本文關(guān)鍵詞： 多聲道超聲波流量計(jì) 流量計(jì)算算法 剖面識(shí)別算法 高斯積分方法 遺傳算法 神經(jīng)網(wǎng)絡(luò) 極限學(xué)習(xí)機(jī) 支持向量機(jī) 流場(chǎng)可視化 流體動(dòng)力學(xué)仿真　出處：《浙江大學(xué)》2016年博士論文　論文類型：學(xué)位論文

【摘要】：作為一種潔凈能源,天然氣的開發(fā)利用對(duì)緩解能源危機(jī)、應(yīng)對(duì)氣候變化、促進(jìn)可持續(xù)發(fā)展具有重要意義。近年來,世界各國都在大力發(fā)展天然氣產(chǎn)業(yè),天然氣占全球一次能源消費(fèi)總量的比重也在逐步上升。我國是一個(gè)能源消耗大國,能源結(jié)構(gòu)的戰(zhàn)略性調(diào)整,以及"西氣東輸"、"川氣東送"、"海氣登陸"等重大工程的實(shí)施,加快了天然氣管網(wǎng)的建設(shè),推進(jìn)了天然氣產(chǎn)業(yè)的發(fā)展。然而,作為天然氣管網(wǎng)的基礎(chǔ)傳感部件,高性能流量計(jì)的發(fā)展卻相對(duì)滯后。目前,我國的天然氣計(jì)量領(lǐng)域長期被國外產(chǎn)品壟斷,不僅給我國流量計(jì)量行業(yè)帶來巨大沖擊,而且嚴(yán)重危及國家能源信息安全。因此,開發(fā)具有我國自主知識(shí)產(chǎn)權(quán)的高精度氣體流量計(jì)己迫在眉睫。本論文以廣泛應(yīng)用于天然氣計(jì)量的超聲波流量計(jì)作為研究對(duì)象,針對(duì)影響其計(jì)量精度的關(guān)鍵因素——流量計(jì)算算法進(jìn)行研究,并通過對(duì)不同流場(chǎng)中的剖面進(jìn)行識(shí)別,提高氣體超聲波流量計(jì)在多種復(fù)雜工況下的計(jì)量精度。在流量計(jì)算算法中,傳統(tǒng)的超聲波流量計(jì)大多采用基于高斯正交積分的權(quán)重系數(shù)法,其中精度最高、使用廣泛的為Gauss-Jacobi法和OWICS法。該類算法計(jì)算簡便、適用范圍廣,但由于源于理想流場(chǎng)剖面的假設(shè)、權(quán)重系數(shù)固定、只適用于特定聲道等原因,造成超聲波流量計(jì)在復(fù)雜流場(chǎng)下計(jì)量精度低、安裝要求高、且易受流場(chǎng)類型影響的現(xiàn)狀。在使用過程中,往往需要加裝整流器等流場(chǎng)調(diào)制裝置,且對(duì)前后直管段長度有嚴(yán)格要求。近幾年,有學(xué)者提出將神經(jīng)網(wǎng)絡(luò)等智能算法應(yīng)用于超聲波流量計(jì)算,根據(jù)不同流場(chǎng)自適應(yīng)地調(diào)節(jié)聲道的權(quán)重系數(shù),取得了較好的效果。因此,智能流量計(jì)算被認(rèn)為是未來多聲道超聲波流量測(cè)量的重要發(fā)展趨勢(shì)。然而,現(xiàn)有神經(jīng)網(wǎng)絡(luò)等智能算法應(yīng)用于超聲波流量計(jì)時(shí)還存在三大問題:1)精度仍不夠高。雖然相比于傳統(tǒng)高斯法,神經(jīng)網(wǎng)絡(luò)在精度上已經(jīng)有較大提升,但由于參數(shù)較多,且對(duì)網(wǎng)絡(luò)精度影響大,多數(shù)情況下網(wǎng)絡(luò)的泛化能力得不到充分發(fā)揮。2)設(shè)計(jì)過程復(fù)雜。智能網(wǎng)絡(luò)的結(jié)構(gòu)和內(nèi)部參數(shù)需要人為確定,但缺少統(tǒng)一標(biāo)準(zhǔn),只能依賴設(shè)計(jì)者經(jīng)驗(yàn)或反復(fù)嘗試確定。3)難以應(yīng)用于未知工況。一種神經(jīng)網(wǎng)絡(luò)只能應(yīng)用于一種訓(xùn)練過的工況,而實(shí)際使用中的流場(chǎng)多種多樣,大量的訓(xùn)練又面臨著應(yīng)用時(shí)無法確定未知工況屬于哪種流場(chǎng)的問題。本文針對(duì)這三大問題開展研究工作,分別提出了相應(yīng)的創(chuàng)新解決方法:1)提出利用遺傳算法對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化,確定最優(yōu)的網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù),充分發(fā)揮網(wǎng)絡(luò)泛化能力,提高流量計(jì)算精度;2)引入近幾年新提出的極限學(xué)習(xí)機(jī)(ELM)算法,解析計(jì)算出輸出層權(quán)值等參數(shù),減少訓(xùn)練時(shí)間,簡化設(shè)計(jì)過程,解除智能算法在超聲波流量計(jì)算中應(yīng)用時(shí)的諸多限制;3)提出基于多級(jí)支持向量機(jī)的流場(chǎng)剖面識(shí)別智能算法,間接實(shí)現(xiàn)流場(chǎng)可視化的同時(shí),對(duì)未知工況進(jìn)行流場(chǎng)剖面自動(dòng)識(shí)別,方便智能網(wǎng)絡(luò)的應(yīng)用。最后,基于由四聲道氣體超聲波流量計(jì)搭建的實(shí)驗(yàn)平臺(tái),對(duì)該優(yōu)化算法、極限學(xué)習(xí)機(jī)和剖面識(shí)別算法進(jìn)行了綜合應(yīng)用與實(shí)驗(yàn)驗(yàn)證。