往复式混输泵瞬时流量特性的混合概率建模研究

发布时间：2020-05-21 09:53

【摘要】：多相混输工况下,往复式混输泵腔内复杂的多相流流动与进出口单向阀的无规则运动之间的相互作用,使得泵腔瞬时流量呈现迅速的强非线性、动态、多阶特性。由此产生的强烈瞬时流量脉动,引发了剧烈的管路压力脉动及振动,严重影响了泵的稳定运行,属往复式混输泵亟待解决的难题之一。然而,鉴于仍处于探索阶段的阀隙多相流流动机理,至今仍不能较准确地建立描述瞬时流量特性与混输工况间相互关系的机理和数值模型,无法为往复式混输泵的设计提供最直接的理论与技术依据,以有效减小瞬时流量脉动。数据驱动建模方法已广泛的应用于时变非线性系统的建模。然而,局限于现有的多相流参数测试技术,采用从大量实验数据中获取有用信息的传统学习方法,提高数据驱动经验模型的预测性能十分困难。同时,对于复杂的多相混输过程,基于少量的建模样本,单一的数据驱动经验模型,也很难捕捉所有样本的重要信息。因此,文中以往复式混输泵为研究对象,对其瞬时流量特性建模和预测方面存在的问题进行研究,利用高斯过程回归(GPR)模型及其提供的概率信息,开发简单、有效、适合工业应用的小样本混合概率建模方法。主要研究工作包括:(1)整合计算流体动力学(CFD)暂态模型和GPR经验模型的优势,提出一种集成概率混合建模方法,实现了往复式混输泵泵腔瞬时流量特性的建模和预测。实验结果表明,该方法可替代耗时的CFD设计过程,简单有效地选择较好的CFD暂态模型,克服CFD建模对设计者经验的依赖;也可用被选CFD模型提供的建模数据,架构合适的GPR模型,实现新工况下泵腔瞬时流量特性的在线预测。(2)基于两种不同的概率指标,提出一种自适应混合概率建模和预测方法,能自动地为预测样本从几种局部GPR模型和即时GPR模型中选择合适的预测模型。实验验证,基于有限的建模样本,该方法能有效利用各种模型的本质特性,更好地捕捉泵腔排出瞬时流量特性曲线的不同阶段及阶间暂态复杂特性。(3)提出一种集成GPR概率信息和过程知识的混合概率建模方法,实现了泵腔排出瞬时流量特性曲线的分阶段建模。该方法利用GPR模型提供的概率信息,先自动地将获得的初始泵腔排出瞬时流量预测曲线分割成不同阶段,而后整合混输泵的过程知识,采用不同的方法实现分阶段局部建模。实验验证,跟自适应混合概率建模方法相比,该方法以一种更简单有效的方式,更准确描述了复杂过程的不同阶段和阶间暂态特性。(4)提出两种融合主动学习的GPR混合概率建模方法,以指导实验获取有价值的少量建模样本,实现往复式混输泵泵腔瞬时流量特性的预测。实验结果表明,跟基于随机选取样本训练GPR模型的传统方法相比,文中提出的基于方差和相对方差准则选取重要样本的两种主动学习方法,均以更少的样本,取得了更好的学习和预测性能。进一步,由于基于相对方差的主动学习,同时考虑了样本的个体特性、样本间的动态特性,能更简单有效地应用于工程。(5)设计一套功能较为完善的往复式混输泵性能测试系统,为本文提出的瞬时流量特性混合概率模型提供稳定可靠的建模数据,并验证提出的建模方法的有效性。同时,该测试系统也可用于往复式混输泵产品厂内性能测试和出厂性能检验。
【图文】：

高斯过程回归逡逑１．１多相混输工艺概述逡逑石油开采中，油井产出物往往伴随有天然气、水、沙等多相介质。图１．１所逡逑示的传统油气分输工艺技术，利用集中处理平台进行油、气、水各相分离后，再逡逑由泵和压缩机实现油和天然气的独立输送。逡逑输气管道产距，

本文编号：2674095