彎管流量計的煤粉質(zhì)量流量檢測
摘要:在雙彎管法測量的基礎上建立了新的數(shù)學測量模型,并在煤粉輸送實驗平臺上得到了大量的實驗數(shù)據(jù),利用人工神經(jīng)網(wǎng)絡強大的非線性擬合的能力,解決了新的數(shù)學模型的非線性關系。利用新的數(shù)學測量模型分別建立了Elman神經(jīng)網(wǎng)絡和BP神經(jīng)網(wǎng)絡測量模型;結(jié)果表明Elman神經(jīng)網(wǎng)絡在新的數(shù)學模型下測量出的煤粉質(zhì)量流量與實際煤粉質(zhì)量流量更加接近,能更好地解決新模型下的復雜函數(shù)關系,提高煤粉質(zhì)量流量測量的度。
0、引言: 煤粉質(zhì)量流量參數(shù)的準確測量是決定著能源合理利用和環(huán)境保護問題的關鍵,從20世紀90年代初就有大批的科學工作者投身于煤粉質(zhì)量流量的參數(shù)測量,并且取得了矚目的成果,研究出了很多種科學實用的測量方法,如壓差法、靜電法、超聲波法等;雖然這些測量方法都能很好地測量出煤粉質(zhì)量流量,但是它們都是靠接觸才能獲得兩相流的流動特性,在一些復雜和困難的測量環(huán)境中,這些測量方法便顯得有些不足了,所以研究出一種高效、簡單、的煤粉質(zhì)量流量測量方法是一個a待解決的問題。
本文提出的方法是在壓差法的基礎上利用雙彎管測量氣固兩相流流過彎管時產(chǎn)生的壓差,根據(jù)壓差與固相質(zhì)量的非線性關系而得出。分別利用BP神經(jīng)網(wǎng)絡和Elman神經(jīng)網(wǎng)絡進行網(wǎng)絡訓練,從而間接測量出煤粉質(zhì)量流量;從實驗數(shù)據(jù)和仿真結(jié)果可以看出,在新數(shù)學模型下利用人工神經(jīng)網(wǎng)絡仿真出的結(jié)果跟實驗結(jié)果基本一致,利用Elman神經(jīng)網(wǎng)絡建立的模型,其***大相對誤差不超過5%,能夠完全滿足工業(yè)標準要求,是一種很好的氣固兩相流固相質(zhì)量流量的測量方法,為工業(yè)中測量煤粉質(zhì)量流量提供了一種新的方法。
1、雙彎管法測量原理:
彎管流量計通過測量流體經(jīng)過彎管時的壓力從而計算出流量,是一種操作方便、原理簡單、抗干擾強、價格便宜的測量元件,***近幾年在測量領域得到了熱烈追捧,特別適用于測量一些環(huán)境比較惡劣的工業(yè)現(xiàn)場,例如鋼鐵行業(yè),煤炭行業(yè)等川。彎管流量計內(nèi)流型如圖1所示。
雙彎管法測量氣固兩相流是在彎管法測量單相流的基礎上發(fā)展而來,其測量原理為用2個相同的彎管流量計串聯(lián),1個用于測量只有氣體流過彎管時的內(nèi)外壁彎管壓力差,另1個彎管用于測量氣固兩相流流過彎管時產(chǎn)生的內(nèi)外壁壓力差,根據(jù)強制旋流理論:當流體經(jīng)過彎管時,由于受到彎管壁的擠壓作用,而被迫作圓周運動,從而在彎管的內(nèi)外壁上產(chǎn)生了壓差川。流體流量的計算如式(1)。
式中,q為流體的體積流量,DP為彎管45。方向壓差,R為彎管的曲率半徑,D為彎管的內(nèi)直徑,P為流體密度。 則流體的固相質(zhì)量流量口=q Xp。
圖1彎管流量計內(nèi)流型
2、雙彎管法模型的建立:
基于上述雙彎管法測量原理和強制旋流理論,在雙彎管測量氣固兩相流時作出以下假設:①認為氣固兩相流在流動過程中可看作單體;②兩彎管流量計參數(shù)完全相同;③彎管流量計在測量過程中性能保持穩(wěn)定。 基于強制旋流理論和以上3個假設可知流過彎管流量計的氣體流量為
式中,P為氣固兩相混合物密度,△P2為氣固混合后的彎管內(nèi)外壁壓差,qms為固相質(zhì)量流量。
由于氣固兩相混合物的密度受到很多不確定因素的影響,儀器很難測量出其值,所以對上述模型進行優(yōu)化,氣固混合物的密度可表示為
由于氣固兩相流在流動過程中存在復雜性和隨機性,必然會造成一定誤差,引人綜合流量系數(shù)刀進行矯正,經(jīng)過大量研究發(fā)現(xiàn)綜合流量系數(shù)主要和固氣質(zhì)量混合比、兩相混合物與氣相雷諾數(shù)之比有關,所以實際固相質(zhì)量流量q,nr應為采用標準900彎管流量計,管道內(nèi)徑D為80mm,彎管曲率半徑R為120 mm,在45。方向上采集壓差,共得到30組數(shù)據(jù)。
3、人工神經(jīng)網(wǎng)絡的應用:
