基于超声波衰减效应的悬移质粒径分布反演
发布时间:2022-01-19 11:53
粒径分布是两相流的一项重要参数,为了实现其准确快速的测量,本文提出了一种超声波衰减效应与人工蜂群反演算法相结合的粒径分布测量方法。设计了基于聚焦式超声波传感器的悬移质参数测量系统,用于获得超声衰减信号并得到有效的实验衰减系数。根据理论声衰减模型求得理论衰减系数,构造理论衰减系数与实验衰减系数的误差函数作为目标函数。引入人工蜂群算法,优化目标函数,通过反演获得最优粒径分布。实验分别对三种不同分布的悬移质样本进行测量并采用筛分法作为对照实验,进行误差因素分析。结果表明,在实验范围内,该方法有较高的可行性与准确性,可为自由水体中悬移质粒径分布的测量提供一条新的思路。
【文章来源】:水力发电学报. 2020,39(01)北大核心CSCD
【文章页数】:10 页
【部分图文】:
总体研究方案
图中聚焦式超声换能器采用压电材料PZT82,球面投影直径90 mm,壁厚2.5 mm。其性能指标如表1所示。图2中测量系统主要组成仪器及其参数如表2所示。设置信号发生器产生猝发周期为10 ms、循环数为4、幅值为2.0000 Vpp的猝发波,对样本悬移质溶液进行测量。由于实验中的环境和测量仪器的噪声影响,采用小波变换[25]去除噪声的影响,同时采用傅里叶变换[26]简化在特定频率下求解超声波实验衰减系数的过程。根据式(3),即可通过处理后的信号计算出对应的实验衰减系数。
人工蜂群算法(artificial bee colony,ABC)作为一种多变量目标函数的优化算法,与其他同类优化算法相比具有独特的角色转换功能,使算法有效避免了陷入局部最优,并且其所做的选择是依据概率函数作为规则而非固定函数,使得算法具有良好的鲁棒性[29]。人工蜂群算法同时具有对初始值不敏感的优点,适用于本文对于粒径分布没有先验性信息的测量。另外由于粒径分布值较为复杂,不是单一数值的优化,更适用于人工蜂群算法多参数优化的情况,收敛快速且原理简单。人工蜂群算法模拟天然蜂群的觅食行为如图3所示,其行为的根本目的是使更多蜜蜂集中在更优的食物源。在使用人工蜂群算法解决测量粒径分布的问题中,第一步是确定包含待优化变量的目标函数,算法中蜜蜂搜寻的最优食物源对应着待求的粒径分布的最优解,即算法对食物源进行优化的过程对应着对粒径分布的优化过程。所以目标函数恰好可以类比为以不同的粒径比例为变量的实际衰减系数与理论衰减系数的误差函数,粒径比例的范围为0~1。通过式(2)可以计算得到26个频率下ECAH理论衰减系数组成的理论衰减系数向量αECAH(Ra,f b,pa):
【参考文献】:
期刊论文
[1]利用PTV测量细颗粒泥沙粒径和沉速[J]. 张凌越,李文杰,杨胜发,肖毅. 水力发电学报. 2018(07)
[2]动态图像法、激光散射法及筛分法的比较[J]. 蔡斌,王瑞青,叶上游. 炭素. 2018(01)
[3]基于时域信息的粒径分布及光学常数重建[J]. 任亚涛,齐宏,张晓罗,阮立明. 北京航空航天大学学报. 2017(11)
[4]泥沙直径和浓度对混流式水轮机转轮内流场的影响[J]. 廖姣,赖喜德,张兴. 水力发电学报. 2017(05)
[5]颗粒粒径分布对全散射法测量颗粒质量浓度的影响[J]. 崔江,刘小伟,陈栋,徐义书,韩金克,徐明厚. 中国电机工程学报. 2016(16)
[6]基于近场散射的颗粒粒径分布测量[J]. 谭浩,许传龙,张彪,王式民. 北京航空航天大学学报. 2017(02)
[7]超声衰减谱法颗粒粒径测量中遗传算法参数优化[J]. 汪雪,苏明旭,蔡小舒. 上海理工大学学报. 2016(02)
[8]基于ADV的三峡水库瞬时含沙量测量研究[J]. 李文杰,黄亚非,杨胜发,张鹏. 水力发电学报. 2015(11)
[9]人工蜂群算法综述[J]. 陈阿慧,李艳娟,郭继峰. 智能计算机与应用. 2014(06)
