气液两相流差压流量计与旋进流量计组合测量装置

本发明涉及一种气液两相流参数测量装置，特别是涉及差压流量计和旋进流量计组合的气液两相流参数测量装置。

背景技术：

1、目前，气液两相流研究不断发展，得益于先进的传感器技术和多学科交叉的研究方法。研究人员致力于深入了解气液两相流的动态特性、相互作用以及其在各个工业领域中的复杂应用。多传感器技术在这一研究领域中的广泛应用为深入理解气液两相流行为提供了强有力的工具。通过结合不同类型的传感器，研究人员能够全面地捕捉气液两相流中的各种参数变化，这些数据对于提高气液两相流系统的生产效率、优化设备设计、并确保系统的安全性至关重要。

2、近年来深度学习在数据分析和预测方面发挥着重要作用。气液两相流数据通常包含复杂的动态特性和相互作用，深度学习能够自动学习数据中的有效特征和表示。通过深度学习模型，可以更好地捕捉气泡、液滴等相的运动、分布和相互影响。通过结合深度学习的强大模型学习能力和对复杂关系的敏感性，研究人员和工程师能够更深入地理解气液两相流的特性，从而为气液两相流系统的优化、控制和安全性提供有力的支持。

技术实现思路

1、本发明的目的在于一种气液两相流差压流量计与旋进流量计组合测量装置。基于差压流量计和旋进流量计对管道内不同工况下的气液两相流分别进行测量，得到气液两相流流量和密度信号，提出dwt-transformer模型对信号进行特征提取，进而实现不同工况下气液两相流含气率的测量。

2、本发明所采用的技术方案是：一种气液两相流参数测量装置，特别是气液两相流差压流量计与旋进流量计组合测量装置。其特征在于如下步骤：

3、(1)构建用于测量气液两相流流量信号的差压流量计和旋进流量计；所述的差压流量计包括多孔孔板节流装置和差压变送器，多孔孔板节流装置和旋进流量计依次安装在测量管道上，多孔孔板节流装置连接差压变送器；

4、(2)开展气液两相流动态实验，使用差压流量计和旋进流量计采集流量信号，并通过数字采集卡上传至上位机保存，在上位机计算得到气液两相流密度信号；气液两相流流经测量管道时，基于差压流量计得到测量管道内流体的总流量q1：

5、

6、式中u为差压变送器流量系数，s0为节流孔面积，ρ为流体密度，δp是差压值。基于旋进流量计测得管道内压力的进动频率f和测量管道内流体的总流量q2：

7、

8、式中kx为旋进流量计流量系数。两路流量信号通过数字采集卡上传至上位机保存，由于同一管道上安装的差压流量计和旋进流量计测得的流量q1和q2相同，经上位机计算得到气液两相流密度信号ρ，公式如下：

9、

10、(3)构建数据集，对气液两相流密度信号进行预处理，使用滑动窗口从数据中获取样本，将含气率作为样本标签，再将80％的样本作为训练集，20％的样本作为测试集；具体是：

11、对密度信号进行预处理，公式如下：

12、

13、其中，iz代表第z个数据，imean和istd分别为数据的平均值和标准差，为预处理后的第z个数据；对预处理后的密度信号同时采用滑动窗口进行分割，窗口长度为p，长度为h的数据获取个样本，其中，代表向下取整，将含气率作为样本标签，共得到n个带有标签值的样本；随机将n个波动样本划分为具有训练集和测试集的数据集，具体比例为[训练集∶测试集]＝[8∶2]。

14、(4)提出dwt-transformer模型对样本进行特征提取，用于实现不同工况下气液两相流含气率的预测；所述的dwt-transformer模型包括小波分解模块，transformer模块和参数预测模块。其中：

