基于图像处理和时间序列模型的气液两相流流型识别

摘要

气液两相流工况，因为存在多种流型，导致科氏流量计的测量误差修正效果不佳．为解决该问题，本文提出了一种流型识别方法，识别科氏流量计入口水平管内的流型．针对DN10管径、量程0～1 000 kg/h的科氏流量计，在液相质量流量200～900 kg/h，体积含气率0～30%的两相流工况进行实验．在选择的工况点，用高清摄像机，按照1 s间隔连续拍摄流型图像；并对每个工况点的图像数据进行滑窗处理，构建时间序列数据集．利用灰度直方图、几何不变矩、灰度共生矩阵和Tamura纹理特征等，多种图像特征提取方法提取特征．将多种图像特征组合使用，并利用排列重要性，对特征组进行特征工程．将得到的优化特征组，作为长短时记忆网络的数据集输入，对流型进行分类识别．结果表明，该方法在较短迭代内就可达到95%以上的准确率，最终准确率达99%，与随机森林、卷积神经网络、支持向量机等传统识别算法相比，对各流型识别的准确率都有一定提升．并通过互斥流量点图像数据集的泛化测试，验证了模型的泛化能力．证明所提模型能在一定程度上，对流量范围内的多种流型进行准确识别，对流型识别中错误的流量点进行分析，给出了进一步改进的方向，为气液两相流测量工况的科氏流量计误差修正提供了有效的流型识别依据，有利于进一步地提高误差修正精度．

关键词

气液两相流测量 / 流型识别 / 图像分类 / 长短时记忆(LSTM) / 特征提取

基金资助

国家重点研发计划资助项目(2023YFB3209303)