兩相流含水率的自適應(yīng)估計(jì)方法
【專利摘要】本發(fā)明涉及一種兩相流含水率自適應(yīng)卡爾曼估計(jì)融合方法，包括：計(jì)算能夠直接反映含水率的傳感器測(cè)量值作為含水率突變的判斷標(biāo)準(zhǔn)；卡爾曼估計(jì)的工作狀態(tài)為穩(wěn)定狀態(tài)和突變狀態(tài)兩個(gè)工作狀態(tài)，需要設(shè)定閾值與含水率突變判斷參數(shù)進(jìn)行比較，對(duì)含水率是否突變做出判斷，以切換卡爾曼估計(jì)的工作狀態(tài)；對(duì)每個(gè)傳感器進(jìn)行卡爾曼估計(jì)更新；根據(jù)量測(cè)信息修正估計(jì)值；在穩(wěn)定狀態(tài)和突變狀態(tài)下，應(yīng)用不同的算法，對(duì)自適應(yīng)權(quán)重做歸一化計(jì)算；計(jì)算融合后的含水率。本發(fā)明能夠提升分含水率的估計(jì)精度。
【專利說(shuō)明】
兩相流含水率的自適應(yīng)估計(jì)方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于流體測(cè)量技術(shù)領(lǐng)域，利用傳感器測(cè)量得到的含水率冗余信息進(jìn)行自適 應(yīng)卡爾曼估計(jì)融合，用于提高兩相流含水率測(cè)量精度。 技術(shù)背景
[0002] 兩相流廣泛存在于日常生活與工業(yè)生產(chǎn)過(guò)程中，尤其體現(xiàn)在食品加工，生物工程， 化工產(chǎn)業(yè)，冶金工業(yè)和石油產(chǎn)業(yè)等行業(yè)，包括油水兩相流和氣液兩相流等。與一般單相流相 比，兩相流的流動(dòng)狀態(tài)更為復(fù)雜，因此兩相流的在線過(guò)程參數(shù)檢測(cè)一直以來(lái)都是學(xué)者和工 業(yè)產(chǎn)業(yè)界關(guān)注的重點(diǎn)。對(duì)于石油產(chǎn)業(yè)而言，油水兩相流含水率對(duì)油井監(jiān)測(cè)、生產(chǎn)預(yù)測(cè)和開采 計(jì)劃制定具有重要意義。
[0003] 目前針對(duì)兩相流含水率測(cè)量，可以使用快關(guān)閥方法、射線方法、微波方法、Wire-mesh 方法 、超聲方法和 電阻抗方法等 。相比于其他方法 ，電學(xué)方法具有測(cè)量速度快 ，對(duì)含水 率變化敏感，傳感器結(jié)構(gòu)簡(jiǎn)單，易于安裝，價(jià)格低廉等優(yōu)點(diǎn)。電學(xué)含水率測(cè)量方法包括電導(dǎo) 法、電容法、層析成像法等。單一傳感器對(duì)含水率測(cè)量有一定限制，例如，針對(duì)油水兩相流， 當(dāng)使用電導(dǎo)傳感器和電容傳感器聯(lián)合測(cè)量時(shí)，電導(dǎo)傳感器無(wú)法測(cè)量油相為連續(xù)相的分散 流，電容傳感器對(duì)層狀流測(cè)量分辨率較低等。在含水率較高（大于30%)且流型不是層狀流 時(shí)，電導(dǎo)傳感器和電容傳感器均可獲得含水率測(cè)量值，因此可利用雙傳感器的冗余數(shù)據(jù)進(jìn) 行融合，改善測(cè)量精度。
[0004] 兩相流是一種隨機(jī)的動(dòng)態(tài)流動(dòng)過(guò)程，流動(dòng)狀態(tài)復(fù)雜多變，傳感器的測(cè)量信號(hào)又有 無(wú)法避免的隨機(jī)誤差，其測(cè)量信息并不準(zhǔn)確，而且只能反映系統(tǒng)的外部特性。因此，很難根 據(jù)傳感器的測(cè)量信號(hào)直接對(duì)多相流動(dòng)狀態(tài)進(jìn)行精確的建模，而對(duì)狀態(tài)的描述都要基于大量 的近似假設(shè)，因此為得到多相流的含水率信息，需要根據(jù)測(cè)量數(shù)據(jù)對(duì)動(dòng)態(tài)系統(tǒng)的內(nèi)部狀態(tài) 進(jìn)行估計(jì)。
