基于RS-Stacking模型的科氏流量计两相流测量研究.pdf
《基于RS-Stacking模型的科氏流量计两相流测量研究.pdf》由会员分享,可在线阅读,更多相关《基于RS-Stacking模型的科氏流量计两相流测量研究.pdf(10页珍藏版)》请在咨信网上搜索。
1、第 56 卷 第 11 期 2023 年 11 月 天津大学学报(自然科学与工程技术版)Journal of Tianjin University(Science and Technology)Vol.56 No.11Nov.2023 收稿日期:2022-08-27;修回日期:2023-01-19.作者简介:孙立军(1974 ),男,博士,副教授.通信作者:孙立军,.基金项目:国家自然科学基金资助项目(62073240).Supported by the National Natural Science Foundation of China(No.62073240).DOI:10.11784
2、/tdxbz202208033 基于 RS-Stacking 模型的科氏流量计两相流测量研究 孙立军1,2,赵子辉1,2,高静宇1,2,张晶琼3,邵 欣4(1.天津大学电气自动化与信息工程学院,天津 300072;2.天津市过程检测与控制重点实验室,天津 300072;3.英国谢菲尔德大学自动控制与系统工程学院,谢菲尔德 S1 3 JD;4.天津中德应用技术大学智能制造学院,天津 300350)摘 要:为解决科氏流量计测量气液两相流的问题,本文提出一种新的建模方法对两相流工况下科氏流量计的质量流量测量值进行矫正,并对气相的体积含气率进行预测对于 DN10 管径,液相量程 01 000 kg/h
3、 的科氏流量计,在质量流量范围为 185920 kg/h、体积含气率范围为 032.4%的两相流工况下进行了实验,并分析科氏流量计两相流工况下各特征与质量流量和体积含气率的关系在小数据集下,为实现较高预测精度和泛化能力,利用科氏流量计内部可观测信号设计了 Stacking 集成模型由于两相流信号稳定性较差,选用 30 s 信号进行处理作为模型的输入使用随机搜索(RS)法进行特征工程,以解决小数据集无法提供足够数量且多样的基模型问题离线测试中,液相质量流量预测模型相对误差在2.3%内,体积含气率预测模型所有点绝对误差均在2%内在线测试中,采用30 s 内预测值平均值与真实值平均值进行误差计算,所
4、有在建模范围内的工况点质量流量预测相对误差在4.15%2.70%内,体积含气率预测的绝对误差在2%内超出建模范围的 4 个在线测试点,模型预测表现并未出现明显下降动态在线测试中,采用约 455 s 内预测值的平均值与真实值的平均值进行误差计算,质量流量预测误差为1.3%,体积含气率预测误差为1.2%,证明本模型对液相质量流量和体积含气率大幅波动的情况可以进行一定程度的跟随预测 关键词:科氏流量计;气液两相流测量;数据驱动建模;Stacking 集成模型;随机搜索法 中图分类号:TH814.6 文献标志码:A 文章编号:0493-2137(2023)11-1195-10 Coriolis Flo
5、wmeter for Two-Phase Flow Measurement Based on RS-Stacking Model Sun Lijun1,2,Zhao Zihui1,2,Gao Jingyu1,2,Zhang Jingqiong3,Shao Xin4(1.School of Electrical and Information Engineering,Tianjin University,Tianjin 300072,China;2.Tianjin Key Laboratory of Process Measurement and Control,Tianjin 300072,C
6、hina;3.Department of Automatic Control and Systems Engineering,The University of Sheffield,Sheffield S1 3 JD,UK;4.Intelligent Manufacturing College,Tianjin Sino-German University of Applied Sciences,Tianjin 300350,China)Abstract:Coriolis flowmeters for single-phase flows have many industrial applica
7、tions,but it remains a challenge to measure gas-liquid two-phase flows.Therefore,this paper proposes a new modeling method to accurately measure the mass flow rate using a Coriolis flowmeter and predict gas-volume fraction(GVF)under two-phase flow conditions.Based on a DN10 commercially available Co
8、riolis flow sensor whose liquid mass flow range is 0 to 1 000 kg/h,random searching(RS)was exploited to conduct feature engineering,and the measurement signals of the prototype Coriolis flowmeter were used as inputs to develop a Stacking ensemble model.For the experiment,a liquid mass flow rate appr
