Szczegóły publikacji
Opis bibliograficzny
Zastosowanie absorpcji promieniowania gamma i wybranych metod sztucznej inteligencji do identyfikacji struktury przepływu ciecz-gaz w rurociągu — Application of gamma absorption and selected artificial intelligence methods to identify the structure of liquid-gas flow in the pipeline / Robert Hanus, Marcin ZYCH, Maciej Kusy, Piotr Hanus // Przegląd Elektrotechniczny / Stowarzyszenie Elektryków Polskich ; ISSN 0033-2097. — 2018 — R. 94 nr 8, s. 146–149. — Bibliogr. s. 149, Streszcz., Abstr.
Autorzy (4)
- Hanus Robert
- AGHZych Marcin
- Kusy Maciej
- Hanus Piotr
Słowa kluczowe
Dane bibliometryczne
| ID BaDAP | 115598 |
|---|---|
| Data dodania do BaDAP | 2018-08-10 |
| Tekst źródłowy | URL |
| DOI | 10.15199/48.2018.08.34 |
| Rok publikacji | 2018 |
| Typ publikacji | artykuł w czasopiśmie |
| Otwarty dostęp |  |
| Creative Commons | |
| Czasopismo/seria | Przegląd Elektrotechniczny |
Streszczenie
Artykuł przedstawia zastosowanie metody absorpcji promieniowania gamma w połączeniu z wybranymi metodami sztucznej inteligencji do identyfikacji struktury przepływu ciecz-gaz w rurociągu poziomym. Dla sygnałów z zestawu radiometrycznego wyodrębniono na podstawie analizy w dziedzinie czasu szereg cech wykorzystanych następnie do rozpoznawania struktury przepływu. Zastosowano następujące metody sztucznej inteligencji: wielowarstwową sieć neuronową MLP, metodę K-średnich i algorytm wektorów wspierających SVM. Przedstawiono przykładowe wyniki badań dla trzech typów przepływu: tłokowego, tłokowo-pęcherzykowego i pęcherzykowego, uzyskanych na stanowisku laboratoryjnym wyposażonym w zamknięte źródła promieniowania Am-241 i sondy scyntylacyjne NaI(Tl). Otrzymano bardzo dobre wyniki identyfikacji struktury przepływu dla wszystkich analizowanych metod.
Abstract
The article presents the application of the gamma absorption method in combination with selected artificial intelligence methods to identify the structure of liquid-gas flow in a horizontal pipeline. For the signals from the radiometric set, a number of features were distinguished based on time domain analysis. These features were then applied to identify the flow structure. The following artificial intelligence methods were used: multilayer perceptron (MLP) neural network, K-means method and support vectors machine (SVM). Exemplary results for three flow types as plug, transitional plug-bubble and bubble are presented. The experiments were carried out on a laboratory stand equipped with closed Am-241 radiation sources and NaI(Tl) scintillation probes. For all the analyzed methods very good results of the flow structure identification were obtained.
