發(fā)布時(shí)間：2018-07-14 09:31

【摘要】：氣液兩相流廣泛存在于自然界和工業(yè)生產(chǎn)中,在石油的輸送管道中更為常見。石油作為一種重要能源,在國民經(jīng)濟(jì)和工業(yè)發(fā)展中都占有重要地位,因此對于石油輸送管道的安全監(jiān)測就顯得尤為重要。石油管道的安全監(jiān)測從本質(zhì)上講就是檢測管道內(nèi)的氣液兩相流動(dòng)狀態(tài),識別出故障信息并及時(shí)發(fā)出預(yù)警。石油管道內(nèi)的氣液兩相流型是油氣管道輸送安全監(jiān)測的重要參數(shù)之一,由于氣液兩相流的復(fù)雜性和易燃易爆的危險(xiǎn)性,至今流型識別還沒有得到很好的解決。本文提出了一種基于止回閥內(nèi)聲音信號,辨識氣液兩相流型的新方法。參照石油輸送的實(shí)際工況,設(shè)計(jì)制作了適用于實(shí)驗(yàn)研究的止回閥,搭建了可視化的實(shí)驗(yàn)平臺,利用水和空氣模擬產(chǎn)生了液相流、氣相流、彈狀流和混狀流四種不同的流型。采集了這四種流型經(jīng)過止回閥時(shí)產(chǎn)生的聲音信號。通過設(shè)置合理的采樣時(shí)間和頻率,對獲得的信號進(jìn)行了采樣,提高了信號處理效率。根據(jù)氣液兩相流的非線性特性,選用希爾伯特-黃變換(HHT)作為聲音信號的處理方法。聲音信號經(jīng)過采樣之后,利用EMD去噪算法降低了采樣信號的噪聲,并對去噪后的聲音信號進(jìn)行了重構(gòu)。再對重構(gòu)信號進(jìn)行EMD和希爾伯特譜分析,得到了信號的IMF分量、希爾伯特譜和希爾伯特邊際譜等能量特征。研究發(fā)現(xiàn),第3個(gè)IMF分量及其希爾伯特譜的能量和重構(gòu)信號邊際譜的能量能夠反映不同流型的特征。因此,選擇這三項(xiàng)特征數(shù)據(jù)繪制了二維和三維流型圖。實(shí)驗(yàn)表明,利用止回閥內(nèi)聲音信號特征所繪制的流型圖,辨識準(zhǔn)確率在98.1%以上。為了進(jìn)一步完善本方法,實(shí)現(xiàn)對氣液兩相流型的智能辨識。本文選擇了人工神經(jīng)網(wǎng)絡(luò)作為流型智能辨識的分類器,設(shè)計(jì)了誤差反向傳播(BP)神經(jīng)網(wǎng)絡(luò)模型。設(shè)定用于繪制流型圖的三種能量特征作為輸入,四種流型為輸出,選擇多組數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)進(jìn)行了訓(xùn)練。學(xué)習(xí)后的神經(jīng)網(wǎng)絡(luò)對流型的辨識準(zhǔn)確率達(dá)到了 97.5%,實(shí)現(xiàn)了對流型的智能識別。本文提出的基于止回閥聲音信號的氣液兩相流流型識別方法具有較好的推廣應(yīng)用前景。
[Abstract]:Gas-liquid two-phase flow is widely used in natural and industrial production, and is more common in the pipeline of petroleum. As an important source of energy, petroleum is important in both national economy and industrial development. Therefore, the safety monitoring of oil pipeline is particularly important. The gas liquid two phase flow status in the pipeline is detected and the fault information is identified and early warning is issued. The gas liquid two-phase flow pattern in the oil pipeline is one of the important parameters for the safety monitoring of oil and gas pipeline transportation. Because of the complexity of the gas and liquid two phase flow and the danger of flammable and explosive, the flow pattern recognition has not been well solved. A new method for identifying gas-liquid two phase flow patterns based on the sound signals in the check valve is proposed. According to the actual working conditions of the oil transport, a check valve suitable for experimental research is designed and made. A visual experimental platform is built. Four different flow patterns are produced by simulation of water and air, and the flow patterns of gas phase flow, elastic flow and mixed flow are collected. These four flow patterns are produced by the check valve. By setting the reasonable sampling time and frequency, the obtained signal is sampled and the signal processing efficiency is improved. According to the nonlinear characteristics of the gas-liquid two-phase flow, the Hilbert yellow transform (HHT) is selected as the processing method of the sound signal. After the sound signal is sampled, The EMD denoising algorithm is used to reduce the noise of the sampled signal and reconstruct the noise after the denoising. Then the reconstructed signal is analyzed by EMD and Hilbert spectrum, and the energy characteristics such as the IMF component of the signal, the Hilbert spectrum and the Hilbert marginal spectrum are obtained. The energy and weight of the third IMF components and their Hilbert spectrum are found. The energy of the marginal spectrum of the signal can reflect the characteristics of different flow patterns. Therefore, the three feature data are selected to draw two-dimensional and three-dimensional flow patterns. The experiment shows that the identification accuracy is above 98.1% by using the flow pattern drawing of the sound signal characteristics in the check valve. In order to further complete the method, the intelligence of the gas-liquid two-phase flow pattern is realized. Identification. In this paper, artificial neural network is selected as classifier of flow pattern intelligent identification, and the error back propagation (BP) neural network model is designed. The three energy characteristics used to draw flow pattern are set as input, four flow patterns are output, and multiple sets of data are selected to train the neural network. After learning, the neural network convection model is identified. The recognition accuracy is 97.5%, and the intelligent recognition of the convective type is realized. The method of identifying the flow pattern of gas-liquid two phase flow based on the sound signal of the check valve has a good prospect for popularization and application.
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：O359