[0005] 狀態(tài)估計(jì)對(duì)認(rèn)知和分析測(cè)量系統(tǒng)具有重要的應(yīng)用價(jià)值，常用的估計(jì)理論包括最小 二乘估計(jì)、線性最小方差估計(jì)和卡爾曼估計(jì)等。不同的估計(jì)方法性能指標(biāo)不同，使用的信息 不同，其適用范圍也不同。最小二乘估計(jì)通常應(yīng)用于常值向量和隨機(jī)向量的估計(jì)，精度不 高，算法簡(jiǎn)單；線性最小方差估計(jì)以均方誤差最小作為優(yōu)化參數(shù)，適用于平穩(wěn)過(guò)程的估計(jì)， 其測(cè)量信息越豐富，估計(jì)精度越高，計(jì)算量越大，而且會(huì)隨著估計(jì)過(guò)程的累積，使得計(jì)算量 越來(lái)越大，不適用于復(fù)雜的長(zhǎng)時(shí)間的估計(jì)過(guò)程。針對(duì)動(dòng)態(tài)非平穩(wěn)的復(fù)雜的多相流流動(dòng)過(guò)程， 卡爾曼估計(jì)采用遞推的形式，通過(guò)一個(gè)狀態(tài)模型和一個(gè)觀測(cè)模型的迭代，利用上一時(shí)刻的 估計(jì)值和這一時(shí)刻的觀測(cè)值，來(lái)對(duì)這一時(shí)刻的狀態(tài)進(jìn)行估計(jì)?？柭烙?jì)中，單個(gè)傳感器(k + 1)時(shí)刻的狀態(tài)模型為:x(k+l) =F(k)x(k)+v(k)，式中x(k)和x(k+l)分別表示傳感器在k和 (k+Ι)時(shí)刻被測(cè)對(duì)象的狀態(tài)矢量;v(k)為狀態(tài)過(guò)程的高斯白噪聲;F(k)是狀態(tài)轉(zhuǎn)移矩陣。傳 感器1^時(shí)刻的測(cè)量模型為2(1〇=11(1〇1(1〇+￥(1〇，式中，2(1〇是傳感器的測(cè)量值 ;11(1〇是傳感 器的測(cè)量矩陣;W(k)是傳感器的測(cè)量噪聲?？柭烙?jì)計(jì)算量較小，可實(shí)時(shí)估計(jì)系統(tǒng)狀態(tài)， 適用于動(dòng)態(tài)系統(tǒng)。
[0006] 多相流作為非線性的動(dòng)態(tài)系統(tǒng)，流態(tài)復(fù)雜，含水率會(huì)隨著流態(tài)的不同而產(chǎn)生變化， 難以構(gòu)建理論模型，因此有必要對(duì)卡爾曼估計(jì)模型的參數(shù)進(jìn)行選擇和優(yōu)化，以使其能夠?qū)?實(shí)際的多相流狀態(tài)進(jìn)行估計(jì)。當(dāng)流態(tài)穩(wěn)定時(shí)，含水率較為穩(wěn)定，可以利用普通的卡爾曼估計(jì) 方法進(jìn)行估計(jì)，當(dāng)流態(tài)發(fā)生突變時(shí)，含水率也會(huì)隨之發(fā)生突變，此時(shí)需要對(duì)卡爾曼估計(jì)方法 進(jìn)行改進(jìn)，以便能夠更快速地適應(yīng)流態(tài)突變。
[0007] 針對(duì)多相流的隨機(jī)動(dòng)態(tài)過(guò)程，不同的估計(jì)算法具有不同的問(wèn)題，如低估計(jì)精度、低 響應(yīng)速度等。因此，利用自適應(yīng)加權(quán)融合算法對(duì)不同估計(jì)算法的估計(jì)值進(jìn)行融合，以避免各 自算法的問(wèn)題，從而獲得更好的結(jié)果。單個(gè)傳感器的估計(jì)結(jié)果，集中式估計(jì)結(jié)果，分布式估 計(jì)結(jié)果均可以用于進(jìn)行自適應(yīng)加權(quán)融合，利用各種方法的優(yōu)勢(shì)，提高含水率輸出的精度。

【發(fā)明內(nèi)容】

[0008] 本發(fā)明針對(duì)兩相流含水率測(cè)量，特別是石油工業(yè)的采油過(guò)程中經(jīng)常發(fā)生的含水率 突變狀態(tài)，需要估計(jì)算法能夠?qū)ν蛔儬顟B(tài)進(jìn)行高精度的快速響應(yīng)，提出一種基于卡爾曼濾 波估計(jì)的含水率動(dòng)態(tài)估計(jì)算法，能夠適應(yīng)測(cè)量過(guò)程中的含水率突變狀態(tài)，并利用自適應(yīng)加 權(quán)方法，提升分含水率的估計(jì)精度。本發(fā)明的具體技術(shù)方法如下：
[0009] -種兩相流含水率自適應(yīng)卡爾曼估計(jì)融合方法，設(shè)傳感器為H個(gè)，k時(shí)刻第j個(gè)傳感 器測(cè)量所得含水率為W(k)，包括：