結(jié)果表明,相比較于傳統(tǒng)方法,本論文提出的流量計(jì)算與剖面識(shí)別算法具有明顯優(yōu)勢(shì)。論文的主要研究內(nèi)容如下:1)基于遺傳算法優(yōu)化的高精度流量計(jì)算神經(jīng)網(wǎng)絡(luò)針對(duì)傳統(tǒng)神經(jīng)網(wǎng)絡(luò)應(yīng)用于超聲波流量計(jì)算時(shí)存在的諸多問題,利用遺傳算法的最優(yōu)搜索能力,尋找具體流場(chǎng)狀況下的最佳神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和訓(xùn)練方法,并對(duì)網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化。再利用優(yōu)化后的神經(jīng)網(wǎng)絡(luò)對(duì)超聲波流量計(jì)在具體流場(chǎng)狀態(tài)下進(jìn)行訓(xùn)練。訓(xùn)練后的網(wǎng)絡(luò)將包含各個(gè)聲道速度與最終流量之間的映射關(guān)系,以及被測(cè)流體內(nèi)部的流場(chǎng)信息。應(yīng)用于超聲波流量計(jì)時(shí),可取得較高的流量計(jì)算精度。同時(shí),可以解決傳統(tǒng)神經(jīng)網(wǎng)絡(luò)應(yīng)用時(shí)存在的易陷入局部極小值、網(wǎng)絡(luò)結(jié)構(gòu)難以確定、精度依賴于設(shè)計(jì)者經(jīng)驗(yàn)等問題。2)基于極限學(xué)習(xí)機(jī)的神經(jīng)網(wǎng)絡(luò)優(yōu)化算法不同于傳統(tǒng)誤差反傳算法(BP),極限學(xué)習(xí)機(jī)算法(ELM)主要針對(duì)單隱含層神經(jīng)網(wǎng)絡(luò),輸入層權(quán)重與閾值隨機(jī)產(chǎn)生,而輸出層權(quán)值通過解析計(jì)算得到。將該方法應(yīng)用于多聲道超聲波流量計(jì)的流量計(jì)算,具有多方面優(yōu)勢(shì):第一,解決傳統(tǒng)神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí),由于使用誤差反傳、反復(fù)迭代算法而造成訓(xùn)練過程緩慢的問題。第二,解決傳統(tǒng)神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的多參數(shù)確定問題,簡化設(shè)計(jì)過程。傳統(tǒng)神經(jīng)網(wǎng)絡(luò)對(duì)學(xué)習(xí)率、訓(xùn)練函數(shù)等參數(shù)較為敏感,支持向量機(jī)核函數(shù)及參數(shù)的選擇,也缺乏統(tǒng)一的準(zhǔn)則,只能憑借經(jīng)驗(yàn)、實(shí)驗(yàn)對(duì)比、或交互校驗(yàn)等方式確定。極限學(xué)習(xí)機(jī)需要確定的參數(shù)只有一個(gè),即隱含層神經(jīng)元數(shù),因此大大簡化了設(shè)計(jì)過程。第三,提高流量計(jì)算精度。該方法避免了參數(shù)配置不當(dāng)引起的網(wǎng)絡(luò)精度下降,而且可以降低網(wǎng)絡(luò)陷入局部極小值的風(fēng)險(xiǎn)。因此,利用極限學(xué)習(xí)機(jī)可以提高神經(jīng)網(wǎng)絡(luò)的效率和精度,促進(jìn)神經(jīng)網(wǎng)絡(luò)方法在超聲波流量計(jì)中的應(yīng)用。3)超聲波流量計(jì)流場(chǎng)識(shí)別智能算法鑒于目前的神經(jīng)網(wǎng)絡(luò)難以應(yīng)用于未知流場(chǎng)類型,本論文提出了一套基于多級(jí)支持向量機(jī)的流場(chǎng)剖面智能識(shí)別算法,通過測(cè)量到的多聲道速度,對(duì)不同管型、安裝位置和角度的流場(chǎng)進(jìn)行自動(dòng)識(shí)別,獲得被測(cè)流場(chǎng)信息,間接實(shí)現(xiàn)流場(chǎng)可視化。與1)和2)中的兩種優(yōu)化算法相結(jié)合,在極大提高流量計(jì)算精度的同時(shí),能額外提供流場(chǎng)監(jiān)測(cè)、實(shí)時(shí)診斷等功能。4)智能算法在超聲波流量計(jì)量中的實(shí)驗(yàn)驗(yàn)證基于氣體超聲波流量計(jì)和音速噴嘴流量標(biāo)準(zhǔn)裝置,搭建了氣體流量計(jì)量的實(shí)驗(yàn)平臺(tái),對(duì)以上三種算法的效果進(jìn)行了實(shí)驗(yàn)驗(yàn)證。通過幾種算法的結(jié)合,構(gòu)成一個(gè)同時(shí)具有流量計(jì)算和流場(chǎng)剖面識(shí)別功能的智能超聲波流量計(jì)算系統(tǒng)。
[Abstract]:......
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 喬楨;;超聲波流量計(jì)在能源檢測(cè)中的選型及設(shè)計(jì)[J];工業(yè)設(shè)計(jì);2015年08期