軟測量技術(shù)是一種依靠輔助變量進行測量的技術(shù),能實現(xiàn)間接參數(shù)的在線測量,并且測量數(shù)據(jù)可靠性較高,便于管理。人工神經(jīng)網(wǎng)絡是一門新興的交叉學科,并且已經(jīng)應用到了極為廣泛的領域,它具有非常好的魯棒性和記憶能力,并且學習規(guī)則簡單,極易應用于計算機,***主要的是能很好地解決非線性函數(shù)關系,所以近年來受到了很多科研工作者的追捧,是軟測量技術(shù)中應用非常廣泛的一門學科。
分析上述數(shù)學模型可以看出,實際固相質(zhì)量流量qmr:與實驗系統(tǒng)測得的壓差△P1 , △P2存在復雜的非線性關系,本文分別建立了一種以△P1>△P2 > △P2
圖2 BP神經(jīng)網(wǎng)絡示意
在氣固兩相流的固相質(zhì)量流量測量過程中必然會受到一些偶然性因素的影響,所以會呈現(xiàn)出一定的動態(tài)特性,BP神經(jīng)網(wǎng)絡是一種前向的靜態(tài)神經(jīng)網(wǎng)絡,通過導師學習法進行訓練,BP神經(jīng)網(wǎng)絡結(jié)構(gòu)簡單,收斂速度快,泛化能力強;但是很難預測出系統(tǒng)的動態(tài)特性,而且容易陷人局部極小值。
圖3 Elman神經(jīng)網(wǎng)絡
Elman神經(jīng)網(wǎng)絡建立于BP神經(jīng)網(wǎng)絡的基本結(jié)構(gòu)基礎之上,增加了反饋層(承接層),具有了記憶功能,能反饋回網(wǎng)絡預測的信息,具有更快的收斂速度和容錯性,對于非線性特征有很好的實用價值,分為輸入層、中間層、承接層和輸出層。有更好的自適應、自學習能力,并且具有預測功能,Elman神經(jīng)網(wǎng)絡數(shù)學模型如下:
圖4 Elman神經(jīng)網(wǎng)絡的算法流程示意
MATLAB具有強大的數(shù)據(jù)處理能力,為人工神經(jīng)網(wǎng)絡的預測、仿真和計算提供了一個很好的平臺,MATLAB中的nntool工具箱便是專門為人工神經(jīng)網(wǎng)絡設計的一款工具箱。數(shù)據(jù)處理時選30組數(shù)據(jù)中的前25組進行網(wǎng)絡訓練,后5組數(shù)據(jù)用于網(wǎng)絡驗證。
圖5為Elman神經(jīng)網(wǎng)絡的訓練結(jié)果,目標偏差是10 -',當網(wǎng)絡訓練到331次時網(wǎng)絡的偏差已經(jīng)達到了3 . 077 x 10 -',在往后的訓練過程中偏差不再發(fā)生劇烈變化,***終訓練結(jié)果為3. 047 96 x 10 -' ,滿足了訓練要求。
圖5 Elman神經(jīng)網(wǎng)絡的訓練結(jié)果
圖6是實驗數(shù)據(jù)和網(wǎng)絡訓練結(jié)果的對比圖,從圖中可以看出只有第2組和第6組數(shù)據(jù)的偏差比較大,其余的訓練數(shù)據(jù)基本與實驗所得數(shù)據(jù)吻合,顯示出了Elman神經(jīng)網(wǎng)絡快速的收斂速度和的訓練能力。
圖6實驗數(shù)據(jù)和網(wǎng)絡訓練結(jié)果對比
圖7是用后5組數(shù)據(jù)進行仿真的結(jié)果,從圖中可以看出仿真結(jié)果與實驗結(jié)果基本一致,仿真結(jié)果較好,反映了Elman神經(jīng)網(wǎng)絡的獨特優(yōu)越性。
圖7 后5組數(shù)據(jù)仿真結(jié)果
圖8為Elman神經(jīng)網(wǎng)絡和BP神經(jīng)網(wǎng)絡仿真結(jié)果的誤差對比圖,分析對比圖可以看出Elman網(wǎng)絡仿真出的結(jié)果相對誤差在5%以內(nèi),較為地實現(xiàn)了氣固兩相流固相質(zhì)量流量的在線測量,而BP神經(jīng)網(wǎng)絡誤差較大,***大誤差接近于7 % , Elman神經(jīng)網(wǎng)絡的仿真誤差都比BP神經(jīng)網(wǎng)絡的誤差低。
圖8相對誤差對比
4、結(jié)語:
以雙彎管法測量煤粉質(zhì)量流量是一種新的煤粉質(zhì)量流量測量方法,在前人研究的基礎上建立了新的數(shù)學模型,考慮了更多的影響因素,證明了模型的推導過程,給出了***終新模型的計算公式。利用MATLAB建立了BP神經(jīng)網(wǎng)絡和Elman神經(jīng)網(wǎng)絡,通過25組數(shù)據(jù)訓練了兩種神經(jīng)網(wǎng)絡,并利用后5組數(shù)據(jù)進行了仿真,驗證了網(wǎng)絡的性。***終結(jié)果顯示Elman神經(jīng)網(wǎng)絡比BP神經(jīng)網(wǎng)絡更適用于雙彎管法建立的新數(shù)學模型,***大相對誤差不超過5%,提高了彎管流量計測量煤粉的度,能更好地實現(xiàn)煤粉的充分燃燒和環(huán)境的保護。