[0010] 1)計(jì)算能夠直接反映含水率的傳感器測(cè)量值作為含水率突變的判斷標(biāo)準(zhǔn)J(k):
[0011]
(1)
[0012] 式中，，
是k時(shí)刻多種傳感器含水率測(cè)量值的平均值；
[0013] 2)卡爾曼估計(jì)的工作狀態(tài)為穩(wěn)定狀態(tài)和突變狀態(tài)兩個(gè)工作狀態(tài)，需要設(shè)定閾值與 含水率突變判斷參數(shù)J(k)進(jìn)行比較，對(duì)含水率是否突變做出判斷，以切換卡爾曼估計(jì)的工 作狀態(tài)：
[0014]
(2)
[0015]式中，Q是過(guò)程噪聲協(xié)方差矩陣，Θ是閾值，在計(jì)算中為一固定值，其典型取值范圍 為:在需要對(duì)油水兩相流含水率變化較為敏感的條件下，可在〇%〈θ< 5%范圍內(nèi)取一固定 值;在對(duì)油水兩相流含水率變化較為不敏感的條件下，可在5%〈θ< 50%范圍內(nèi)取一固定 值。QdPQ2分別是穩(wěn)定狀態(tài)和突變狀態(tài)時(shí)的估計(jì)得到的過(guò)程噪聲協(xié)方差，將J(k)與Θ的比較 作為判斷標(biāo)準(zhǔn)以切換卡爾曼估計(jì)器的工作狀態(tài)：當(dāng)J(k)〈0時(shí)，判斷卡爾曼估計(jì)器工作于穩(wěn) 定狀態(tài);當(dāng)J(k)>0時(shí)，判斷卡爾曼估計(jì)器工作于突變狀態(tài)；
[0016] 3)在判斷工作狀態(tài)后，利用不同的Q值，對(duì)每個(gè)傳感器使用如下方程進(jìn)行卡爾曼估 計(jì)更新：
[0017] 根據(jù)k時(shí)刻狀態(tài)推出（k+Ι)時(shí)刻狀態(tài)：
[0018] (3)
[0019]
[0020] 根據(jù)量測(cè)信息修正估計(jì)值：
[0021]
[0022]
[0023]
[0024]
[0025] 式中，毛雇+狀)是k時(shí)刻第j個(gè)傳感器對(duì)被測(cè)狀態(tài)x(k+l)的預(yù)測(cè)值，F(xiàn)(k+1)是狀態(tài)轉(zhuǎn) 移矩陣，i,(綠)是k時(shí)刻第j個(gè)傳感器對(duì)被測(cè)狀態(tài)x(k)的最小均方誤差估計(jì)值，Pj(k+l|k)是k 時(shí)刻第j個(gè)傳感器對(duì)(k+Ι)時(shí)刻的估計(jì)的協(xié)方差，Pj(k I k)是k時(shí)刻第j個(gè)傳感器對(duì)k時(shí)刻估計(jì) 的協(xié)方差，Zj (k+Ι)是(k+Ι)時(shí)刻第j個(gè)傳感器含水率測(cè)量值，hj (k+Ι)是(k+Ι)時(shí)刻第j個(gè)傳感 器的測(cè)量矩陣，I是單位矩陣，R是測(cè)量噪聲協(xié)方差矩陣；
[0026] 4)當(dāng)J(k)〈0時(shí)，分別用不同傳感器的測(cè)量數(shù)據(jù)進(jìn)行卡爾曼集中式估計(jì)，利用不同 傳感器的估計(jì)值進(jìn)行卡爾曼分布式估計(jì)，分別獲得k時(shí)刻含水率的集中式估計(jì)值和分布式 估計(jì)值；
[0027] 當(dāng)J(k)>0時(shí)，將不同傳感器的測(cè)量數(shù)據(jù)進(jìn)行卡爾曼集中式估計(jì)，獲得k時(shí)刻含水率 的集中式估計(jì)值；
[0028] 5)當(dāng)J(k)〈0時(shí)，使用各個(gè)傳感器前一時(shí)刻卡爾曼算法、集中式估計(jì)算法和分布式 估計(jì)算法得出的估計(jì)值計(jì)算自適應(yīng)權(quán)重；當(dāng)J(k)>0時(shí)，使用各個(gè)傳感器的前一時(shí)刻卡爾曼 估計(jì)算法和集中式估計(jì)算法得出的估計(jì)值計(jì)算自適應(yīng)權(quán)重。
[0029]對(duì)于第q種算法，k時(shí)刻自適應(yīng)權(quán)重為Wq(k)，其計(jì)算方法為：
[0030]
(8)
[0031 ]式中，Oq是第q種算法的"不確定度補(bǔ)償"參數(shù)，Xq(k_l)是(k_l)時(shí)刻第q種算法的估 計(jì)值
