摘要：
科氏质量流量计测量单相流具有很高的精度,但在气液两相流工况下,科氏流量计测量性能下降,质量流量测量误差急剧增加.为减小测量误差和量化气体体积分数,本文对液相质量流量测量量程0~1000 kg/h的科氏流量计,结合差压变送器,进行了含气率0~30%的气液两相流实验,并设计了基于粒子群优化算法-支持向量机(PSO-SVM)数据驱动的质量流量修正和含气率预测模型.PSO算法提高了模型构建的速度与预测精度.其中,差压可提供流动形态、相含率等信息,是模型的重要输入变量,包含该变量构建的模型对质量流量修正的相对误差为±1.5%,预测含气率的绝对误差为±3%.由于差压变量需外接差压变送器获取,存在安装不便、空间受限的问题.为实现一体化测量,利用科氏流量计自身动态信号来替代差压变量,并保证模型精度在可接受范围内.结合实验数据分析,设计了另外一种去除差压变量、输入变量完全基于科氏流量计自身信号的两相流测量模型.采用质量流量测量值方差替代差压,修正质量流量,对含气率预测设计了两级SVM模型,将质量流量修正的绝对偏差作为含气率预测模型的输入,以替代差压.结果显示,该模型对质量流量修正后的相对误差为±2%,含气率预测的绝对误差为±3%,模型精度可以接受,替代差压变量基本可行.