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黨民,熊繼有,李井礦,廖仕孟,韓波,曾匯川;利用數(shù)據(jù)融合實(shí)現(xiàn)流型的在線識別[J];天然氣工業(yè);2004年12期

2 姜乃斌;臧峰剛;張毅雄;;橫掠水平管束間氣-液兩相流流型對流致振動(dòng)激勵(lì)的影響[J];核動(dòng)力工程;2011年04期

3 張楠;孫中寧;趙忠南;;球床通道內(nèi)氣液兩相豎直向上流動(dòng)流型實(shí)驗(yàn)研究[J];原子能科學(xué)技術(shù);2011年09期

4 張彬;;氣液兩相流型遷移特性數(shù)據(jù)采集及處理系統(tǒng)[J];實(shí)驗(yàn)技術(shù)與管理;1999年03期

5 周云龍,蔡輝,關(guān)月波,宋景東,沙鵬;水平管內(nèi)油-氣-水三相流流型特性研究[J];東北電力學(xué)院學(xué)報(bào);2000年02期

6 李曉祥,石炎福,顧麗莉,余華瑞;氣液固三相并流系統(tǒng)流型的混沌識別[J];高�；瘜W(xué)工程學(xué)報(bào);2002年01期

7 周云龍,蔣誠;傾斜下降管內(nèi)油氣水三相流流型轉(zhuǎn)變的實(shí)驗(yàn)研究[J];化學(xué)工程;2003年01期

8 洪文鵬;劉燕;周云龍;;管束間氣液兩相過渡流型及其壓力波動(dòng)特性[J];中國電機(jī)工程學(xué)報(bào);2011年32期

9 杜楊,辛明道,周明來,張世富;水平二維內(nèi)微肋管內(nèi)凝結(jié)兩相流流型圖實(shí)驗(yàn)研究與解析[J];工程熱物理學(xué)報(bào);1998年05期

10 劉曉燕;劉揚(yáng);;油氣水三相流流型國內(nèi)外實(shí)驗(yàn)研究進(jìn)展[J];管道技術(shù)與設(shè)備;2007年04期

