基于小波包与Elman神经网络的气力提升装置流型识别技术研究

唐川林, 汪志能, 胡　东, 周枫林

(湖南工业大学 机械工程学院，湖南 株洲　412007)



基于小波包与Elman神经网络的气力提升装置流型识别技术研究

唐川林, 汪志能, 胡东, 周枫林

(湖南工业大学 机械工程学院，湖南 株洲412007)

气力提升装置流型对气液流动特性及提升系统性能均有很大的影响，但由于气液两相交界面形态以及截面含气率动态变化、气液两相速度复杂难测等原因，致使提升管流型亦交替变化且不易识别。针对这一难题，提出了基于小波包分析与Elman神经网络的流型辨识策略：利用小波包分析方法提取提升装置压差信号各频带能量特征值，借助Elman神经网络辨识技术，以各频带能量为Elman网络输入变量，以流型为输出变量，通过对Elman神经网络进行大量数据训练。从而对提升系统流型进行辨识。实验结果表明，该方法对流型辨识精度达到了92.6%，比BP 网络高6.5%，能有效对提升管流型进行辨识。

提升装置；流型；辨识；小波包；Elman神经网络

气力提升系统广泛运用于深海石油开采、污水处理、深海采矿、河道疏浚等众多领域[1]。该系统结构简单，成本低，但其提升性能受管内流型影响巨大。不同的流型下气液动力学特征存在着巨大的差异，提升效率也大大不同。文献[2]指出，在不同工况条件下，管道中的流动不是呈现一种单独流型,而是多种流型交替出现。流型的交替变换会直接影响提升效率，甚至会导致系统不稳定的流动现象。因此，提高气力提升系统的性能要求气力提升系统必须具备流型的在线识别功能。……