改进BP神经网络在三相流相分率检测中的应用

　　相分率是研究多相管流的重要课题,也是实现多相流计量的重要参量,它对生产过程工艺优化、流量测量及控制具有重要意义.振动管密度法是振动式密度计与密度法相结合的一种测量方法,广泛应用于相分率测量,但其只能测量两相流相分率,且计算精确度一般较差,而神经网络技术是一种有效的无模型非线性逼近器,具有较强的泛化能力.为了利用振动式密度计精确地测量油气水三相流相分率,本文探讨采用神经网络技术,将振动周期和振动幅度作为输入参数,含气率和液相含水率作为输出参数,构建BP神经网络模型,对水平管油气水三相流相分率进行预测,提高相分率的测量精确度.

　　1　振动管密度法测量技术

　　振动式密度计是基于当被测液体流过传感器时,振动敏感元件(振管)的共振频率随密度不同而不同,通过测量振动周期(频率)即可确定液体密度.振管的固有频率由下列数学公式决定[1],即

　　式中:an为两端紧固梁的固有频率系数;E为管材的弹性模量GN/m2;I为惯性距m4; l为振动管的有效长度m;As为振动管的截面积m2;ρs为振动管的密度kg/m3;A为被测液体截面积m2;ρ为液体密度kg/m3.

　　为维持振动管的连续振动,在传感器上装有拾振线圈和激励线圈,拾振线圈拾取振动周期信号,经放大、整形、锁相后给激励线圈提供振动能量,保持连续工作,其结构如图1所示.经线性展开,忽略不影响精确度的小误差项,液体密度ρ和振动周期T有下列关系:

　　式中K1、K2、K3为常数,由实验数据线性回归得出.依式(2)通过测量周期就可确定密度ρ.

　　在油水两相流中,由于原油含水率不同其密度也不同.当确定了油水混合液的密度值后,即可根据纯油密度和纯水密度计算出原油的含水率.其计算公式如下[2]:

　　式中:α为原油的体积含水率;ρ0为纯原油密度;ρ为原油水混合密度;ρw为油井产矿化水密度.

　　由式(3)可见,当ρw和ρ0一定,ρ由密度计测得时,就可以计算出原油的体积含水率.但此方法主要应用于两相流相分率的测量,而且由于密度计误差、纯水密度误差和纯油密度误差等误差因素的影响,式(3)计算含水率的精确度往往很低,如表1所示,从部分测试样本与实际结果对比来看,含水率的测量误差非常大,最大误差达到29·22%.

　　2　贝叶斯正则化BP神经网络原理

　　一般地,在训练集大小一定的情况下网络的泛化能力直接与其规模相关,如果神经网络的规模远远小于训练样本集的大小,则发生“过度训练”的机会就很小.贝叶斯正则化方法是通过修正神经网络的训练性能函数来提高其推广能力的.一般情况下,BP神经网络的训练性能函数采用均方误差函数ε,即