摘要：科氏质量流量计测量单相流具有很高的精度,但在气液两相流工况下,科氏流量计测量性能下降,质量流量测量误差急剧增加.为减小测量误差和量化气体体积分数,本文对液相质量流量测量量程0~1000 kg/h的科氏流量计,结合差压变送器,进行了含气率0~30%的气液两相流实验,并设计了基于粒子群优化算法-支持向量机(PSO-SVM)数据驱动的质量流量修正和含气率预测模型.PSO算法提高了模型构建的速度与预测精度.其中,差压可提供流动形态、相含率等信息,是模型的重要输入变量,包含该变量构建的模型对质量流量修正的相对误差为±1.5%,预测含气率的绝对误差为±3%.由于差压变量需外接差压变送器获取,存在安装不便、空间受限的问题.为实现一体化测量,利用科氏流量计自身动态信号来替代差压变量,并保证模型精度在可接受范围内.结合实验数据分析,设计了另外一种去除差压变量、输入变量完全基于科氏流量计自身信号的两相流测量模型.采用质量流量测量值方差替代差压,修正质量流量,对含气率预测设计了两级SVM模型,将质量流量修正的绝对偏差作为含气率预测模型的输入,以替代差压.结果显示,该模型对质量流量修正后的相对误差为±2%,含气率预测的绝对误差为±3%,模型精度可以接受,替代差压变量基本可行.

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0~1000 kg/h的科氏流量计,在质量流量范围为185~920 kg/h、体积含气率范围为0~32.4%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.