[10]利用ADV测量细颗粒泥沙浓度的试验研究[J]. 李文杰,张帅帅,杨胜发,韦登厚. 水力发电学报. 2014(04)
博士论文
[1]超声波矿浆粒度检测的非线性建模研究[D]. 何桂春.北京科技大学 2006
本文编号:3596804
【文章来源】:水力发电学报. 2020,39(01)北大核心CSCD
【文章页数】:10 页
【部分图文】:
总体研究方案
图中聚焦式超声换能器采用压电材料PZT82,球面投影直径90 mm,壁厚2.5 mm。其性能指标如表1所示。图2中测量系统主要组成仪器及其参数如表2所示。设置信号发生器产生猝发周期为10 ms、循环数为4、幅值为2.0000 Vpp的猝发波,对样本悬移质溶液进行测量。由于实验中的环境和测量仪器的噪声影响,采用小波变换[25]去除噪声的影响,同时采用傅里叶变换[26]简化在特定频率下求解超声波实验衰减系数的过程。根据式(3),即可通过处理后的信号计算出对应的实验衰减系数。
人工蜂群算法(artificial bee colony,ABC)作为一种多变量目标函数的优化算法,与其他同类优化算法相比具有独特的角色转换功能,使算法有效避免了陷入局部最优,并且其所做的选择是依据概率函数作为规则而非固定函数,使得算法具有良好的鲁棒性[29]。人工蜂群算法同时具有对初始值不敏感的优点,适用于本文对于粒径分布没有先验性信息的测量。另外由于粒径分布值较为复杂,不是单一数值的优化,更适用于人工蜂群算法多参数优化的情况,收敛快速且原理简单。人工蜂群算法模拟天然蜂群的觅食行为如图3所示,其行为的根本目的是使更多蜜蜂集中在更优的食物源。在使用人工蜂群算法解决测量粒径分布的问题中,第一步是确定包含待优化变量的目标函数,算法中蜜蜂搜寻的最优食物源对应着待求的粒径分布的最优解,即算法对食物源进行优化的过程对应着对粒径分布的优化过程。所以目标函数恰好可以类比为以不同的粒径比例为变量的实际衰减系数与理论衰减系数的误差函数,粒径比例的范围为0~1。通过式(2)可以计算得到26个频率下ECAH理论衰减系数组成的理论衰减系数向量αECAH(Ra,f b,pa):
【参考文献】:
期刊论文
[1]利用PTV测量细颗粒泥沙粒径和沉速[J]. 张凌越,李文杰,杨胜发,肖毅. 水力发电学报. 2018(07)
[2]动态图像法、激光散射法及筛分法的比较[J]. 蔡斌,王瑞青,叶上游. 炭素. 2018(01)
[3]基于时域信息的粒径分布及光学常数重建[J]. 任亚涛,齐宏,张晓罗,阮立明. 北京航空航天大学学报. 2017(11)
[4]泥沙直径和浓度对混流式水轮机转轮内流场的影响[J]. 廖姣,赖喜德,张兴. 水力发电学报. 2017(05)
[5]颗粒粒径分布对全散射法测量颗粒质量浓度的影响[J]. 崔江,刘小伟,陈栋,徐义书,韩金克,徐明厚. 中国电机工程学报. 2016(16)
[6]基于近场散射的颗粒粒径分布测量[J]. 谭浩,许传龙,张彪,王式民. 北京航空航天大学学报. 2017(02)
[7]超声衰减谱法颗粒粒径测量中遗传算法参数优化[J]. 汪雪,苏明旭,蔡小舒. 上海理工大学学报. 2016(02)
[8]基于ADV的三峡水库瞬时含沙量测量研究[J]. 李文杰,黄亚非,杨胜发,张鹏. 水力发电学报. 2015(11)
[9]人工蜂群算法综述[J]. 陈阿慧,李艳娟,郭继峰. 智能计算机与应用. 2014(06)
[10]利用ADV测量细颗粒泥沙浓度的试验研究[J]. 李文杰,张帅帅,杨胜发,韦登厚. 水力发电学报. 2014(04)
博士论文
[1]超声波矿浆粒度检测的非线性建模研究[D]. 何桂春.北京科技大学 2006
本文编号:3596804
本文链接:https://www.wllwen.com/kejilunwen/shuiwenshuili/3596804.html