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 |
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.
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.
