基于LSTM的气液两相流液相流量测量方法

仝卫国，曾世超，李芝翔，朱赓宏

(华北电力大学控制与计算机工程学院，河北保定 071003)

0 引言

气液两相流广泛存在于石油、冶金、火力等工业生产中，精确且快速的流量参数测量有助于提高工业系统运行的稳定性[1-3]。电阻层析成像技术通过还原待测介质的电导率分布，且具有非侵入性、响应速度快、结构简单等优点，因此被广泛应用于两相流的可视化监测中[4-5]。传统流量测量仪表的测量对象主要是液体或气体等单相流体，局限性较大。新技术流量仪表如电磁流量计、超声波流量计等，其测量精度高、测量速度快，满足了工业生产在线测量和可视化监测的需求[6-7]。

近年来，神经网络在流量测量领域得到了大量研究。匡世才[8]等利用BP(back propagation)神经网络构建了集输-立管系统的气液两相流流量测量模型；张怡[9]等建立了3层Elman神经网络模型，将其与弯管流量计结合，有效提升了煤粉颗粒质量流量测量精度；张晓钟[10]等通过分析轻质燃油内超声波的传播速度、温度和介质密度的关系，利用人工神经网络建立模型，完成了轻质燃油的质量流量测量。

ERT系统多用于两相流流型图像重建及流型识别，对液相流量的测量准确性不高。为提高气液两相流液相流量测量的准确性和及时性，提出了一种基于ERT系统和LSTM神经网络相结合的气液两相流流量测量方法。利用顺序排列的16电极依次激励得到的120个电阻值作为LSTM网络的输入，以电磁流量计采集的液相体积流量作为理想输出。……