，是(k-Ι)時(shí)刻所使用的所有估計(jì)算法估計(jì)值的平均值，m是用于 計(jì)算的估計(jì)算法的個(gè)數(shù)。對(duì)于單個(gè)傳感器的卡爾曼估計(jì)，使用該傳感器的滿量程測(cè)量精 度對(duì)于集中式估計(jì)算法和分布式估計(jì)算法的"不確定度補(bǔ)償"參數(shù)％，使用如下方程計(jì) 算：
[003;
(9)
[0033] 在穩(wěn)定狀態(tài)和突變狀態(tài)下，應(yīng)用不同的算法，對(duì)k時(shí)刻自適應(yīng)權(quán)重Wq(k)做歸一化 計(jì)算：
[0034]
(1〇)
[0035] 其中 <⑴是在k時(shí)刻第q種算法的歸一化權(quán)重。
[0036] 6)在穩(wěn)定狀態(tài)與突變狀態(tài)，均使用如下方程計(jì)算融合后的含水率：
[0037]
(M)
[0038] X(k)為k時(shí)刻融合后的含水率。
[0039] 作為優(yōu)選實(shí)施方式，在需要對(duì)油水兩相流含水率變化較為敏感的條件下，可在0 % <θ< 5%范圍內(nèi)取一固定值;在對(duì)油水兩相流含水率變化較為不敏感的條件下，可在5%〈θ <50%范圍內(nèi)取一固定值。測(cè)量噪聲采用零均值高斯白噪聲，計(jì)算該白噪聲的協(xié)方差矩陣 作為R;測(cè)得的信號(hào)局部方差最小值認(rèn)為是噪聲方差，最大值認(rèn)為是信號(hào)方差，這兩個(gè)方差 的比值認(rèn)為是信噪比，使用當(dāng)前測(cè)量k時(shí)刻之前的檢測(cè)數(shù)據(jù)作為局部數(shù)據(jù)，根據(jù)信噪比重新 構(gòu)造隨機(jī)噪聲信號(hào)，并對(duì)隨機(jī)噪聲歸一化，計(jì)算穩(wěn)定狀態(tài)測(cè)量噪聲方差，取其最大值作為Qi 值;計(jì)算突變狀態(tài)測(cè)量噪聲方差，取其最大值作為Q2值;狀態(tài)轉(zhuǎn)移矩陣F(k)和傳感器的測(cè)量 矩陣h(k)均取值為1。
[0040] 本發(fā)明的實(shí)質(zhì)性特點(diǎn)是:針對(duì)多相流流動(dòng)過(guò)程，采用多傳感器測(cè)量所得數(shù)據(jù)，在測(cè) 量精度難以提高的情況下，利用可以對(duì)被測(cè)對(duì)象突變狀態(tài)有快速響應(yīng)的改進(jìn)卡爾曼估計(jì)算 法的估計(jì)值，集中式估計(jì)和分布式估計(jì)的估計(jì)值，進(jìn)行自適應(yīng)卡爾曼融合估計(jì)。利用"不確 定度補(bǔ)償"參數(shù)，對(duì)不同估計(jì)精度的估計(jì)方法的自適應(yīng)權(quán)重進(jìn)行補(bǔ)償，提高估計(jì)精度。本發(fā) 明的有益效果及優(yōu)點(diǎn)如下：
[0041 ] 1、該方法對(duì)被測(cè)對(duì)象的突變狀態(tài)有更快速的響應(yīng)；
[0042 ] 2、該方法相對(duì)于傳感器直接測(cè)量，提高了估計(jì)精度；
[0043] 3、該方法在計(jì)算量較小，可以實(shí)現(xiàn)實(shí)時(shí)在線估計(jì)。
【附圖說(shuō)明】
[0044] 以下附圖描述了本發(fā)明所選擇的實(shí)施例，均為示例性附圖而非窮舉或限制性，以 電容電導(dǎo)傳感器測(cè)量油水兩相流為例，其中：
[0045] 圖1本發(fā)明的測(cè)量方法電容電導(dǎo)傳感器測(cè)量空間示意圖；
[0046] 圖2本發(fā)明的測(cè)量方法整體計(jì)算步驟；
[0047] 圖3本發(fā)明的在線自適應(yīng)卡爾曼估計(jì)融合算法計(jì)算步驟。
【具體實(shí)施方式】
[0048] 下面結(jié)合說(shuō)明書【附圖說(shuō)明】本發(fā)明的計(jì)算方法。
