测实验装置上进行，动态实验在大庆油田建设设计院实验站多相流现场实验装置上进行。实验测试结果表明，这个模型使重建图象达到了预期的精度：拟动态实验测试中，重建图象的最高保真度为100％，最低保真度为90.8％，平均保真度达到98.5％；动态实验测试中，重建图象与监视现场过程的数字摄象机的拍摄图象，符合程度良好。在Pentium/300兼容机上，图象重建速率约为53帧/秒，适用于实时图象重建。 3．针对介电常数差异显著的油水两相管流，提出了基于BP网络的ECT图象重建法，并对相应的图象重建模型进行了仿真实验测试。仿真测试结果表明：重建图象的最高保真度为100％，最低保真度为88.8％，平均保真度为95.5％；在Pentium/300兼容机上，图象重建速率约为52帧/秒。 4．为了探索油气水三相管流的ECT图象重建方法，分别提出了基摘要于BP网络，Elman反馈网络以及分组BP网络的图象重建法。将Elman 反馈网络引入ECT图象重建算法的研究，并尝试了使用分组BP网络方法以解决神经网络训练阶段的时空开销问题。对上述图象重建算法进行了初步的仿真测试。测试结果表明，BP网络模型重建图象的最高保真度为100％，最低保真度为95二％，在Pentium／300兼容机上，图象重建速率约为52帧／秒；相同的测试下，Elman网络模型重建图象的结果使对于BP网络模型的最低保真度提高到100％，而分组BP网络模型使上述最低保真度提高到97石％。 5．作为对油气两相流流型辨识方法的进一步探索，提出了基于两级自组织神经网络的油气两相管流截面流型辨识的新方法。初步的实验测试结果证明了这一方法的可行性，对于5种流型的识别率分别是：油单相为 100％，气单相为 100％，层状流为 86％，环状流为 75％，泡状流为67％。 6．作为对油气水三相流截面分相含率测量方法的进一步探索，提出了基于BP网络的油气水三相管流截面分相含率测量的新方法，实现了截面内平均气相含率和平均水相含率的软测量。实验测试结果表明了这个测量模型的有效性：对气相含率的平均绝对估计误差为3．59％，对水相含率的平均绝对估计误差为1．60％。 7．提出了神经网络与机理分析结合的混合方法，用以实现粉料气力输送系统中粉料质量流量软测量。初步的实验测试结果表明：基于混合方法的测量模型平均相对估计误差为1．28％，而基于标准神经网络的测量模型平均相对估计误差为2．34％，机理模型的平均相对估计误差为 2．53％。实验结果证明了混合方法在精度和适用性方面的优越性。

全文目录

第一章绪论  10-18
  1．1 多相流检测  11-13
    1．1．1 多相流的基本概念  11
    1．1．2 多相流系统的工业应用背景  11-12
    1．1．3 多相流的主要参数  12-13
  1．2 多相流过程层析成象技术  13-14
  1．3 粉料气力输送过程在线检测  14-15
  1．4 本文的主要工作  15-18
第二章过程层析成象技术综述  18-39
  2．1 过程层析成象技术发展简介  19-20
  2．2 过程层析成象特点、系统构成和分类  20-25
    2．2．1 过程层析成象技术的特点  20-21
    2．2．2 过程层析成象系统的构成  21
    2．2．3 基于不同敏感原理的过程层析成象技术  21-25
  2．3 过程层析成象的数学基础及其图象重建  25-27
  2．4 电容层析成象技术  27-39
    2．4．1 ECT系统  27-29
    2．4．2 ECT技术目前存在的问题  29
    2．4．3 ECT图象重建算法  29-39
第三章神经网络与软测量建模  39-52
  3．1 神经网络类型  40-41
    3．1．1 结构分类  40
    3．1．2 学习算法分类  40-41
  3．2 神经网络用于软测量建模的可行性分析  41-43
  3．3 前向网络  43-48
    3．3．1 多层感知器网络  43-46
    3．3．2 基于前向网络的非线性系统建模  46-48
  3．4 反馈网络  48-50
    3．4．1 Elman网络  49
    3．4．2 基于Elman网络的非线性动态系统建模  49-50
  3．5 基于神经网络的软测量建模基本步骤  50-52
第四章基于神经网络的油气两相流图象重建  52-75
  4．1 引言  53
  4．2 油气两相管流的电容测量实验  53-59
    4．2．1 12电极电容传感装置  53-55
    4．2．2 数据采集系统  55-56
    4．2．3 拟动态实验  56-59
    4．2．4 实验数据预处理  59
  4．3 基于BP神经网络的图象重建法  59-65
    4．3．1 重建图象的表示  59-60
    4．3．2 BP网络用于图象重建的方法  60-65
  4．4 拟动态实验图象重建结果  65-70
  4．5 动态实验图象重建结果  70-73
    4．5．1 动态实验  70-71
    4．5．2 图象重建结果  71-73
  4．6 小结  73-75
第五章基于神经网络的油水两相流及油气水三相流图象重建  75-95
  5．1 引言  76
  5．2 12电极电容测量系统的有限元模型  76-79
  5．3 基于BP网络的油水两相流图象重建  79-83
    5．3．1 油水两相介电常数分布的仿真实验  79-80
    5．3．2 油水两相管流图象重建  80-83
  5．4 基于BP网络的油气水三相流图象重建  83-88
    5．4．1 油气水三相介电常数分布的仿真实验  83-84
    5．4．2 油气水三相管流图象重建  84-88
  5．5 基于Elman反馈网络的油气水三相流图象重建  88-90
  5．6 基于分组BP网络的油气水三相流图象重建  90-93
  5．7 小结  93-95
第六章基于神经网络的流型及分相含率间接测量  95-111
  6．1 引言  96
  6．2 基于自组织神经网络的油气两相管流截面流型辨识  96-106
    6．2．1 油水两相管流的截面流型  96-97
    6．2．2 模式识别与两相流流型辨识  97-98
    6．2．3 自组织神经网络  98-101
    6．2．4 基于自组织神经网络的流型辨识  101-106
  6．3 基于BP网络的油气水三相管流分相含率软测量  106-110
    6．3．1 油水三相管流截面平均分相含率的测量问题  106
    6．3．2 油水三相管流的电容测量实验  106-108
    6．3．3 基于BP网络的截面平均分相含率软测量  108-110
  6．4 小结  110-111
第七章基于神经网络及机理分析的气力输送粉料流量软测量  111-126
  7．1 引言  112
  7．2 气力输送粉料差压比与混合比的关系  112-118
  7．3 粉料气力输送实验  118-119
  7．4 基于标准神经网络的粉料流量软测量方法  119-121
  7．5 基于混合神经网络的粉料流量软测量方法  121-125
  7．6 小结  125-126
第八章结论  126-128
参考文献  128-136
作者简介  136-138
致谢  138

神经网络在多相流参数检测中的应用

内容摘要

全文目录

相似论文