气液两相流参数测量的准确性和实时性对火力发电、化工、石油等工业生产具有重要意义.为提升气液两相流液相流量测量速度和精度,通过对电阻层析成像(electrical resistance tomography,ERT)技术和长短时记忆(long and short time memory,LSTM)神经网络的研究,提出了一种基于LSTM神经网络的气液两相流流量测量方法.利用16电极ERT系统分别采集了弹状流、泡状流两种流型对应的阵列电阻值,并将其作为LSTM神经网络的输入,电磁流量计采集的液相流量值作为理想输出,通过网络训练得到了2种流型下的液相流量测量模型.仿真实验结果表明:利用该方法在弹状流和泡状流下的均方根误差分别为5.359 m3/h和4.088 m3/h,平均引用误差低于3％,测量精度和速度优于BP神经网络,能够实现对两种流型下液相体积流量的准确测量.
展开▼