[0049] 本例以電容傳感器和電導(dǎo)傳感器兩種測(cè)量方法對(duì)油水兩相流進(jìn)行含水率測(cè)量。圖 1為本發(fā)明的測(cè)量方法中，示例的電容電導(dǎo)傳感器測(cè)量空間示意圖。電導(dǎo)傳感器為四環(huán)結(jié) 構(gòu)，兩側(cè)環(huán)形電極為激勵(lì)電極，連接峰峰值2mA，20kHz交流方波電流信號(hào)，中間兩環(huán)形電極 為測(cè)量電極，采集電勢(shì)差。管道中流體含水率不同時(shí)，流體的混合電導(dǎo)率會(huì)發(fā)生變化，測(cè)得 的電勢(shì)差可以直接反映管道中流體的含水率。但是，當(dāng)管道內(nèi)連續(xù)相不導(dǎo)電，且為分散流 時(shí)，電導(dǎo)傳感器無(wú)法形成電流回路，測(cè)量失效。電容傳感器為對(duì)壁結(jié)構(gòu)，置于電導(dǎo)傳感器兩 測(cè)量電極之間。一個(gè)極板為激勵(lì)電極，連接峰峰值20V，lMHz的交流正弦電壓信號(hào)，另一個(gè)極 板為測(cè)量電極，利用與被測(cè)電容值成正比的測(cè)量電路，采集電壓值。管道中流體含水率不同 時(shí)，流體的混合介電常數(shù)會(huì)發(fā)生變化，測(cè)得的電壓值可以直接反映管道中流體的含水率。但 是，當(dāng)管道內(nèi)流體為層狀流或近似層狀流時(shí)，測(cè)量敏感度降低，測(cè)量失效。電容電導(dǎo)傳感器 測(cè)量敏感空間相同，采集頻率相同，可以較為方便地用于數(shù)據(jù)融合。
[0050] 圖2為本例中，含水率的整體計(jì)算步驟，包括利用互補(bǔ)信息和提取用于融合的冗余 信息。在k時(shí)刻，電容傳感器和電導(dǎo)傳感器均可以得到關(guān)于含水率的測(cè)量值：（1)當(dāng)電導(dǎo)傳感 器含水率模型計(jì)算值 Z1(k)大于100%時(shí)，說(shuō)明非導(dǎo)電相為連續(xù)相，采用電容傳感器含水率 計(jì)算值z(mì)2(k); (2)當(dāng)電容傳感器含水率模型計(jì)算值z(mì)2(k)與標(biāo)定時(shí)的滿管水測(cè)量值Zw滿足 90 % X Zw < Z2 (k)< 110 % X Zw時(shí)，說(shuō)明管道內(nèi)為層狀流或近似層狀流，采用電導(dǎo)傳感器含水 率計(jì)算值。除此兩種情況外，兩種傳感器所獲含水率，均可用于數(shù)據(jù)融合，利用在線自適應(yīng) 卡爾曼估計(jì)融合方法進(jìn)行關(guān)于含水率的融合計(jì)算。
[0051] 圖3為本例中，在線自適應(yīng)卡爾曼估計(jì)融合方法的計(jì)算步驟。
[0052] 1)針對(duì)多相流流動(dòng)，特別是石油工業(yè)的采油過(guò)程中經(jīng)常發(fā)生的含水率突變狀態(tài)， 需要估計(jì)算法能夠?qū)ν蛔儬顟B(tài)進(jìn)行高精度的快速響應(yīng)。對(duì)于電容傳感器和電導(dǎo)傳感器都可 以計(jì)算得到的有效的含水率值，其兩者的結(jié)果進(jìn)行平均，依據(jù)式（1)計(jì)算含水率突變判斷參 數(shù)。
[0053] 2)利用閾值Θ和含水率突變判斷參數(shù)J (k)對(duì)含水率突變進(jìn)行判斷，依據(jù)式(2)將J (k)與閾值Θ的比較作為判斷標(biāo)準(zhǔn)以切換卡爾曼估計(jì)器的工作狀態(tài)：當(dāng)J(k)〈0時(shí)，令卡爾曼 估計(jì)器工作于穩(wěn)定狀態(tài);當(dāng)J(k)>0時(shí)，令卡爾曼估計(jì)器工作于突變狀態(tài)。
[0054]在需要對(duì)油水兩相流含水率變化較為敏感的條件下，可在0%〈θ< 5%范圍內(nèi)取一 固定值;在對(duì)油水兩相流含水率變化較為不敏感的條件下，可在5%〈Θ < 50%范圍內(nèi)取一固 定值。本例中，令閾值Θ為3% C3QjPQ2是穩(wěn)定狀態(tài)和突變狀態(tài)時(shí)的估計(jì)得到的過(guò)程噪聲協(xié)方 差。
