本发明属于流型识别,涉及一种基于流动噪声信号的气液两相流流型识别方法。
背景技术:
1、两相流广泛存在于能源、化工、冶金、核工业和航空航天等各个领域之中,作为最普遍的两相流动形式之一,气液两相流广泛存在于深海油气的开发利用以及混输等过程中。流型即流动的状态和结构,是气液两相流动中最基础同时也是最关键的参数,与传质传热过程息息相关,两相流不同的性质及行为导致了复杂的流动结构和流型;流型判断的正确与否对于能否正确的预测两相流的压降和传热性能、精准测量两相流动参数以及保障设备安全运行都具有重要意义。
2、目前用来识别气液两相流流型的方法主要分为流型图法、直接观测法以及间接分析法三类。直接观测法例如目测法、高速摄像法等;间接分析法包括电容层析成像技术、超声波测量法、伽马射线法、光学法以及压差信号识别等。但直接观测法往往主观性较强,且对于设备透明度的要求较高,在实际工程中难以实现;而伽马射线由于其放射性的存在对现场工作人员的身体造成危害;超声波测量法、电容层析成像技术、光学法等设备操作复杂、昂贵,成本高、经济性较差,也不适合于工程实际中应用。因此,非常有必要开发一种识别精度高、操作简便、经济性强的气液两相流流型识别方法。
3、气液两相流动过程中由于两相物理性质的不同会随着气液两相流速的不同产生不同的流型,同时产生不同的流动噪声信号,这些噪声信号中包含着丰富的物理及动态过程信息;且相较于利用压力、压差信号或者相密度图像重构等流型识别方法,噪声信号的采样频率一般可以达到几兆赫兹,信号采样时间短、经济性好,适于工业过程中气液两相流流型的识别。因此,开发一种利用气液两相流流动噪声信号进行流型识别的新方法,成为一种新的技术方向。
技术实现思路
1、本发明的目的是提供一种基于流动噪声信号的气液两相流流型识别方法,解决了现有技术难以精确快速识别深海油气开采利用及运输过程中管路系统气液两相流的流型,导致气液两相流及多相流参数的检测及时性、准确性不够、保障系统安全性不足的问题。
2、本发明所采用的技术方案是,一种基于流动噪声信号的气液两相流流型识别方法,按照以下步骤具体实施:
3、步骤1、采集管路系统中的气液两相流流动噪声信号,将采集到的不同流型工况下的流动噪声信号进行分类,构建原始数据集;
4、步骤2,通过原始数据集进行预处理,得到各流动噪声信号的imf分量的3个分量;
5、步骤3,利用信号分析方法,提取流动噪声信号imf的3个分量的特征参数;
6、步骤4,将步骤3提取的特征参数处理后作为样本集,样本集分为训练集和测试集,将训练集输入svm训练模块,训练得到气液两相流的svm流型识别模型,将测试集作为输入参数输入到测试所得到的流型svm流型识别模型中,得到流型识别结果,验证所训练好的模型的识别准确率;
7、步骤5,将未知流型噪声信号按照步骤3所确定的最优特征子集进行特征参数提取后,构建特征向量输入到训练好的svm流型识别模型中,得到流型识别结果,即成。
8、本发明的有益效果是,包括以下几个方面:
9、1)通过采集管路气液两相流流动噪声信号,提出了利用流动噪声信号来识别立管气液两相流流型的方法,流动噪声信号中包含着非常丰富的动态过程信息,更加贴近流动的本质,信号采集快速、经济性好、识别准确率高,更加适用于工业过程中气液两相流流型的识别。
10、2)采用遗传算法优化变分模态分解参数,防止了过分解以及欠分解,提高了分解效果,降低了原始信号的噪声因素及不稳定性,提高数据质量,同时采用pearson相关系数和方差贡献率结合的办法筛选分量,减少了模型训练时间,使得识别流程更加高效;
11、3)采用rf-rfe算法对特征向量进行数据降维,优化分析效率,减小了后续模型训练及预测时间,提高了算法识别流型的速度以及实时性;
12、4)利用改进pso算法优化svm参数,在优化过程能中更好地权衡局部搜索能力与全局搜索能力,搜索效率更高,且避免了提前收敛,陷入局部最优值,同时提高了该方法识别流型的准确率。本发明识别方法操作简单、快速、实时性好、经济性强、识别准确率高、适用范围广,为利用流动噪声信号进行气液两相流流型识别和为后续流型识别方法提供了一定参考。
1.一种基于流动噪声信号的气液两相流流型识别方法,其特征在于,按照以下步骤实施:
2.根据权利要求1所述的基于流动噪声信号的气液两相流流型识别方法,其特征在于:在步骤1中,具体过程是,
3.根据权利要求1所述的基于流动噪声信号的气液两相流流型识别方法,其特征在于:在步骤2中,具体过程如下:
4.根据权利要求1所述的基于流动噪声信号的气液两相流流型识别方法,其特征在于:在步骤3中,具体过程如下:
5.根据权利要求1所述的基于流动噪声信号的气液两相流流型识别方法,其特征在于:在步骤4中,具体过程是,