Szczegóły publikacji
Opis bibliograficzny
Zastosowanie konwolucyjnej sieci neuronowej do identyfikacji struktury przepływu ciecz-gaz w rurociągu z wykorzystaniem histogramów sygnałów z detektorów scyntylacyjnych — Application of the convolutional neural network to identify the liquid-gas flow structure in a pipeline using histograms of signals from scintillation detectors / Piotr Ochał, Robert Hanus, Marcin ZYCH // Przegląd Elektrotechniczny / Stowarzyszenie Elektryków Polskich ; ISSN 0033-2097. — 2022 — R. 98 nr 11, s. 185–189. — Bibliogr. s. 188–189, Streszcz., Abstr.
Autorzy (3)
- Ochał Piotr
- Hanus Robert
- AGHZych Marcin
Słowa kluczowe
Dane bibliometryczne
| ID BaDAP | 143471 |
|---|---|
| Data dodania do BaDAP | 2022-11-15 |
| Tekst źródłowy | URL |
| DOI | 10.15199/48.2022.11.38 |
| Rok publikacji | 2022 |
| Typ publikacji | artykuł w czasopiśmie |
| Otwarty dostęp |  |
| Creative Commons | |
| Czasopismo/seria | Przegląd Elektrotechniczny |
Abstract
Knowledge of the two-phase flow structure is essential for the proper conduct of industrial processes. In this work, the Convolutional Neural Network (CNN) is applied for analysis of histograms of signals obtained for liquid-gas flow by use gamma-ray absorption. The experiments were carried out on the laboratory hydraulic installation fitted with radiometric measurement system. Four types of flow regimes as plug, slug, bubble, and transitional plug – bubble were studied in this work. It was found that the CNN network correctly recognize the flow structure in more than 90% of cases.
Streszczenie
Znajomość struktury przepływów dwufazowych w rurociągach jest niezbędna dla oceny prawidłowego przebiegu wielu procesów przemysłowych. W niniejszej pracy zastosowano Konwolucyjną Sieć Neuronową (CNN) do analizy histogramów sygnałów uzyskanych dla przepływu ciecz-gaz z wykorzystaniem absorpcji promieniowania gamma. Eksperymenty przeprowadzono na laboratoryjnej instalacji hydraulicznej wyposażonej w radiometryczny układ pomiarowy. W pracy zbadano cztery typy przepływu: rzutowy, tłokowy, tłokowo-pęcherzykowy i pęcherzykowy. Stwierdzono, że sieć CNN poprawnie rozpoznaje strukturę przepływu w ponad 90% przypadków.
