一种基于有效数据的ECT分流型成像优化方法

本发明涉及仪器仪表，具体涉及一种基于有效数据的ect分流型成像优化方法。

背景技术：

1、石油、天然气输送管道内流体是典型的油-水或气-水两相流对象，为保证工业生产的安全，对管道内两相流的流动状态准确监测是十分必要的。其开采与运输过程中常伴随着岩层水和泥沙，且相界面具有随机性，这使得多相流动形式复杂多变，因此其流动参数及流型的精确测量、准确计算、有效预测一直是该领域科学家及工程师所研究的重点和难点。

2、电容层析成像(ect)技术具有非侵入式、可视化的特点，是一种新的无损测量手段，被广泛应用于两相流系统的动态测量中。ect通过电容传感器得到敏感场内的电参数，然后经过图像重建的方式反演得出敏感场内的物态分布。因此在ect技术中图像重建的质量至关重要，图像质量决定了反演敏感场内物态分布的准确性。

3、ect技术通过电容传感器的测量电容结合灵敏度场重建图像，传统的成像采用全部的测量电容数据。但随着ect技术研究的深入，有学者发现全部数据中存在部分冗余的数据，这些冗余数据在一定程度上加剧了ect技术固有的缺陷，从而影响了重建图像的质量，降低了ect应用的效率。传统的算法采用全部数据重构图像，因此重建的图像准确度较低。

4、为了提高ect检测技术的准确度，如何从全部数据中筛选出有效数据重构图像来提高成像的质量和效率，对于实现两相流参数的准确测量具有十分重大的科学价值和实际意义。

5、ect存在不适定性的固有缺陷，传统的成像方式采用全部测量数据重构图像，但其中冗余的数据可能加剧ect的不适定性问题，因此采用全部数据成像的方式往往存在图像不清晰，准确度不高等问题。

技术实现思路

1、为了克服以上现有技术存在的缺陷，本发明提出一种基于有效数据的ect分流型成像优化方法，预先对不同流型(中心流、环流、层流)的有效数据进行研究，确定不同流型的有效数据/筛选策略，在应用中通过首先通过流型识别获得流型信息，根据流型信息选择对应的有效数据/筛选策略，仅保留有效数据成像实现成像优化。先验知识的获取选择小样本表现较好的支持向量机(support vectormachine,svm)作为流型识别模型基础。

2、为了实现上述目的，本发明采用的技术方案是：

3、一种基于有效数据的ect分流型成像优化方法，包括以下步骤；

4、步骤1：预先对不同流型(中心流、环流、层流)的有效数据进行研究，确定不同流型的有效数据/筛选策略；

5、步骤2：由步骤1确定需要分类的流型，训练基于支持向量机的流型识别模型；

6、步骤3：获取电容数据后，输入步骤2的流型识别模型，得到流型的先验知识，然后根据先验知识选择有效数据/筛选策略，保留有效数据成像，实现基于有效数据的ect分流型成像优化。

7、所述步骤1确定不同流型的有效数据，根据对应的极板距离可以将不同的灵敏度矩阵行向量分为d1、d2、d3、d4、d5、d6向量，其余未给出的灵敏度矩阵行向量图像可以通过旋转若干角度得到。每个灵敏度矩阵行向量对应的灵敏度场包含正灵敏度场和负灵敏度场，其中正灵敏度场域内数值为正数，负灵敏度场域内数值为负数。流型变化或同一种流型参数变化时，水相介质可能处于正负灵敏度场之间，二者相互抵消使得测量电容值接近空管电容值，该测量电容值可能成为影响重建图像质量的冗余数据。

8、本发明首先将三种流型分为对称流型和非对称流型，其中对称流型定义为管道内介质分布关于管道的任一直径对称，中心流和环流同属于对称流型；

9、非对称流型即除对称流型以外的流型，层流属于非对称流型；中心流的参数为半径r；环流的参数为宽度w；层流参数为弓高h。

10、对于对称流型而言(即中心流和环流)，无论介质分布的参数大小如何，同一种灵敏度矩阵行向量对应的电容都有近似相等的数值，因此将同一种灵敏度矩阵行向量及对应的电容分为一组，对于每一个电容向量，总共有六组划分。将d1～d6灵敏度矩阵行向量及对应的电容称为d1～d6数据，它们的组合称为有效数据组合。

11、针对不同的介质参数，遍历d1～d6的组合，找到关于对应介质参数图像重建贡献最大的一组电容数据及对应的灵敏度矩阵行向量。

12、对于同一种流型的每一个介质参数，总共有63种不同的数据组合。

13、根据对称流型的有效数据搜索流程，得到有效数据组合为最佳有效数据组合，对应不同的参数范围；

14、设置流型的参数范围及步长l，根据步长在范围内采集n组电容数据并做归一化处理；从n组数据选取1组电容数据，从63种组合中选取1组，仅保留该组数据组合成像；记录图像综合评价指标，相关系数和相对误差，遍历所有组合；记录最大图像综合评价指标对应的数据组合；遍历n组数据。

15、若参数范围的划分过多，根据实验效果将相邻的参数区间合并，使用一组近似最佳有效数据组合代替最佳有效数据组合，其中图像综合评价指标结合和图像相关系数和图像相对误差，表示为：

16、

17、式中：x向量为求得的重构图像向量；y向量为真实物场分布向量；中各元素的平均值；中各元素的平均值。该式的值越大，说明重建图像越接近真实图像，即重建图像质量越高。

18、对于非对称流型(层流)，其电容增量分布方差较大，且部分数值接近0，这部分数据可能影响重建图像的质量。因此对层流重建图像优化的策略是，设置电容阈值t，大于电容阈值的电容数据和对应的灵敏度矩阵行向量被保留，小于电容阈值的电容数据和对应的灵敏度矩阵行向量则被舍弃不参与图像重建。

19、具体步骤如下：

20、1)计算层流电容增量向量δc；

21、2)设置电容阈值t，根据实验效果选取t下式，其综合反映了全局的电容增量大小，m为单次测量的电容数目，12电极ect系统对应m＝66；

22、

23、3)大于阈值t对应的电容数据为有效电容数据，其对应的灵敏度矩阵行向量为有效灵敏度矩阵行向量。

24、所述步骤2通过基于支持向量机的流型识别模型获取流型先验信息；首先由步骤1所得结果确定需要分类的流型，然后采集不同流型的电容数据训练基于支持向量机的流型识别模型，步骤2得到已训练的流型识别模型为有效数据的筛选提供先验知识。

25、所述步骤3结合步骤1和步骤2的内容，在确定不同流型的有效数据/筛选策略和已训练的流型识别模型后，首先采集电容数据，首先将测量得到的原始电容数据输入已训练的流型识别模型中，获得流型的先验知识；然后根据模型得到的流型先验知识选择有效数据/筛选策略，保留有效数据成像，完成基于有效数据的ect分流型成像优化。

26、本发明的有益效果：

27、本发明通过流型识别技术获得流型信息，根据不同流型选择不同的有效数据成像实现图像的优化，使用有效数据成像以实现对图像的优化，采用基于支持向量机(supportvector machine,svm)的流型识别模型，即首先使用基于svm的流型识别模型获得流型的信息，根据流型的信息选择不同的有效数据成像，完成基于有效数据的ect分流型成像优化。

28、本发明图像清晰，准确度高。