11.4.3　电场法检测智能计算

Fan和Yan提出了一种基于ANN的方法，通过电导探头获得50mm内径水平管中气液两相流的气液流量。从图11-11可以看出，从电导信号中提取了机械塞流模型的五个特征参数，包括平移速度、塞保持、膜保持、塞长度和膜长度，并将其作为神经网络的输入。采用具有10个隐藏节点的前馈神经网络来预测气体和液体的流量。测量系统的试验评估是在空气表观速度为0.58～1.86m/s、水表观速度为0.35～1.62m/s的条件下进行的。结果表明，对于液体和气体流速的预测，总体性能在满量程的±10%以内。

图11-11　基于ANN的电场法测量气液流量系统

Shi Y等提出了一种使用单个环形静电传感器和BP-ANNs测量气动输送固体的速度和质量流量的新方法。如图11-12所示，在时域和频域中总共提取了9个静电信号的特征参数。通过PCA的特征选择，开发了两个三层BP神经网络分别估计固体速度和质量流量。在50mm口径的测试台上对盐颗粒进行了试验测试。预期速度为10～30m/s。结果表明，颗粒速度和质量流量测量的相对误差大多在±15%以内。两次测量的相对误差的标准偏差分别为7.7%和6.8%。

图11-12　基于ANN的电场法气固流量测量系统