1. – Рост погрешности измерения расхода при увеличении содержания воздуха для малых и средних массовых расходов

Авторы также отмечают, что при увеличении типоразмера расходомера и, соответственно, увеличении максимального расхода, расходомер проявляет большую чувствительность к наличию воздуха. Более того, характер погрешности резко изменяется с возрастанием массового расхода (Рисунок 1.3.1.1.2)

2. – Рост погрешности измерения расхода при увеличении содержания воздуха для больших массовых расходов

Существует несколько теорий, которые нацелены на объяснение и выявление зависимости между содержанием воздуха и погрешностью измерения массового расхода, среди которых:

1. эффект «расцепления фаз» [], который приводит к смещению центра масс двухфазного в поперечном сечении трубы при ее ускоренном движении (Рисунок 1.3.1.1.3);

1. – Эффект «расщепления фаз» и смещения центра масс

2. пузырьковый эффект [];

3. эффекта резонатора [].

(расписать подробнее про эффекты)

Однако, как показано в [] и [], попытка применения какой-либо из теорий для оценки получаемой погрешности расходомера в случае двухфазного потока не приводит к приемлемым результатам. Во многим это объясняется тем, что конструктивные особенности каждого расходомера и случайность характера потока формируют уникальную картину возникновения погрешности.

Таким образом, наибольший вклад в погрешность кориолисова расходомера вносит вторая фаза в измеряемом потоке. Влияние второй фазы носит индивидуальный характер и зависит от типа расходомера, массового расхода и содержания воздуха. Кроме того, существующие теоретические попытки оценить влияние второй фазы на погрешность расходомера являются не имеют весомых результатов.

4. Обработка измерительных сигналов в кориолисовом расходомере

Согласно функциональной схеме на рисунке Рисунок 1.2.1.1.2, обработка измерительных сигналов в кориолисовом расходомере состоит из двух этапов:

1. расчет параметров измерительных сигналов (частота, амплитуда, разность фаз между сигналами);

2. расчет массового расхода и плотности.

Рассмотрим существующие подходы для решения задачи на каждом этапе.

Расчет параметров измерительных сигналов.

Существующие методы обработки измерительных сигналов кориолисова расходомера и оценки их параметров можно разделить на две группы.

Первую группу составляют методы, которые можно считать классическими для задачи оценки параметров сигналов в кориолисовом расходомере. Эти методы применялись и многие применяются в коммерческих кориолисовых расходомерах. Сравнительному исследованию классических методов посвящены работы [], [], на основании этих работ сводная таблица для сравнения преимуществ и недостатков классических методов (Таблица Таблица 1.4.1.1).

1. – Сравнение классических методов оценки параметров сигналов

Метод	Преимущества	Недостатки
Цифровой метод переходов через ноль	Отслеживание частоты и разности фаз одновременно, вычислительная простота	Чувствительность к шумам, обновление результатов 2 раза за период, отсутствие отслеживания амплитуды
Дискретное преобразование Фурье	Отслеживание всех параметров одновременно, вычислительная эффективность в рекуррентной форме	Растекание спектра, ограниченный динамический диапазон, зависимость между временем наблюдения и разрешением по частоте
Цифровая фазовая синхронизация	Отслеживание всех параметров одновременно, подавление наложения гармоник	Ограниченный динамический диапазон, обновление результатов 2 раза за период, ограниченный диапазон отслеживаемых параметров
Адаптивный режекторный фильтр	Высокая степень подавления шумов	Ограниченный динамический диапазон, зависимость между временем наблюдения и точностью отслеживания параметров
Метод цифровой корреляции	Высокая степень подавления случайных шумов, вычислительная эффективность	Невозможность подавления шумов гармоник, обновление результатов 2 раза за период
Преобразование Гильберта	Отслеживание всех параметров одновременно, вычислительная эффективность, высокая точность отслеживания	Чувствительность к случайному и гармоническому шуму, ограниченный динамический диапазон

В последнее время был разработан ряд новых методов для решения задачи оценки параметров:

1. метод матричных пучков и его модификации (Matrix Pencil Method) [];

2. метод PRISM [];

3. Complex Bandpass Filtering [].

2. – Сравнение новых методов оценки параметров сигналов

Метод	Преимущества	Недостатки
Метод матричных пуков
Метод PRISM
Complex bandpass filtering

Представленное сравнение методов носит обзорный характер, однако, позволяет сделать следующие выводы

1. Совмещение свойств фильтра и алгоритма оценки параметров. С одной стороны, такой подход позволяет повысить производительность алгоритма и скорость оценки параметров. С другой стороны, теряется возможность гибкой настройки алгоритма и могут возникать области его неустойчивости.

2. Вычислительная трудность алгоритма.

Таким образом, задача поиска эффективного алгоритма оценки параметров измерительных сигналов кориолисового расходомера в условиях двухфазного потока полностью не решена. Поэтому, в главе 2 предложена модификация существующего цифрового метода переходов через ноль с использованием дополнительного предварительного фильтра.

Расчет массового расхода и плотности.

Анализ работ в этой области показывает несколько подходов к контролю погрешности кориолисова расходомера при наличии дополнительной фазы в измеряемой среде.

Первый подход основан на использовании дополнительных средств измерения параметров среды для последующей коррекции. В качестве дополнительного средства измерения в [] использован ультразвуковой расходомер, в [] предложен измеритель скорости звука в среде.

Второй подход основан на применении методов искусственного интеллекта для коррекции погрешности. Основной вопрос в данном методе – это выбор входных параметров и методы реализации алгоритмов. В [] использовались нейронные сети (многослойный персептрон и радиально-базисные сети) для коррекции погрешности измерения расхода жидкой фракции в двухфазном потоке. При этом в качестве входных параметров нейронных сетей использовались наблюдаемый расход, падение плотности, коэффициент демпфирования драйвера и температура.

В [5] использовалиь ANN (artificial neural network), SVM (support vector machine) и GP (genetic programming) алгоритмы для оценки расхода жидкой и газовой фракций в двухфазном потоке. При этом наилучшие результаты были достигнуты с помощью SVM алгоритма. В качестве входных параметров, выбранных по методу в [6], использовались наблюдаемый расход, падение плотности, коэффициент демпфирования и перепад давления на расходомере, получаемый с помощью дифференциального датчика давления.

Третий подход основан на использовании собственных параметров кориолисова расходомера для выработки корректирующих значений. В качестве таких параметров в [7-9] используются оценка плотности среды и ток системы возбуждения.

(расширить описание)

Таким образом, проблема снижения погрешности кориолисова расходомера в газо-жидкостном потоке вызывает большой интерес, а для ее решения были предложены разнообразные методы. Однако, при этом, вне рамок рассмотрения осталась возможность использования статистических параметров первичных сигналов в кориолисовом расходомере и коррекция непосредственно функции преобразования (градуировочной характеристики) расходомера на основе оценки статистических параметров.