基于小波神经网络的油气水三相流相含率的软测量方法.pdf

《基于小波神经网络的油气水三相流相含率的软测量方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第26卷第3期化学反应工程与工艺Vol26，NO32010年6月ChemicalReactionEngineeringandTechnologyJurie2010文章编号：1001-7631(2010)O3—0218—05基于小波神经网络的油气水三相流相含率的软测量方法周云龙袁俊文。(东北电力大学，1．能源与动力工程学院，2．自动化工程学院，吉林吉林132012)摘要：利用高速摄影仪对垂直上升管中油气水三相流的流动进行了动态图像的拍摄，提取每一帧图像的灰度均值组成灰度时间序列，并从时间序列中提取了能反映油气水三相流流动特性的统计和

2、分形特征量，将这些特征量作为人_T神经网络的输入量。在水的体积流量为1．32～12．15m／h，油的体积流量为0．Ol～0．43m／h，空气的体积流量为0．75～2．5m。／h条件下，采用小波神经网络作为相含率预测模型，结果表明，小波神经网络的预测值与测试值非常吻合，含气率预测最大误差为3．57，含水率最大误差为3．3，较好地实现了油气水三相流相含率的预测，为油气水三相流相含率测量提供了一种有效的软测量方法。关键词：油气水三相流；动态图像；相舍率；软测量中图分类号：0359．1文献标识码：A随着海上油田、沙漠油田和极地油田的相继发

3、现，使油田开发活动向环境恶劣的边远地区拓展，混输的优势更加明显[1]。相含率是研究多相管流的重要课题，也是实现多相流计量的重要参量，它对生产过程工艺优化、流量测量及控制具有重要意义[2]。近年来，基于现代信息处理技术的多相流软测量方法受到了广泛关注，一些反映多相流非线性动力学特性的特征量也被引入到软测量过程中“]。赵鑫等对垂直上升管中油水两相流的电导波动信号，从时频域内提取特征量作为人工神经网络的输入量，应用BP人工神经网络作为相含率预估模型，较好地实现了油水两相流含水率预测。林宗虎]等采用伽马射线测量的高能计数和低能计数作为输人

4、参数，截面含水率和含气率作为输出参数，构建了预测水平管油气水三相分层流相分率的径向基函数神经网络，有效地克服了传统双能伽马密度仪对流型敏感。本工作利用高速摄影技术对垂直上升管中油气水三相流流动进行了动态图像的拍摄，并从三相流动态图像灰度均值的波动信号中提取能反映油气水-*N流流动特性的统计和分形特征量，利用具有较强逼近和容错能力小波神经网络作为相含率预测模型，较好地实现了油气水三相流相含率的预测。1油气水三相流灰度波动信号采集1．1实验部分实验是在油一空气一水三相流系统上完成的。选用内径29mm，长2m的透明有机玻璃管，水的体积流

5、量为1．32～12．15m。／h，35号润滑油的体积流量为0．O1～0．43m。／h，空气的体积流量为0．75～2．5m／h。在垂直测试管中采集到大小为768×512，帧频为250帧／s的6种典型流态图像。1．2动态图像灰度均值的获取在图像的诸多特征中灰度特征是其中最重要的一个，求一副图像的灰度均值L8]如下式：收稿日期：2009—11—19；修订日期：2010—04—12作者简介：周云龙(196O一)，男，教授，博士生导师。E—mail：ylzhou@mail．nedu．edu．cn基金项目：吉林省科技发展项目(20040513

6、)第26卷第3期周云龙等．基于小波神经网络的油气水三相流相含率的软测量方法219L—l=z{()(1)=0式中表示图像的灰度均值，L是可能的灰度级数，是表示亮度的一个随机变量，户(z，)是一个区域中的灰度级的直方图。实验中每种工况下进行动态图像拍摄，提取每张图像的灰度均值组成一个灰度波动时间序列。实验共采集9O种工况下油气水三相流流型的动态图像。2油气水三相流灰度波动信号特征提取应用统计分析的方法和分形理论的方法对灰度波动信号进行了特征值的提取。2．1统计特征信息提取灰度波动信号的最大值、最小值能够很好地反映油气水三相流相含率的变

7、化程度：(2)Maxmax(xl，z2，⋯，z)(3)Min—min(x1，z2，⋯，X)均值反映了灰度波动信号的平均值：1Hz(4)标准偏差可反映测量数据的离散度：SD：『至三!：三]。(5)L—lJH∑(—i)。非对称系数反映了样本围绕均值的非对称程度：cs(6)2．2分形特征信息提取通过对自相关函数法、互信息理论法、平均位移法以及C—C算法的对比，对灰度波动时间序列延迟时间的计算采用的是C—C算法。2．2．1混沌关联维数的提取关联维数(D)反映系统的动力学自由度，能提供关于系统动态的更多信息，因为非线性动力系统各变量之间有关

8、联作用，时间序列蕴藏着参与动态的全部变量的痕迹，混沌系统一般具有分数关联维数。本文采用Grassberger-Procaccia算法计算吸引子关联维数。图1给出了对一流动工况处理的嵌入相空间维数下的lnC(r)和lnr关系曲线。og(n)图l不同嵌