您好, 歡迎來(lái)到化工儀器網(wǎng)
流量計(jì)油水兩相流主導(dǎo)相判別方法
流量計(jì)主導(dǎo)相判別的主要任務(wù)是判別油水兩相流的三種流動(dòng)狀態(tài)：1）水為主導(dǎo)相（油含率≤40%），2）過(guò)渡狀態(tài)（40%＜油含率＜60%），3）油為主導(dǎo)相（油含率≥60%）。本文利用16電極陣列式電導(dǎo)傳感器來(lái)獲取油水兩相流的電導(dǎo)信息，并進(jìn)一步采用zui小二乘支持向量機(jī)（LS-SVM）和偏zui小二乘法（PLS）等數(shù)據(jù)挖掘方法來(lái)對(duì)兩相流主導(dǎo)相進(jìn)行實(shí)時(shí)判別。
流量計(jì)基于電導(dǎo)測(cè)量值判別油水兩相流的主導(dǎo)相本質(zhì)上是一個(gè)多分類(lèi)問(wèn)題，可通過(guò)設(shè)計(jì)多個(gè)兩類(lèi)分類(lèi)器并結(jié)合“一對(duì)一”的多類(lèi)分類(lèi)策略來(lái)得以解決。根據(jù)“一對(duì)一”策略，在每?jī)深?lèi)之間均設(shè)計(jì)一個(gè)兩類(lèi)分類(lèi)器，三種流動(dòng)狀態(tài)（主導(dǎo)相）總共設(shè)計(jì)三個(gè)分類(lèi)器。對(duì)于待測(cè)試樣本通過(guò)投票法確定其歸屬某一種流動(dòng)狀態(tài)。實(shí)際的主導(dǎo)相判別過(guò)程如圖2（a）所示，首先通過(guò)陣列式電導(dǎo)傳感器獲得電導(dǎo)測(cè)量值，然后利用每一個(gè)分類(lèi)器逐一對(duì)所獲得的電導(dǎo)值進(jìn)行測(cè)試。如果某一分類(lèi)器指出當(dāng)前主導(dǎo)相屬于第i類(lèi)流動(dòng)狀態(tài)，則向第i類(lèi)流動(dòng)狀態(tài)投一票。zui終得票zui多的流動(dòng)狀態(tài)就作為當(dāng)前主導(dǎo)相的辨識(shí)結(jié)果。
上述用于解決流量計(jì)主導(dǎo)相多分類(lèi)問(wèn)題的兩類(lèi)分類(lèi)器可通過(guò)模式分類(lèi)方法得以實(shí)現(xiàn)。支持向量機(jī)（SupportVectorMachine，SVM）是新近發(fā)展起來(lái)的基于機(jī)器學(xué)習(xí)的模式分類(lèi)技術(shù)，它基于結(jié)構(gòu)風(fēng)險(xiǎn)zui小化原則，能有效解決過(guò)學(xué)習(xí)問(wèn)題，具有較好的泛化能力，已經(jīng)在很多領(lǐng)域得到了成功應(yīng)用。zui小二乘支持向量機(jī)（Least-SquaresSupportVectorMachine，LS-SVM）是SVM的改進(jìn)形式，其求解速度優(yōu)于普通SVM。因此，本文選用LS-SVM建立油水兩相流主導(dǎo)相分類(lèi)器。
基于LS-SVM設(shè)計(jì)油水兩相流主導(dǎo)相分類(lèi)器需要考慮以下兩點(diǎn)：1）為了盡可能實(shí)現(xiàn)準(zhǔn)確的分類(lèi)，用于設(shè)計(jì)分類(lèi)器的特征量（輸入數(shù)據(jù)）應(yīng)盡可能少。2）如果輸入數(shù)據(jù)存在多重相關(guān)性或者在輸入數(shù)據(jù)中存在著與輸出不相關(guān)的冗余信息，則LS-SVM的泛化能力將受到不利影響。因此，有必要對(duì)LS-SVM的輸入數(shù)據(jù)進(jìn)行特征提取。偏zui小二乘方法（PartialLeastSquares，PLS）能在有效提取數(shù)據(jù)特征量的同時(shí)消除數(shù)據(jù)的多重相關(guān)性及與輸出不相關(guān)的冗余信息。因此本文采用PLS來(lái)提取油水兩相流電導(dǎo)測(cè)量信息的特征，然后以所提取的特征量作為L(zhǎng)S-SVM的輸入來(lái)建立主導(dǎo)相分類(lèi)器（如圖2（b）所示）。