[0055] 3)當(dāng)J(k)〈0時(shí)，認(rèn)為多相流動(dòng)處于穩(wěn)定狀態(tài)，計(jì)算穩(wěn)定狀態(tài)電容傳感器和電導(dǎo)傳 感器各自的卡爾曼增益，通過(guò)式(3)~(7)，利用&進(jìn)行卡爾曼估計(jì)。當(dāng)J(k)>0時(shí)，認(rèn)為多相 流動(dòng)處于突變狀態(tài)，計(jì)算穩(wěn)定狀態(tài)電容傳感器和電導(dǎo)傳感器各自的卡爾曼增益，通過(guò)式(3) ~(7)，利用出進(jìn)行卡爾曼估計(jì)?？柭烙?jì)器的測(cè)量噪聲R采用零均值高斯白噪聲。測(cè)得的 信號(hào)局部方差最小值認(rèn)為是噪聲方差，最大值認(rèn)為是信號(hào)方差，這兩個(gè)方差的比值作為信 噪比。使用當(dāng)前測(cè)量k時(shí)刻之前1秒的檢測(cè)數(shù)據(jù)作為局部數(shù)據(jù)(計(jì)算初始值所需的之前1秒數(shù) 據(jù)可以由標(biāo)定的歷史數(shù)據(jù)得到），重新構(gòu)造噪聲信號(hào)，計(jì)算出穩(wěn)定狀態(tài)測(cè)量噪聲方差Q 1, QH+ 算值為6~10之間，采用最大值10;采用同樣方法計(jì)算突變狀態(tài)測(cè)量噪聲方差Q2，QH+算值小 于0.1，采用最大值0.1。當(dāng)電導(dǎo)傳感器和電容傳感器均正常工作時(shí)，狀態(tài)轉(zhuǎn)移矩陣F(k)取值 為1。電導(dǎo)傳感器和電容傳感器測(cè)量得到的含水率為真實(shí)含水率和量測(cè)噪聲的疊加，傳感器 的測(cè)量矩陣h(k)取值為1。第j個(gè)傳感器k時(shí)刻的狀態(tài)估計(jì)值鳥眾_使用初始時(shí)刻的測(cè)量值作 為初值。
[0056] 4)a)對(duì)于處于穩(wěn)定狀態(tài)的多相流動(dòng)過(guò)程，分別利用不同傳感器的測(cè)量數(shù)據(jù)進(jìn)行卡 爾曼集中式估計(jì)和分布式估計(jì)，分別獲得k時(shí)刻含水率的集中式估計(jì)值和分布式估計(jì)值。 [0057]使用如下方程進(jìn)行卡爾曼集中式估計(jì)：
[0058] (12;
[0059]
[0060] 式中，角標(biāo)cf表示集中式估計(jì)。是k時(shí)刻被測(cè)狀態(tài)x(k)的集中式全局估計(jì) 值，之,(球-1)是(k-Ι)時(shí)刻對(duì)被測(cè)狀態(tài)x(k)的集中式全局預(yù)測(cè)值，K」(k|k)是k時(shí)刻第j個(gè)傳 感器的卡爾曼增益，W(k)是k時(shí)刻第j個(gè)傳感器含水率測(cè)量值，h」(k)是第k時(shí)刻j個(gè)傳感器的 測(cè)量矩陣，F(xiàn)dk-I)是(k-Ι)時(shí)刻的集中式轉(zhuǎn)移矩陣。
[0061] 使用如下方程進(jìn)行卡爾曼分布式估計(jì)：
[0062]
[0063]
[0064]
[0065]
[0066] 式中，角標(biāo)df表示分布式估計(jì)。足是k時(shí)刻被測(cè)狀態(tài)x(k)的分布式全局估計(jì)， 1卜〇是(k-Ι)時(shí)刻被測(cè)狀態(tài)x(k)的分布式全局預(yù)測(cè)，Pdf(k|k)是k時(shí)刻分布式全局估計(jì) 協(xié)方差，Pj(k I k)是第j個(gè)傳感器k時(shí)刻對(duì)k時(shí)刻估計(jì)的協(xié)方差，Pj(k I k-1)是第j個(gè)傳感器(k-1)時(shí)刻對(duì)k時(shí)刻的估計(jì)的協(xié)方差，?·,(/啦-1)是第j個(gè)傳感器(k-Ι)時(shí)刻對(duì)被測(cè)狀態(tài)x(k)的預(yù)測(cè) 值，F(xiàn)df (k)是k時(shí)刻的分布式轉(zhuǎn)移矩陣，Pdf (k I k-Ι)是(k-Ι)時(shí)刻對(duì)k時(shí)刻的分布式全局估計(jì) 協(xié)方差。
[0067] 本例中，利用得到的電容傳感器和電導(dǎo)傳感器k時(shí)刻含水率測(cè)量值進(jìn)行計(jì)算，k時(shí) 刻的分布式轉(zhuǎn)移矩陣Fdf (k)與集中式轉(zhuǎn)移矩陣Frf(k)取值均為1。
