一种旋转球阀脉动流下的压降损失预测方法与流程

本发明涉及旋转球阀检测，具体为一种旋转球阀脉动流下的压降损失预测方法。

背景技术：

1、脉动流是指流体在管道中呈现出周期性变化的流动状态，通常由流量或压力的周期性变化引起，其特点是流体的流速、流量或压力随时间呈现出明显的周期性波动。其中，旋转球阀是脉动流周期控制的重要结构。

2、旋转球阀是一种常用的阀门类型，其设计特点是阀体内部安装有一个球形阀芯，通过调节球形阀芯的旋转角度，实现管道中的流体流量控制，在工业和市政领域中广泛应用。

3、由于旋转球阀在流体流动中的阻力，会引起一定的压降损失；在脉动流的周期性波动中，旋转球阀所产生的压降损失呈现出一定的波动，可以通过脉动流中旋转球阀的压降损失进行异常识别，判断是否存在异常，有效了解旋转球阀的工作状态，有助于管道的维护和检修。

4、现有技术中，对旋转球阀脉动流下压降损失预测主要是建立等效模型，通过等效模型中的脉动流体速度和脉动瞬时流量，计算各等效模型对应的脉动压降损失，基于所有的脉动压降损失计算得到旋转球阀脉动流下的总压降损失。

5、现有技术在理论上可以准确的对旋转球阀的压降进行测算，然而，在旋转球阀的使用中，随着时间的增加管道中的流体对管道内壁和旋转球阀的腐蚀与干扰逐渐积累，使得管道内壁和旋转球阀导致的压降损失出现变化；现有技术对管道内壁和旋转球阀的腐蚀与干扰变化未进行深入研究，导致对使用状态下旋转球阀的压降损失预测不够精确。

6、为此，提出一种旋转球阀脉动流下的压降损失预测方法。

技术实现思路

1、本发明的目的在于提供一种旋转球阀脉动流下的压降损失预测方法，收集脉动流参数集，根据脉动流参数集确定识别周期和检测点；在识别周期内对检测点检测得到第一检测数据、阀门检测数据和第二检测数据；根据检测数据得到摩擦压降数据；构建粗糙度预测模型对脉动流参数集和检测数据识别得到管道粗糙度，进一步计算得到管道摩擦压降；根据摩擦压降数据和管道摩擦压降得到第一压降损失数据；构建压降损失预测模型对脉动流参数集和阀门检测数据识别得到第二压降损失数据；根据第一压降损失数据和第二压降损失数据得到异常指数，实现对旋转球阀异常的准确识别预警。

2、为实现上述目的，本发明提供一种旋转球阀脉动流下的压降损失预测方法，包括：

3、s10.对管道中的脉动流进行数据收集，得到脉动流参数集，根据所述脉动流参数集识别得到所述脉动流的流动周期；根据所述流动周期确定识别周期；

4、s20.通过所述脉动流参数集和距离判断模型确定第一检测点、阀门检测点和第二检测点；在所述识别周期内对所述检测点进行数据收集，得到第一检测数据、阀门检测数据和第二检测数据；

5、s30.根据所述第一检测数据和第二检测数据，计算得到所述第一检测点和第二检测点之间的摩擦压降数据；

6、s40.构建粗糙度预测模型对所述脉动流参数集、第一检测数据和第二检测数据进行识别，得到第一管道粗糙度和第二管道粗糙度；

7、s50.根据所述第一管道粗糙度、脉动流参数集和第一检测数据得到第一管道摩擦压降，根据所述第二管道粗糙度、脉动流参数集和第二检测数据得到第二管道摩擦压降；根据所述摩擦压降数据、第一管道摩擦压降和第二管道摩擦压降得到第一压降损失数据；将所得数据存入数据库；

8、s60.构建压降损失预测模型对所述脉动流参数集和所述阀门检测数据进行识别，得到第二压降损失数据；

9、s70.根据所述第一压降损失数据和第二压降损失数据得到旋转球阀的异常指数，根据所述异常指数进行预警。

10、所述脉动流参数集包括管道流体的流速数据、压力数据、流体密度、流体温度、流体粘度和流体腐蚀性；

11、根据脉动流参数集识别流动周期的步骤为：

12、对流速数据和压力数据进行预处理，去除数据噪声和干扰；

13、对经过预处理的流速数据和压力数据进行傅里叶变换，将流速数据和压力数据中的时域特征转换到频域；

14、对经过傅里叶变换的流速数据和压力数据进行周期识别，得到脉动流的流动周期。

15、所述第一检测点和第二检测点的设置方式为：

16、在所述识别周期内，以所述旋转球阀为起点，识别旋转球阀前方的流体截面面积；

17、按照远离旋转球阀的顺序，将所述流体截面面积与管道截面面积进行比较，当比较结果满足阈值时，将所述流体截面面积所处位置与旋转球阀位置的距离作为影响距离；

18、获得所述识别周期内的全部影响距离，并将所述影响距离中的最大值作为最大影响距离；

19、收集得到旋转球阀处的流速数据和压力数据，结合流体密度、流体温度、流体粘度和流体腐蚀性，对最大影响距离进行模型训练与拟合，得到第一距离判断模型；

20、按照相同方法对所述识别周期内旋转阀门后方的流体截面面积进行识别；并通过模型训练得到第二距离判断模型；

21、通过第一距离判断模型和第二距离判断模型得到第一距离和第二距离，根据第一距离、第二距离和旋转球阀位置确定第一检测点和第二检测点。

22、所述第一检测数据包括：第一初始粗糙度、第一距离、第一压力、第一流速和管道直径；所述第二检测数据包括：第二初始粗糙度、第二距离、第二压力、第二流速和管道直径；所述阀门检测数据包括：阀门压力、阀门流速、阀门振动数据和阀门声音数据。