9、oximately ranging from 185 kg/h to 920 kg/h and GVF from 0 to 32.4%were considered to evaluate the 1196 天津大学学报(自然科学与工程技术版)第 56 卷 第 11 期 model performance and analyze the relationship of observable signals of the Coriolis mass flowmeter and two-phase flow conditions.The Stacking model can provide mor
10、e accurate predictions and achieve better generalization using arelatively small-scale dataset.Moreover,30 s measurement signals were used as inputs of the model,considering the poor stability of two-phase flow measurement using the Coriolis flowmeter.RS was employed to provide various large dataset
11、s for model training.In the offline test,relative errors of predicted mass flow rate values were found to be within 2.3%,and all predicted GVF values were found to be within 2%with respect to the reference.In the online test,the relative errors were calculated by averaging the predicted and actual v
12、alues within a 30 s time window.The relative errors of all predicted mass flow rate values were found to be within-4.15%2.70%.Similarly,for GVF,all predicted values were found to be within 2%.Outside the modeling range,four working conditions were tested,and the performance of the model did not show
13、 any dramatic decline.In the dynamic online test,the relative errors were calculated by averaging predicted and actual values within a time window of approximately 455 s.The average relative error of the predicted mass flow rate values was determined to be 1.3%,and the average error of pre-dicted GV
14、F was-1.2%,which proves that the proposed model can follow the transient fluctuations in the mass flowrate and GVF.Keywords:Coriolis flowmeter;gas-liquid two-phase flow measurement;data-driven modeling;Stacking ensemble model;random searching(RS)method 科氏流量计根据科里奥利力原理制作,能直接测量质量流量,在单相流工况下测量精度能达到 0.1%,
15、因此被广泛使用 但气液两相流工况下,由于气体影响振动阻尼、流体流动状态复杂且变化迅速,导致测量误差急剧增加 目前,矫正测量误差常使用机理建模和数据驱动建模两种方法 Hemp 等1于 2003 年提出最为经典的气泡模型,该模型认为气泡和液体振动幅度有明显差异,气泡和液体发生解耦,有部分液体质量没有作用在管壁上,导致表观质量流量小于真实值 Gysling2于 2007 年提出了气动弹性模型,该模型考虑了气泡的压缩性和非均匀性影响,通过测量流体声速,可以确定实时的气动弹性模型参数,从而得到准确的测量相位差和测量管固有频率 Basse3于 2014 年在气泡模型的基础上分析了粒子对振荡流体产生的力,并
16、通过这个力推导由于相位解耦引发的测量误差的表达式 由于在不同管道形状、流动型态、含气体率的工况下,测量误差差异较大,并表现出非线性、非单调性、影响因素复杂,机理分析建立的模型往往适用范围较小、实际误差校正效果有限4 基于数据驱动的机器学习模型,可直接由实验数据建立,并对未知的样本数据进行预测 由于机器学习具有构建非线性模型的能力,实际的测量误差矫正效果和泛化能力远优于机理建模法 马龙博等5使用支持向量机(support vector machine,SVM)对油水两相流工况的双 U 型科氏流量计进行建模,矫正后总质量流量误差在1%内,油水分相的质量流量误差在8%内 Yue 等6使用 SVM 进
17、行在线实时矫正,对于微弯 DN25 管径的科氏流量计,在水流量 3595kg/min 范围内,修正后的质量流量误差在2%3%内 Liu 等7所在团队搭建神经网络模型,根据科氏流量计内部观测信号,对科氏流量计的表观质量流量进行矫正,实现质量流量在 1.53.5kg/h,密度降在 030%范围内,校正后质量流量误差在 2%内 Hou 等8使用 BP 神经网络构建液体质量流量和流体密度的在线矫正模型,实现水流量 315kg/min范围内,体积含气率至多 25%时,流量误差在3.5%内,密度误差在1.5%内 Wang 等9对比支持向量机、ANN、GP 模型,建模结果显示 SVM 预测结果更好,质量流量