[0068] b)對(duì)于處于突變狀態(tài)的多相流動(dòng)過(guò)程，利用不同傳感器的測(cè)量數(shù)據(jù)進(jìn)行卡爾曼集 中式估計(jì)，獲得k時(shí)刻含水率的集中式估計(jì)值。本例利用得到的電容傳感器和電導(dǎo)傳感器k 時(shí)刻測(cè)量值，依據(jù)式（12)~（13)進(jìn)行集中式估計(jì)，k時(shí)刻的集中式轉(zhuǎn)移矩陣Frf (k)取值為1。 突變狀態(tài)發(fā)生后的一段時(shí)間內(nèi)（本例為突變發(fā)生后3秒），均使用估計(jì)器的突變工作狀態(tài)進(jìn) 行計(jì)算，之后再使用估計(jì)器的穩(wěn)定狀態(tài)進(jìn)行計(jì)算。
[0069] 5)計(jì)算各個(gè)算法的自適應(yīng)權(quán)重，其中"不確定度補(bǔ)償"參數(shù)σ用于調(diào)節(jié)各個(gè)算法的 自適應(yīng)權(quán)重，補(bǔ)償參數(shù)根據(jù)各個(gè)算法的估計(jì)精度選取，以補(bǔ)償不同算法由于精度不同而造 成的可信度不同。在計(jì)算自適應(yīng)權(quán)重時(shí)，各個(gè)傳感器的"不確定度補(bǔ)償"參數(shù)〇 q，使用其滿量 程測(cè)量精度集中式估計(jì)值和分布式估計(jì)值的"不確定度補(bǔ)償"參數(shù)使用式(9)計(jì)算。在本 例中，傳感器個(gè)數(shù)H取2(電容傳感器、電導(dǎo)傳感器）。利用計(jì)算得到集中式估計(jì)值和分布式估 計(jì)值的"不確定度補(bǔ)償"參數(shù)進(jìn)行進(jìn)一步自適應(yīng)權(quán)重計(jì)算。例如：電容傳感器估計(jì)"不確定度 補(bǔ)償"參數(shù)為5%，電導(dǎo)傳感器估計(jì)"不確定度補(bǔ)償"參數(shù)為5%，集中式估計(jì)"不確定度補(bǔ)償" 參數(shù)為7.07 %，分布式估計(jì)"不確定度補(bǔ)償"參數(shù)為7.07 %。
[0070] 利用式(8)計(jì)算自適應(yīng)權(quán)重，利用式（10)進(jìn)行自適應(yīng)權(quán)重歸一化計(jì)算，得到最終的 歸一化權(quán)重。對(duì)于多相流動(dòng)穩(wěn)定狀態(tài)，利用在(k-Ι)時(shí)刻得到的電容傳感器估計(jì)值、電導(dǎo)傳 感器估計(jì)值、集中式估計(jì)值、分布式估計(jì)值，計(jì)算四種算法k時(shí)刻各自的歸一化權(quán)重;對(duì)于多 相流動(dòng)突變狀態(tài)，利用在(k-Ι)時(shí)刻得到的電容傳感器估計(jì)值、電導(dǎo)傳感器估計(jì)值、集中式 估計(jì)值，計(jì)算三種算法k時(shí)刻各自的歸一化權(quán)重。初始時(shí)刻各種算法采用的估計(jì)值，均為電 容傳感器和電導(dǎo)傳感器測(cè)量值的平均值。
[0071] 6)對(duì)于多相流動(dòng)的穩(wěn)定狀態(tài)和突變狀態(tài)，均使用式（11)計(jì)算在線自適應(yīng)加權(quán)卡爾 曼估計(jì)融合后的含水率。對(duì)于穩(wěn)定狀態(tài)，使用各個(gè)傳感器的卡爾曼估計(jì)值、卡爾曼集中式估 計(jì)值和卡爾曼分布式估計(jì)值及其相應(yīng)的歸一化權(quán)重計(jì)算融合后的含水率;對(duì)于突變狀態(tài)， 使用各個(gè)傳感器的卡爾曼估計(jì)值和卡爾曼集中式估計(jì)值及其相應(yīng)的歸一化權(quán)重計(jì)算融合 后的含水率。
【主權(quán)項(xiàng)】
1. 一種油水兩相流含水率自適應(yīng)卡爾曼估計(jì)融合方法，設(shè)傳感器為Η個(gè)，k時(shí)刻第j個(gè)傳 感器測(cè)量所得含水率為Zj化），包括： 1) 計(jì)算能夠直接反映含水率的傳感器測(cè)量值作為含水率突變的判斷標(biāo)準(zhǔn)J化）：(1) 式中是k時(shí)刻多種傳感器含水率測(cè)量值的平均值； 2) 卡爾曼估計(jì)的工作狀態(tài)為穩(wěn)定狀態(tài)和突變狀態(tài)兩個(gè)工作狀態(tài)，需要設(shè)定闊值與含水 率突變判斷參數(shù)J化)進(jìn)行比較，對(duì)含水率是否突變做出判斷，W切換卡爾曼估計(jì)的工作狀 態(tài)：(2) 式中，Q是過(guò)程噪聲協(xié)方差矩陣，Θ是闊值，在計(jì)算中為一固定值，其典型取值范圍為:在 對(duì)油水兩相流含水率變化較為敏感的實(shí)驗(yàn)條件下，可在0%<θ含5%范圍內(nèi)取一固定值;在 油水兩相流含水率變化較為不敏感的工程條件下，可在5%<θ含50%范圍內(nèi)取一固定值?