15、所述的小波分解模块对输入的长度为l的密度信号进行离散小波变换得到一系列近似系数序列和细节系数序列计算公式如下：

16、

17、

18、其中i为分辨率参数，i越大，分辨率越高，为低通滤波器，为高通滤波器，是第i-1级的近似系数，j是当前分辨率级别近似系数和细节系数的位置索引值，n是滤波器位置索引值。在离散小波变换中，信号被分解为近似系数和细节系数，近似系数表征信号的低频部分信息，细节系数则表征了信号的高频部分信息，在下一级离散小波分解中仅对信号的近似系数再进行分解，对密度信号进行m级离散小波变换，将得到m个细节系数序列和最终的一个近似系数序列

19、所述的transformer模块是对(m+1)个序列分别进行特征提取，每个模块包括嵌入层、transformer编码器层、特征聚合层。

20、所述的嵌入层输入为每一个序列x，计算公式如下：

21、embedding(x)＝embedding_layer(x)

22、所述的transformer编码器层对每个嵌入序列进行编码，包含自注意力层和前馈神经网络层，自注意力层的输入是上一层的输出，采用多头注意力机制，计算公式如下：

23、

24、其中q，k，v分别表示查询、键和值的矩阵，是缩放因子，dk是注意力头的维度。

25、multihead(q，k，v)＝concat(head1，head2，...，headh)wo

26、其中是投影矩阵，wo是输出投影矩阵。

27、前馈神经网络层包括两个线性变换和一个relu激活函数。对于每个子层的输出，都使用残差连接和层归一化。

28、所述的特征聚合层对编码后的输出使用平均池化进行特征聚合计算。

29、所述的参数预测模块将聚合后的特征输入到全连接层进行参数预测，使用的激活函数为sigmoid。

30、在训练阶段，利用损失函数描述标签和输出之间的差异，并以最小化该差异为原则，指导模型的优化，模型的损失函数表达式如下：

31、

32、其中，yi和分别是dwt-transformer模型样本含气率的标签和输出，n为样本数目。为了直观地评价模型含气率预测效果，测试阶段引入均方误差mse、平均绝对误差mae、平均绝对百分比误差mape作为评价指标，描述模型的最终性能。

33、本发明由于采取以上技术方案，具有以下优点：

34、本发明提出差压流量计和旋进流量计组合测量的气液两相流参数测量装置，融合不同传感器特性信息，基于差压、旋进多角度捕捉流动信息，提高测量的精度、可靠性和实时性。

35、本发明提出dwt-transformer模型进行信号特征提取，首先对信号进行离散小波时频变换，多头注意力机制包含多个注意力头，每个头都学习关注输入的不同部分，充分提取信号时频特征，提升测量精度。

技术特征：

1.气液两相流差压流量计与旋进流量计组合测量装置，其特征在于，包括如下步骤：

2.根据权利要求1所述的气液两相流差压流量计与旋进流量计组合测量装置，其特征在于，步骤(1)包括：

3.根据权利要求1所述的气液两相流差压流量计与旋进流量计组合测量装置，其特征在于，步骤(2)包括：

4.根据权利要求1所述的气液两相流差压流量计与旋进流量计组合测量装置，其特征在于，步骤(3)包括：

5.根据权利要求1所述的气液两相流差压流量计与旋进流量计组合测量装置，其特征在于，步骤(4)所述的dwt-transformer模型包括小波分解模块，transformer模块和参数预测模块。其中：

6.根据权利要求5所述的dwt-transformer模型，在训练阶段，利用损失函数描述标签和输出之间的差异，并以最小化该差异为原则，指导模型的优化，模型的损失函数表达式如下：

技术总结
本发明涉及一种气液两相流差压流量计与旋进流量计组合测量装置。基于差压流量计和旋进流量计对管道内不同工况下的气液两相流分别进行测量，得到气液两相流流量和密度信号，提出DWT‑Transformer模型对信号进行特征提取，进而实现不同工况下气液两相流含气率的测量。

技术研发人员：高忠科,李伟,李梦宇,王睿奇
受保护的技术使用者：天津大学
技术研发日：
技术公布日：2024/2/25