بهبود عملکرد جریان سنج های دوفازی مبتنی بر تضعیف اشعه گاما با استفاده از استخراج بهینه مشخصه های زمانی سیگنال خروجی آشکار ساز

نوع مقاله: مقاله پژوهشی

نویسندگان

1 گروه مهندسی برق، دانشکده انرژی، دانشگاه صنعتی کرمانشاه، کرمانشاه، ایران.

2 2دانشگاه صنعتی ژشوف، ژشوف، لهستان

3 پژوهشکده کاربرد پرتوها، پژوهشگاه علوم و فنون هسته ای

چکیده

مسئله اندازه‌گیری دقیق نرخ جریان مخلوط نفت-گاز و همچنین تشخیص نوع رژیم جریانی در یک خط لوله، یکی از چالش‌های کلیدی در صنعت نفت می‌باشد. در این تحقیق برای مطالعه بر روی جریانات دو‌فازی سه رژیم جریانی شامل: حلقوی، لایه‌ای و همگن توسط کد MCNPX(1) شبیه‌سازی شد. در این شبیه‌سازی از یک چشمه سزیم و دو آشکارساز NaI برای ثبت فوتون‌های عبوری استفاده شد. ازآنجاکه داده‌های ثبت‌ شده دارای نویز فرکانس بالابودند، از یک فیلتر ساویتزکی- گولایی برای حذف نویزهای فرکانس بالا استفاده شد. سپس چهار مشخصه زمانی "انحراف از معیار"، "ناهمواری"، "چولگی" و "ماکزیمم مقدار" از داده‌هایی که در مرحله قبل نویز آن حذف شده است، استخراج شد و مشخص گردید که مشخصه‌های استخراج‌شده توانایی تفکیک رژیم‌های جریانی را به‌صورت کامل ندارند. ازاین‌رو سه مشخصه مختلف از دو آشکارساز به‌صورت هم‌زمان استخراج شدند. با بررسی تمام حالات ممکن و مشخص کردن حالات جداکننده رژیم‌های جریانی، دو شبکه عصبی برای تشخیص نوع رژیم جریانی و تعیین درصدهای حجمی طراحی شد. با استفاده از روش پیشنهادی استخراج مشخصه و شبکه‌های عصبی طراحی‌شده، نوع رژیم‌های جریانی با دقت 100% تشخیص داده شد و درصدهای حجمی با خطای میانگین مجذور مربعات کمتر از 59/0 تعیین شد.

کلیدواژه‌ها


عنوان مقاله [English]

Improving the performance of gamma radiation based two phase flow meters using optimal time characteristics of the detector output signal extraction

نویسندگان [English]

  • Mohammad Amir Sattari 1
  • Nastaran Korani 1
  • Robert Hanus 2
  • Hossein Roshani 1
  • Ehsan Nazemi 3
1 Electrical Engineering Department, Kermanshah University of Technology, Kermanshah, Iran
2 2Rzeszow University of Technology, 35-959 Rzeszow, Poland
3 Radiation applications, Nuclear science and technology research institute
چکیده [English]

Measuring volume fractions and identifying the flow regime is an important parameter in oil industry. In this study three different two-phase flow regimes were simulated by MCNPX code. One 137cs source and two NaI detectors have been used in order to register the transmitted photons. The registered data has high frequency noises. In order to tackle this problem, a Savitzky-Golay filter was applied. Therefore four features in time domain including STD, Skewness, Kurtosis and Maximum Value were extracted. It was distinguished that the extracted features are not capable of separating the flow regimes completely without overlap. So, three different features from registered data of both detectors were extracted. After investigating all the possible statues, two ANNs were implemented for identifying the flow regimes and predicting the void fraction, respectively. By applying the feature extraction method and using artificial neural network, all the three flow regimes were correctly distinguished and void fraction was predicted with root mean square error (RMSE) of less than 0.59.

کلیدواژه‌ها [English]

  • Two-Phase Flow Regimes
  • Savitzky-Golay Filter
  • Feature Extraction
  • Artificial Neural Network