；?和化分別是穩(wěn)定狀態(tài)和突變狀態(tài)時(shí)的估計(jì)得到的過(guò)程噪聲協(xié)方差，將J(k)與Θ的比較作為 判斷標(biāo)準(zhǔn)W切換卡爾曼估計(jì)器的工作狀態(tài)：當(dāng)J化)<θ時(shí)，判斷卡爾曼估計(jì)器工作于穩(wěn)定狀 態(tài);當(dāng)J化)〉θ時(shí)，判斷卡爾曼估計(jì)器工作于突變狀態(tài)； 3) 在判斷工作狀態(tài)后，利用不同的Q值，對(duì)每個(gè)傳感器使用如下方程進(jìn)行卡爾曼估計(jì)更 新： 根據(jù)k時(shí)刻狀態(tài)推出化+1)時(shí)刻狀態(tài)：式中，.?,α +拿)是k時(shí)刻第j個(gè)傳感器對(duì)被測(cè)狀態(tài)X化+1)的預(yù)測(cè)值，F(xiàn)化+1)是狀態(tài)轉(zhuǎn)移矩 陣，i,(冰)是k時(shí)刻第j個(gè)傳感器對(duì)被測(cè)狀態(tài)X化)的最小均方誤差估計(jì)值，p^k+lk)是k時(shí)刻 第j個(gè)傳感器對(duì)化+1)時(shí)刻的估計(jì)的協(xié)方差，P^k|k)是k時(shí)刻第j個(gè)傳感器對(duì)k時(shí)刻估計(jì)的協(xié) 方差，zj化+1)是化+1)時(shí)刻第j個(gè)傳感器含水率測(cè)量值山(k+1)是化+1)時(shí)刻第j個(gè)傳感器的 測(cè)量矩陣，I是單位矩陣，R是測(cè)量噪聲協(xié)方差矩陣； 4) 當(dāng)J化)<θ時(shí)，分別用不同傳感器的測(cè)量數(shù)據(jù)進(jìn)行卡爾曼集中式估計(jì)，利用不同傳感 器的估計(jì)值進(jìn)行卡爾曼分布式估計(jì)，分別獲得k時(shí)刻含水率的集中式估計(jì)值和分布式估計(jì) 值； 當(dāng)J化)〉θ時(shí)，將不同傳感器的測(cè)量數(shù)據(jù)進(jìn)行卡爾曼集中式估計(jì)，獲得k時(shí)刻含水率的集 中式估計(jì)值； 5) 當(dāng)J化)<θ時(shí)，使用各個(gè)傳感器前一時(shí)刻卡爾曼算法、集中式估計(jì)算法和分布式估計(jì) 算法得出的估計(jì)值計(jì)算自適應(yīng)權(quán)重；當(dāng)J化)〉θ時(shí)，使用各個(gè)傳感器的前一時(shí)刻卡爾曼估計(jì) 算法和集中式估計(jì)算法得出的估計(jì)值計(jì)算自適應(yīng)權(quán)重。 對(duì)于第q種算法，k時(shí)刻自適應(yīng)權(quán)重為Wq化），其計(jì)算方法為：(8) 式中，Oq是第q種算法的"不確定度補(bǔ)償"參數(shù)，Xq(k-l)是化-1)時(shí)刻第q種算法的估計(jì) 值，，是化-1)時(shí)刻所使用的所有估計(jì)算法估計(jì)值的平均值，m是用于計(jì) 算的估計(jì)算法的個(gè)數(shù)。對(duì)于單個(gè)傳感器的卡爾曼估計(jì)，oq使用該傳感器的滿量程測(cè)量精度 oj;對(duì)于集中式估計(jì)算法和分布式估計(jì)算法，使用如下方程計(jì)算：玲） 在穩(wěn)定狀態(tài)和突變狀態(tài)下，應(yīng)用不同的算法，對(duì)k時(shí)刻自適應(yīng)權(quán)重Wq化)做歸一化計(jì)算：(10) 其中聽化)是在k時(shí)刻第q種算法的歸一化權(quán)重。 6) 在穩(wěn)定狀態(tài)與突變狀態(tài)，均使用如下方程計(jì)算融合后的含水率：X化)為k時(shí)刻融合后的含水率。
【文檔編號(hào)】G01N27/22GK105842298SQ201610300174
【公開日】2016年8月10日
【申請(qǐng)日】2016年5月7日
【發(fā)明人】譚超, 吳昊, 董峰
【申請(qǐng)人】天津大學(xué)