23、所述摩擦压降数据的获取方法为：

24、

25、其中，为第一检测点与第二检测点之间的总压降，通过压力传感器测算得到；表示重力压降，指由第一检测点与第二检测点之间的高度差产生的压降；表示速度压降，是指第一检测点与第二检测点之间流速变化产生的压降；表示摩擦压降数据，是指第一检测点与第二检测点之间的管道摩擦和旋转球阀导致的压降。

26、所述粗糙度预测模型的获得过程为：

27、确定管道的检测位置，对所述检测位置进行检测获得管道初始粗糙度；所述初始粗糙度通过对管道进行图像获取与识别得到；

28、对所述管道进行脉动流体实验，以流动周期为单位收集得到对应的脉动流参数集；

29、随后对经过实验的管道进行图像获取与识别，得到实验粗糙度；

30、根据所述初始粗糙度、所述脉动流参数集和所述实验粗糙度对初始化模型进行训练，得到粗糙度预测模型。

31、通过图像识别获取初始粗糙度的方法为：

32、设置检测长度，根据所述检测长度、管道的检测位置和流体流动方向确定待检测区域，所述待检测区域为管道的内壁；

33、对所述待检测区域进行图像识别与拼接，得到待检测区域图像；所述待检测区域图像为矩形，所述矩形的长为管道切面圆的周长，所述矩形的宽为所述检测长度；

34、对所述待检测区域图像的矩形长进行均匀拆分，得到多个子区域图像；

35、构建图像识别模型对所述子区域图像进行粗糙度识别，得到子区域粗糙度；

36、通过水位检测装置监测所述检测位置的水位信息，根据所述识别周期内的水位信息确定所述子区域图像对应的浸泡时间；

37、根据所述浸泡时间对所述子区域图像的子区域粗糙度进行加权，得到初始粗糙度；

38、所述初始粗糙度的计算公式为：

39、

40、

41、其中，表示初始粗糙度；表示划分的子区域数量；表示子区域的浸泡时间；表示子区域粗糙度；表示子区域的浸泡时间和。

42、将所述第一管道粗糙度、第一检测数据和脉动流参数集输入范宁公式，计算得到第一管道摩擦压降；

43、

44、其中，表示第一管道摩擦压降；表示范宁公式；表示第一管道粗糙度；表示第一检测数据；表示脉动流参数集；

45、将所述第二管道粗糙度、第二检测数据和脉动流参数集输入范宁公式，计算得到第二管道摩擦压降；

46、

47、其中，表示第二管道摩擦压降；表示范宁公式；表示第二管道粗糙度；表示第二检测数据；表示脉动流参数集；

48、通过摩擦压降数据、第一管道摩擦压降和第二管道摩擦压降计算得到第一压降损失数据：

49、

50、其中，表示第一压降损失数据。

51、所述压降损失预测模型的训练过程为：

52、构建数据库，将管道识别周期内的脉动流参数集、第一检测数据、阀门检测数据、第二检测数据和第一压降损失数据输入数据库保存；

53、从数据库中获得历史识别周期内的脉动流参数集、阀门检测数据和第一压降损失数据；

54、通过所述脉动流参数集和阀门检测数据获取管道特征、流体特征、压力特征、振动特征和声音特征，对第一压降损失数据进行拟合，得到压力损失预测模型；

55、通过压力损失预测模型对脉动流参数集和阀门检测数据识别，得到第二压降损失数据。

56、通过第一压降损失数据和第二压降损失数据的差异，计算得到异常指数；

57、所述异常指数的测算公式为：

58、

59、其中，表示识别周期内的异常指数；表示方差函数；表示第三数据集，通过第二压降损失数据与第一压降损失数据对应相减得到；表示方差阈值；表示与的距离；表示距离阈值；表示以自然常数为底的指数函数。

60、与现有技术相比，本发明的有益效果为：

61、1、本发明以旋转球阀作为起点，通过流体截面面积与管道截面面积，识别周期内旋转球阀对附近水流的影响，得到影响距离；将识别周期内影响距离的最大值作为最大影响距离；通过数据收集对最大影响距离进行拟合，得到距离判断模型；通过距离判断模型可以准确地得到最大影响范围，从而确定准确的检测点，确保数据获取的准确性。

62、2、本发明通过图像识别技术对管道内部的初始粗糙度进行识别与量化，随后对管道进行脉动流体实验，对实验后的管道内部再次进行图像识别，得到实验粗糙度；通过初始粗糙度和实验粗糙度可以准确地反映流体在流动周期内对管道粗糙度的影响，从而训练得到粗糙度预测模型，实现对管道内粗糙度的准确预测。

63、3、本发明通过脉动流参数集和阀门检测数据进行模型训练，通过对管道特征、流体特征、压力特征、振动特征和声音特征拟合得到压力损失预测模型；通过压力损失预测模型可以根据识别周期内的脉动流参数集和阀门检测数据，准确预测得到旋转球阀的压降损失数据。

64、4、本发明将通过检测点数据收集与计算得到的压降损失数据作为第一压降损失数据，将通过压力损失预测模型预测得到的压降损失数据作为第二压降损失数据，通过第一压降损失数据和第二压降损失数据的综合差异和个体差异计算得到异常指数，实现对识别周期内旋转球阀异常情况的准确识别与量化。