相關(guān)會(huì)議論文 前5條

1 袁文麒;江偉;朱華鈁;黃敏;;氣液兩相流型在供水管道中的判別[A];2012年全國建筑給水排水學(xué)術(shù)論壇專題論文[C];2012年

2 黃玉彤;李華;馬乃慶;王淑京;吳應(yīng)湘;;采用電阻層析成像技術(shù)的油水兩相流流型特征研究[A];第十三屆全國水動(dòng)力學(xué)學(xué)術(shù)會(huì)議暨第二十六屆全國水動(dòng)力學(xué)研討會(huì)論文集——E工業(yè)流體力學(xué)[C];2014年

3 孫斌;周云龍;陸軍;;水平管氣液兩相流流型壓差波動(dòng)的PSD特征[A];首屆信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2003年

4 周云龍;孫斌;李雅俠;;氣液兩相流流型壓差波動(dòng)的PDF特征[A];首屆信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2003年

5 孟振振;王保良;冀海峰;黃志堯;李海青;;基于ERT和LS-SVM的兩相流流型辨識[A];第六屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集（3）[C];2008年

相關(guān)博士學(xué)位論文 前10條

1 曹夏昕;搖擺對豎直管內(nèi)氣液兩相流型的影響[D];哈爾濱工程大學(xué);2006年

2 張金紅;搖擺狀態(tài)下氣水兩相流流型及阻力特性研究[D];哈爾濱工程大學(xué);2009年

3 劉夷平;水平油氣兩相流流型轉(zhuǎn)換及其相界面特性的研究[D];上海交通大學(xué);2008年

4 叢星亮;粉煤密相氣力輸送的流型與管線內(nèi)壓力信號關(guān)系的研究[D];華東理工大學(xué);2013年

5 王海琴;水平管油—水兩相和油—?dú)狻嗔鲃?dòng)特性研究[D];中國石油大學(xué);2008年

6 孫斌;基于小波和混沌理論的氣液兩相流流型智能識別方法[D];華北電力大學(xué)（河北）;2005年

7 丁浩;新型信息處理技術(shù)在氣液兩相流流型辨識中的應(yīng)用研究[D];浙江大學(xué);2005年

8 張瑞卿;涵蓋不同流型的氣固床層與壁面換熱研究[D];清華大學(xué);2014年

9 胡宇鵬;復(fù)雜邊界條件下具有密度極值流體的熱對流研究[D];重慶大學(xué);2014年

10 王振亞;垂直上升油水及油氣水多相流流動(dòng)參數(shù)測量方法研究[D];天津大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 阮龍飛;管道氣液兩相流流型及熱—流—固耦合數(shù)值模擬研究[D];長江大學(xué);2015年

2 張靜;基于壓力及濃度分布信號的氣固兩相流流型辨識方法研究[D];東北大學(xué);2013年

3 潘響明;工業(yè)級粉煤供料過程流型特性的研究[D];華東理工大學(xué);2016年

4 任桂蓉;川西水平氣井井筒兩相管流流型實(shí)驗(yàn)研究[D];西南石油大學(xué);2016年

5 張明奎;基于止回閥聲音信號的氣液兩相流流型智能辨識方法研究[D];山東大學(xué);2017年

6 傅紹棠;基于小波分析的氣力提升系統(tǒng)流型辨識研究[D];湖南工業(yè)大學(xué);2017年

7 賀志鵬;管徑對氣水兩相上升管流流型和壓降影響規(guī)律研究[D];西南石油大學(xué);2017年

8 張杰;川西氣田氣—泡沫—水三相上升管流流型實(shí)驗(yàn)研究[D];西南石油大學(xué);2017年

9 方紅宇;搖擺對水平管內(nèi)氣液兩相流流型影響的研究[D];哈爾濱工程大學(xué);2008年

10 袁俊文;基于動(dòng)態(tài)圖像處理油氣水三相流流型表征分析[D];東北電力大學(xué);2010年

，

本文編號：2121225