4.1 陣列式電導(dǎo)傳感器
本文采用的流量計(jì)電導(dǎo)傳感器為16電極陣列式電導(dǎo)傳感器。傳感器結(jié)構(gòu)如圖3（a）所示。16電極電導(dǎo)傳感器共可獲得104個(gè)電導(dǎo)測(cè)量值。電導(dǎo)測(cè)量硬件系統(tǒng)結(jié)構(gòu)如圖3（b）所示，包括陣列式電導(dǎo)傳感器、激勵(lì)信號(hào)發(fā)生模塊、數(shù)據(jù)采集模塊、時(shí)序控制模塊、數(shù)字信號(hào)處理模塊和通信模塊。其中，激勵(lì)信號(hào)發(fā)生模塊產(chǎn)生雙極性脈沖激勵(lì)信號(hào)，并采用相鄰激勵(lì)模式來(lái)獲取電導(dǎo)測(cè)量值。數(shù)據(jù)采集模塊采集電導(dǎo)測(cè)量值并將其轉(zhuǎn)換為相應(yīng)的數(shù)字信號(hào)，提交給數(shù)字信號(hào)處理模塊進(jìn)行后續(xù)處理。數(shù)字信號(hào)處理模塊以ADSP2188N數(shù)字信號(hào)處理器為核心，通過(guò)通信模塊（采用USB2.0技術(shù)）將數(shù)據(jù)zui終發(fā)送給上位機(jī)。此外，激勵(lì)和測(cè)量過(guò)程中涉及一些時(shí)序控制，均通過(guò)以復(fù)雜可編程邏輯器件（CPLD）為核心的時(shí)序控制模塊來(lái)實(shí)現(xiàn)。
4.2 主導(dǎo)相分類(lèi)器設(shè)計(jì)
如前所述，采用偏zui小二乘（PLS）法提取電導(dǎo)測(cè)量值的特征，以所提取的多個(gè)特征量作為zui小二乘支持向量機(jī)（LS-SVM）的輸入來(lái)設(shè)計(jì)主導(dǎo)相分類(lèi)器，則主導(dǎo)相分類(lèi)器的設(shè)計(jì)過(guò)程主要包括兩個(gè)步驟：基于PLS提取電導(dǎo)特征量和基于LS-SVM建立主導(dǎo)相分類(lèi)器。
4.2.1 基于PLS的電導(dǎo)特征量提取
設(shè)自變量（電導(dǎo)測(cè)量值）為R，因變量（油水兩相流主導(dǎo)相）為Y。PLS提取電導(dǎo)特征量的主要步驟為：
（1）分別從R和Y提取隱變量t1和u1，這兩個(gè)隱變量需要滿足以下兩個(gè)約束條件：1）t1和u1盡可能多地包含R和Y的方差信息，2）t1和u1之間的相關(guān)性達(dá)到zui大。如此獲得電導(dǎo)測(cè)量值的*個(gè)特征t1。
（2）分別將R和Y對(duì)t1進(jìn)行回歸，
其中p1和q1是載荷矩陣。
（3）分別以R1和Y1代替R和Y，重復(fù)步驟（1）~（2），逐個(gè)提取電導(dǎo)特征量，直到滿足終止準(zhǔn)則。zui終可得提取的多個(gè)電導(dǎo)特征量t1，t2，t3，…，tm，這些特征量均是104個(gè)被測(cè)電導(dǎo)值的線性組合，即：
T=RH （8）
其中R是電導(dǎo)測(cè)量值矩陣，H是變換矩陣。
參與分類(lèi)的電導(dǎo)特征量的個(gè)數(shù)通常應(yīng)少于原始的電導(dǎo)測(cè)量值個(gè)數(shù)。本文采用交互驗(yàn)證法計(jì)算分類(lèi)誤差平方和，并認(rèn)為當(dāng)分類(lèi)誤差平方和zui小時(shí)所對(duì)應(yīng)的電導(dǎo)特征量個(gè)數(shù)*。
利用PLS所提取的電導(dǎo)特征量彼此不相關(guān)，但保留了盡可能多的與兩相流主導(dǎo)相的相關(guān)性，因此，這些特征量可為兩相流主導(dǎo)相判別提供盡可能多的有意義的信息。