基于集成学习和信息融合的段塞流分相流量测量

作     者：温佳祺 杨叙宁 李金硕 丁振君 董芳 WEN Jiaqi;YANG Xuning;LI Jinshuo;DING Zhenjun;DONG Fang

作者机构：河北大学质量技术监督学院河北保定071002 零碳能源建筑与计量技术教育部工程研究中心河北保定071002 计量仪器与系统国家地方联合工程研究中心河北保定071002 

出 版 物：《河北大学学报（自然科学版）》 (Journal of Hebei University(Natural Science Edition))

年 卷 期：2024年第44卷第5期

页      面：541-550页

学科分类：08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 081102[工学-检测技术与自动化装置] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金资助项目(62173122) 河北省自然科学基金资助项目(F2022201034) 

主　　题：气液两相流 数据融合 段塞流 多传感器 集成学习算法 

摘      要：段塞流是气液两相流中典型流型,准确测量其分相流量有利于实时监控生产过程,优化工艺控制,确保系统在安全、经济的工况下运行.本文在改进长喉文丘里管的基础上,设计了一种集近红外(NIR)、声发射(AE)技术于一体的水平气液流量智能多传感系统.利用AE传感器和NIR传感器检测气液两相的流动噪声信息和截面信息,采用经验模态分解法(EMD)提取气体体积分数的特征变量.通过集成学习算法进行特征级融合,融合后的段塞流体积含气率预测模型平均绝对百分比误差(MAPE)为4.11%,92.45%的预测结果偏差在±10%以内.在Collins模型的基础上,提出了基于梯度提升决策树(GBDT)的段塞流质量流量预测模型,其MAPE值为0.96%,全部预测结果的偏差在±20%以内.本研究为气液两相流段塞流参数混合不分离测量提供了一种新方法,为气液两相流动机理研究奠定了基础.