Coriolis flowmåler

Den aktuelle version af siden er endnu ikke blevet gennemgået af erfarne bidragydere og kan afvige væsentligt fra den version , der blev gennemgået den 20. oktober 2013; checks kræver 28 redigeringer .

Coriolis - flowmålere  er enheder, der bruger Coriolis-effekten til at måle massestrømmen af ​​væsker, gasser . Funktionsprincippet er baseret på faseændringerne af de mekaniske vibrationer af de U-formede rør, som mediet bevæger sig igennem. Faseforskydningen er proportional med massestrømningshastigheden . En strømning med en vis masse, der bevæger sig gennem strømningsrørenes indløbsgrene, skaber en Coriolis-kraft , der modstår strømningsrørenes vibrationer. Visuelt mærkes denne modstand, når en fleksibel slange vrider sig under trykket af vand, der pumpes igennem den.

Enhed

Fordele ved at måle med en Coriolis flowmåler:

Disse enheder bruges også til at måle forbruget af LPG .

Måling af faseforskel og frekvens

I løbet af de sidste 20 år er interessen for masse Coriolis flowmålere steget markant [1]. Masseflow opnås i en masse Coriolis flowmåler ved at måle faseforskellen på signalerne fra to sensorer, væskens tæthed kan relateres til frekvensen af ​​signalerne [2]. Derfor skal frekvensen af ​​signalet og faseforskellen af ​​signalerne fra Coriolis masseflowmåleren overvåges med høj nøjagtighed og med minimal forsinkelse. I et tofaset (væske/gas) flow-miljø er alle signalparametre (amplitude, frekvens og fase) genstand for store og hurtige ændringer, og sporingsalgoritmernes evne til at følge disse ændringer med høj nøjagtighed og minimal forsinkelse er ved at blive stadig vigtigere.

Fourier-transformationen er en af ​​de mest undersøgte, universelle og effektive metoder til at studere signaler [3,4]. Dette bestemmer dets kontinuerlige forbedring og fremkomsten af ​​metoder, der er tæt forbundet med det, men overlegne i nogle egenskaber. For eksempel ved hjælp af Hilbert-transformationen [5] er det nemt at implementere amplitude- og fasedemodulationen af ​​bærebølgen, og PRISM [6] giver dig mulighed for at arbejde effektivt med tilfældige signaler repræsenteret af summen af ​​dæmpede komplekse eksponentialer.

Transformationerne anført ovenfor kan henføres til ikke-parametriske metoder [3], som har en fundamental begrænsning på frekvensopløsningen forbundet med observationstiden ved usikkerhedsrelationen: hvor og er den krævede frekvensopløsning og den observationstid, der er nødvendig for at sikre den, hhv. . Dette forhold stiller strenge krav til varigheden af ​​den observerede sektion med kravene om øget opløsning, hvilket igen forværrer de dynamiske egenskaber ved behandlingsalgoritmer og gør det vanskeligt at arbejde med ikke-stationære signaler.

Hilbert-Huang transformationen [7] udvider evnen til at arbejde med ikke-stationære ikke-lineære signaler, men til dato er den mere baseret på empiriske fund, hvilket gør det vanskeligt at udvikle anbefalinger til dens specifikke anvendelse.

En måde at overvinde usikkerhedsrelationen på er at skifte til parametriske signalbehandlingsmetoder, hvor det antages, at signalet består af en sum af delsignaler af en kendt form (normalt ortogonale i tid eller frekvens), og kun nogle signalparametre er ukendt. For eksempel, hvis en kompleks sinusoid bruges som et delsignal, så er parametrene den komplekse amplitude, frekvensen af ​​hver komponent. Baseret på principperne for løsning af systemer af uafhængige ligninger gør dette det muligt at reducere antallet af signalprøver til antallet af ukendte parametre, som kan være størrelsesordener mindre end antallet af prøver, der kræves til brug i Fourier-transformationen med samme opløsningsegenskaber.

De måske mest berømte metoder i denne klasse er algoritmer baseret på regressionsprocesser og glidende gennemsnitsprocesser [3]. Men hvis signalet kan repræsenteres som en lineær kombination af eksponentielle funktioner, er Prony-metoden, der blev foreslået så tidligt som i slutningen af ​​det 18. århundrede [8], meget brugt. Den største ulempe ved denne metode er behovet for nøjagtig viden om antallet af eksponentielle komponenter inkluderet i signalet og en ret stærk følsomhed over for additiv støj [9]. Ønsket om at overvinde disse mangler førte til fremkomsten af ​​en af ​​de mest effektive metoder til spektralanalyse - metoden for matrixstråler (MBM) [10, 11 [1] ]. I dette tilfælde bestemmes antallet af eksponentielle komponenter under driften af ​​metoden. Derudover viser undersøgelser, at IMF har en væsentlig større modstand mod additiv støj end Prony-metoden, og nærmer sig Rao-Kramer-estimatet i denne parameter [12].

I [13] overvejes metoder til behandling af strømsignaler fra et Coriolis flowmåler for at spore amplituden, frekvensen og faseforskellen, og deres karakteristika analyseres ved simulering af tofasede flowforhold. Disse metoder omfatter Fourier-transformation, digital faselåst sløjfe, digital korrelation, adaptivt notch-filter og Hilbert-transformation. I deres næste papir [14] beskrev forfatterne den komplekse båndpasfilteralgoritme og anvendte den til signalbehandling fra et Coriolis-masseflowmåler. For at estimere parametrene for signaler fra en Coriolis flowmåler, anvender artiklen [15 [2] ] også en modifikation af den klassiske matrixstrålemetode til vektorprocesser, som viste bedre resultater sammenlignet med Hilbert-metoden og den klassiske matrixstrålemetode.

Litteratur

Noter

  1. ↑ 1 2 Matrix-blyantmetode til coriolis-masseflowmåler-signalbehandling i tofasede strømningsforhold - IEEE Conference  Publication . ieeeexplore.ieee.org. Hentet 7. juni 2018. Arkiveret fra originalen 12. juni 2018.
  2. ↑ 1 2 M. P. Henry, O. L. Ibryaeva, D. D. Salov, A. S. Semenov, "Matrix blyantmetode til estimering af parametre for vektorprocesser", Vestnik YuUrGU. Ser. Måtte. Model. Progr., 10:4 (2017), 92–104 . www.mathnet.ru Hentet 7. juni 2018. Arkiveret fra originalen 12. juni 2018.

Links