18、预测模型在水平管道上 93.49%的预测点相对误差在1%内,体积含气率预测模型在水平管道上 93.10%的预测点相对误差在1%内;质量流量预测模型在垂直管道上 96.17%的预测点相对误差在1%内,体积含气率预测模型在垂直管道上94.25%的预测点相对误差在1%内 上述研究构建的模型,大多并未说明建模使用的数据集大小及模型的拓展预测能力 由于实际应用中工况复杂,与实验室中工况可能存在较大差异,且存在采集原始建模数据困难的问题,故建立使用小数据集建模的模型和探究模型的拓展预测能力对模型的实际应用有着重要意义 大多模型仅针对液体质量流量进行矫正,未对体积含气率进行量化预测,且基本使用 SVM 模型
19、和各种神经网络模型,以较少输入特征量进行建模 构建神经网络模型往往需要较多的训练集样本数据,否则回归效果可能无法达到目标要求 虽然 SVM 模型在训练集规模较小时回归效 2023 年 11 月 孙立军等:基于 RS-Stacking 模型的科氏流量计两相流测量研究 1197 果较神经网络模型更好,但是 SVM 模型对超参数的设定和核函数的选择十分敏感,在输入特征变量较少的情况下,可能无法兼顾模型的回归精度和泛化能力,泛化能力是指模型对未知数据集的预测能力 为解决以上问题,本文使用快速响应的转换器以采集高精度科氏流量计的样本数据,利用小规模训练集进行特征工程,结合随机搜索法选择输入特征变量,构建
20、质量流量范围 185920kg/h、体积含气率范围 032.4%的气液两相流质量流量和体积含气率的Stacking 集成预测模型 同时,利用 PyQt 实现模型在上位机的在线连续预测和显示,证明了该模型具有较高的预测精度、泛化能力和一定的跟随预测能力 1 气液两相流实验 1.1 实验装置 实验装置如图 1 所示,由水路和气路两条通道组成,以此形成气液两相流 水从水槽中抽出,打入水塔之中,形成压力稳定的水流,并依次流过液相标准表(涡轮流量计)、被检表(科氏流量计)、换向器,最终流回水槽 水路通过气动开关阀、电动调节阀、手阀控制流量大小 气路通过 SV1 开启,由气泵产生的气体,经过储气罐、调压阀
21、、缓冲罐、稳压阀、针阀,气流量达到稳定后,经气相标准表与水混合,形成 图 1 两相流实验装置示意 Fig.1 Schematic of the two-phase flow test rig 气液两相流,再经科氏流量计流回水槽,空气从水中溢出 实验中的科氏流量计选用 Walsn VS 系列的DN10 双管科氏流量计,最大量程为 1000kg/h,单相流工况下液相质量流量的计量精度为 0.1%,重复性优于 0.02%快速响应的转换器使用本实验室自行开发的基于 ZYNQ 的科氏流量计转换器,转换器的采集频率达 48kHz,科氏流量计的原始信号经处理后与上位机进行通信,通信频率约为 104Hz 液相
22、标准表选取测量精度为 0.3%的涡轮流量计,气相标准表选用量程分别为 0600mL/min 和 0.040.4m3/h,仪表精度分别为 1%和 2.5%的 Alicat 气体质量流量计和浮子流量计 水路使用水塔供水,以提供压力稳定的水流,减少液相波动影响信号的重复性 气路的空气压力为0.6MPa,流量范围为 00.4m3/h,通过安装缓冲罐、稳压阀、针型阀,稳定了气体流量,其波动范围在 10mL/min 以内 1.2 实验依据与方法 实验目标是,在质量流量范围约 185920kg/h,体积含气率范围为 032.4%的两相流工况下,采集科氏流量计的信号,作为后续建模所用到的样本数据,标准表采集的
23、数据作为样本数据的标签值 为了观察模型的实时预测能力,本研究选择标准表法进行 1198 天津大学学报(自然科学与工程技术版)第 56 卷 第 11 期 实验,虽称重法测量误差更小,但只能测量一段时间内的平均测量误差 参照文献5-6中使用科氏流量计表观质量流量、密度降进行建模,科氏流量计两振动传感器的相位差直接与表观质量流量有关,文献7使用阻尼参与建模,文献10提到两相流工况下科氏流量计的固有频率发生剧烈波动 由于转换器采集得到的科氏流量计的多种信号均基于时域,而时域信号无法充分反映两相流工况下流体波动情况,多项针对两相流工况下的信号研究使用小波包分解得到频域特征值11-12.所以,本文在实验中
24、采集了上述各项数据在 30s 内的平均值,同时对该段数据进行 3 层小波包分解,记录了上述数据小波包分解后最低频率节点的能量 由于阻尼不是科氏流量计可以直接采集的数据,故引入驱动增益间接反映阻尼的变化 驱动增益的计算公式为 drvdrvSASB=+AGAA(1)式中:Adrv为科氏流量计的驱动幅值;ASA及 ASB为科氏流量计两传感器的振动幅值 实验采用保持水路各阀门开度不变,改变气体流量的方法,基本保证每组实验中体积含气率在 032.4%范围内均匀取点,每个工况点进行 3 次重复性实验 使用基于 PyQt 的上位机图形化用户界面,读取科氏流量计转换器传输的各项数据,并进行平均值、小波包分解等
25、计算后导出 由于科氏流量计在两相流工况下数据重复性较差、干扰较多,直接使用原始数据进行建模势必会引入较多误差而影响模型的预测精度,通过初步数据分析发现使用各组数据的 30s 平均值可以有效增加数据的重复性 故在实验中采集了表观质量流量、表观密度、科氏流量计固有频率、科氏流量计驱动增益和科氏流量计两传感器相位差的 30s 平均值 实验中共记录 414 组数据,在后续建模过程中,取其中300(72.5%)组数据作为训练集,剩余 114(27.5%)组数据作为测试集,训练集和测试集分布如图 2 所示 根据组内针对本文使用的科氏流量计进行的流型仿真研究10,通过 Fluent 数值模拟软件对气液两相流
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 RS Stacking 模型 流量计 两相 测量 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。