-
题名基于语义分割的气液两相塞状流持液率测量
被引量：4
- 1
-
-
作者
梁法春
赵靖文
孟佳
李琦瑰
李乃明
-
机构
中国石油大学(华东)储运与建筑工程学院
江苏福吉特管业有限公司
-
出处
《油气储运》
CAS
北大核心
2021年第11期1272-1277,1292,共7页
-
基金
国家自然科学基金资助项目“水下油气临界分流取样计量理论及实现方法”,51574272
国家重点研发计划“临海油气管道及陆上终端设施损伤机理与演化规律研究”,2016YFC0802301。
-
文摘
持液率是表征气液两相流动的重要参数之一,受图像噪声干扰,传统基于图像处理的持液率测量方法难以准确提取气液界面,导致持液率测量误差很大。为此,应用深度学习的语义分割算法,建立基于Deeplab V3+的网络模型,并通过塞状流流型采集实验得到的图像数据集对模型进行学习训练,进而识别并提取塞状流气、液流动区域界面,实现气液两相塞状流持液率的测量。结果表明:语义分割模型可实现对气液两相流图像的在线提取,并可实现对气相区、液相区及背景区的精确分割;顶部界面提取获得的持液率偏高,底部界面提取获得的持液率偏低,而平均液膜厚度对应的持液率与采用WMS(Wire-mesh Sensors)网格成像传感器测量得到的真实持液率最为接近,最大误差小于10%。研究成果为实现持液率的实时监测提供了新的途径。
-
关键词
油气田开发
气液两相流
持液率
语义分割
深度学习
高速摄像
测量
-
Keywords
oil-gas field development
gas-liquid two-phase flow
liquid holdup
semantic segmentation
deep learning
high-speed camera
measurement
-
分类号
TE832
[石油与天然气工程—油气储运工程]
-