2 孫望;王魯海;王兆杰;于大勇;朱雨建;楊基明;;基于PIV測(cè)量的超聲波流量計(jì)內(nèi)流場(chǎng)特性研究[J];實(shí)驗(yàn)力學(xué);2014年06期

3 何俊俊;蘇岐芳;;數(shù)值積分的迭代方法及應(yīng)用[J];臺(tái)州學(xué)院學(xué)報(bào);2014年03期

4 陳聯(lián)國;丁巧;;超聲波流量計(jì)在城市燃?xì)夤芫W(wǎng)的應(yīng)用[J];煤氣與熱力;2014年04期

5 鄭丹丹;趙丹;張朋勇;;超聲流量測(cè)量中換能器對(duì)流場(chǎng)擾動(dòng)機(jī)理研究[J];機(jī)械工程學(xué)報(bào);2014年04期

6 陳純見;郭環(huán);吳敏;趙沛;何超;;超聲波流量計(jì)在高酸氣田的應(yīng)用[J];自動(dòng)化應(yīng)用;2013年11期

7 胡岳;張濤;鄭丹丹;郭小麗;聶來曉;胡鶴鳴;;超聲流量計(jì)探頭安裝入侵長度對(duì)測(cè)量影響的估算[J];天津大學(xué)學(xué)報(bào)(自然科學(xué)與工程技術(shù)版);2013年09期

8 王少英;;數(shù)值積分若干方法的比較分析[J];德州學(xué)院學(xué)報(bào);2012年06期

9 王少英;;數(shù)值積分的校正公式[J];遼寧科技大學(xué)學(xué)報(bào);2012年03期

10 李國福;西國才;周勇科;馬文君;侯天佑;;超聲波流量計(jì)在氣田貿(mào)易計(jì)量中的應(yīng)用分析[J];工業(yè)計(jì)量;2011年04期

，

本文編號(hào)：1513955