عنوان پایان‌نامه

مانیتورینگ وضعیت ترانسمیتر التراسونیک فلو با استفاده از رهیافت ترکیب اطلاعات



    دانشجو در تاریخ ۰۱ اسفند ۱۳۸۶ ، به راهنمایی ، پایان نامه با عنوان "مانیتورینگ وضعیت ترانسمیتر التراسونیک فلو با استفاده از رهیافت ترکیب اطلاعات" را دفاع نموده است.


    رشته تحصیلی
    مهندسی برق‌-کنترل‌
    مقطع تحصیلی
    کارشناسی ارشد
    محل دفاع
    کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 38714;کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 1474
    تاریخ دفاع
    ۰۱ اسفند ۱۳۸۶

    چکیده یکی از روش های مهم غیر مخرب اندازه گیری جریان سیالات استفاده از دستگاه جریان سنج آلتراسونیک است. این دستگاه در مورد سیالات تکفاز بسیار دقیق عمل می کند اما هنگامی که سیال از حالت تکفاز به دوفاز حبابدار تبدیل می شود، بدلایل تخریب، تضعیف، انحراف و موارد دیگری که در موج آلتراسونیک دریافتی رخ می دهد، اندازه گیری با خطای غیرقابل قبول همراه می گردد. در وضعیت حادتر دستگاه از وضعیت عادی خارج می شود و اندازه گیری متوقف می گردد. با توجه به موارد مذکور، در صورت استفاده از این دستگاه به منظور کنترل، با توقفهای غیرضروری مواجه می شویم که ضرورت دارد حتی الامکان تعداد آنها کاهش یابد. از طرفی مساله پیچیده رفتار و ویژگی های سیالات دوفازه از مهمترین مسائل روز صنایع مختلفی همچون نفت و گاز می باشد. در یک تقسیم بندی سیالات دو فازه به گروه های مختلفی مانند حبابدار، حلقوی و غیره طبقه بندی می گردند. هدف در این پروژه آنست که با بررسی روشهای ترکیب اطلاعات بر روی تصاویر متوالی سیال دو فاز حاوی حباب، ویژگیهای مشکلساز سیال برای عملکرد جریان سنج آلتراسونیک (مساحت حباب) به نحوی دقیقتر، سریعتر و ارزانتر تخمین زده شود و بدین ترتیب به مانیتورینگ وضعیت جریان سنج آلتراسونیک پرداخته شود. فلسفه روش های ترکیب اطلاعات این است که با استفاده از چندین منبع اطلاعاتی، اطلاعات جامع‌ و کامل‌تری نسبت به یک منبع در اختیار قرار می گیرد. در مبحث ترکیب اطلاعات دو روش مورد بررسی دقیقتر قرار گرفت. روش فیلتر کالمن و روش میانگین گیری وزن دار مرتب شده برای تصمیم گیری بهتر بکار رفتند. از طبقه بندی کننده بیز نیز به منظور طبقه بندی حباب در دو دسته مشکلساز و غیرمشکلساز برای عملکرد جریان سنج آلتراسونیک استفاده شد. از آنالیز موجک نیز برای طبقه بندی حباب و نیز تکمیل سیستم اندازه گیری برپایه ترکیب اطلاعات و کاهش خطای آن استفاده گردید. بررسی نتایج نشان داد که اولاً فیلتر کالمن و روش میانگین گیری وزن دار مرتب شده در مقایسه با عملگرهای سنتی ترکیب، تخمین اندازه حباب را با خطای کمتری انجام می دهند و ثانیاً عملکرد ایندو در مورد حباب های بزرگ و کوچک متفاوت است. در واقع نتایج حاصل از پالایش کالمن در مورد حباب های کوچک دارای خطای کمتری نسبت به نتایج حاصل از روش میانگین گیری وزن دار مرتب شده است، در حالیکه استفاده از روش میانگین گیری وزن دار مرتب شده برای تخمین مساحت حباب های بزرگ نتایج بهتری در مقایسه با فیلتر کالمن بدست می دهد.
    Abstract
    Transit-time ultrasonic flowmeters are today’s state-of-the-art technology and they present some advantages over other flowmeters in that they are accurate, non-intrusive and less costly. Transit-time ultrasonic flowmeters have a high accuracy in stationary flow conditions. However, the fact that they are greatly sensitive to some dynamic factors such as fluid effects is their most well-known drawback. Bubble presence in the fluid is the most important and well-known fluid effect that results in the device’s measurement failure. The effect of bubbles is to scatter the ultrasound and also to affect the speed of sound in the liquid by affecting the compressibility of the liquid. These have the effect of attenuating the signal and degrading the signal to noise ratio in the flowmeter. In this work, the error caused by single bubble’s size effect on Transit-time ultrasonic flowmeter is investigated. When there are bubbles in the fluid, in addition to measurement error, and in a worse case, device fails to operate in normal mode. This may result in an Emergency Shutdown (ESD) of the flow control loop. The goal in this project is to avoid this phenomenon using the data fusion concept. Data fusion deals with the synergistic combination of information made available by various knowledge sources such as sensors, in order to provide a better understanding of a given scene. A new condition monitoring method based on optical observation and data fusion is introduced which avoids unnecessary Emergency Shutdowns (ESD) due to greater bubble existence in the fluid i.e. a sufficiently large bubble can halt the normal status of a transit-time ultrasonic flowmeter. In order to distinguish between the large bubbles which cause ESD and those bubbles with no effect on the flowmeter performance (small bubbles), the Bayesian theory is used. Using some well-known data fusion methods, we estimate the bubbles size more accurately. It is shown that the wavelet analysis can detect the presence of bubbles in the fluid and simultaneously classify them in order to enhance the bubble measurement size system.