Система и способ определения параметров текучей смеси для анализа текучей смеси во время ее перемещения
Использование: для определения параметров текучей смеси. Сущность изобретения заключается в том, что система определения параметров текучей смеси (FMPD) для анализа текучей смеси во время перемещения включает в себя вычислительную систему и по меньшей мере одну модель материала, включающую в себя два или более параметров модели для множества композиций материалов, хранящихся в запоминающем устройстве. Ультразвуковой датчик и датчик миллиметровых волн (MMW), каждый из которых подключен с возможностью измерения текучей смеси и связан с вычислительной системой. Ультразвуковой датчик предназначен для предоставления в вычислительную систему данных ультразвукового измерения, включая скорость текучей смеси или объемный расход, а также скорость звука (VoS) в текучей смеси. Датчик MMW предназначен для предоставления в вычислительную систему данных о скорости MMW. Вычислительная система предназначена для применения модели материала совместно с данными ультразвукового измерения и данными о скорости MMW для идентификации параметров, включающих в себя множество компонентов в текучей смеси и концентрацию для множества компонентов. Технический результат: повышение достоверности определения параметров текучей смеси. 2 н. и 15 з.п. ф-лы, 5 ил.
Перекрестные ссылки на родственные заявки
Настоящая заявка испрашивает преимущество по предварительной заявке с № 63/024690 под названием Fluid parameter determination USING millimeter-wave and ultrasound sensors, поданной 14 мая 2020 г., которая полностью включена в настоящий документ путем ссылки.
Область изобретения
Настоящее изобретение относится к системам определения параметров для текучей смеси.
Предпосылки создания изобретения
Природный газ представляет собой смесь газов, содержащую, в основном, метан (CH4), а также молекулы газов, имеющих большее количество атомов углерода, обычно содержащих от 2 до 8 атомов углерода, таких как этан, пропан и бутан. В состав природного газ обычно также входят и другие газы, такие как азот, углекислый газ, сероводород и гелий. Природный газ также может включать в себя различные загрязняющие вещества, такие как песок, вода и нефть. В этом начальном неочищенном состоянии природный газ обычно называют природным газом «с качеством из устья скважины» или «сырым» природным газом.
В средних сегментах рынка наблюдается растущий интерес и потребность в поточном контроле качества в режиме реального времени и мониторинге текучих смесей во время их протекания, например, природного газа, протекающего по трубопроводу. Композицию газа, транспортируемого по трубопроводу, или сжиженного природного газа (СПГ), хранящегося на судах, обычно определяют с помощью газовой хроматографии (ГХ).
ГХ представляет собой аналитическую методику, применяемую для определения композиции материалов, которые включают в себя более одного компонента композиции, как в случае природного газа, с целью вычисления ее энергетической ценности. Для обработки образцов с помощью стандартной ГХ внутри прибора требуются нагреватель и регулятор давления. В Северной Америке энергетическую ценность обычно выражают в британских тепловых единицах (БТЕ). Чем выше показатель БТЕ, тем более ценным является топливо и, следовательно, тем выше его цена. Таким образом, анализ композиции природного газа необходим для поставщиков природного газа, его дистрибьюторов, коммунальных служб, производителей газовых двигателей и приборов, а также потребителям природного газа.
Изложение сущности изобретения
В данном изложении сущности изобретения предложен краткий выбор описанных концепций в упрощенной форме, которые дополнительно описаны ниже в предложенном подробном описании со ссылкой на прилагаемые чертежи. Настоящее изложение сущности изобретения не имеет цели ограничить объем заявленного объекта изобретения.
Раскрытые аспекты учитывают, что обычные газовые хроматографы для анализа композиции текучих смесей, таких как природный газ, могут быть слишком дорогостоящими и слишком сложными для покупки и внедрения на небольших газораспределительных станциях и в распределительных сетях. Раскрытые аспекты включают в себя относительно недорогую систему определения параметров текучей смеси (FMPD — англ.: fluid mixture parameter determination), выполненную с возможностью поточных измерений (в реальном времени), причем такая система FMPD содержит по меньшей мере датчик миллиметровых волн (MMW — англ.: millimeter wave) и ультразвуковой датчик, каждый из которых передает данные датчика в вычислительную систему, которая включает в себя по меньшей мере одну модель материала. Вычислительная система использует соответствующие данные датчика вместе с моделью(-ями) материала для определения множества параметров текучей смеси во время перемещения такой текучей смеси. Определяемые параметры включают в себя различные композиции, присутствующие в текучей смеси, и их соответствующие концентрации, объемный расход и скорость звука (VoS – англ.: velocity of sound), а также, необязательно, другие параметры, такие как плотность текучей среды, влажность, массовый расход, температура и давление.
Краткое описание графических материалов
На фиг. 1A показано упрощенное изображение примера системы FMPD в соответствии с иллюстративным аспектом.
На фиг. 1B показана система FMPD, показанная на фиг. 1A, которая теперь находится в общем корпусе вместе с установленными на концах фланцами, а также функциональным переключателем и экраном дисплея.
На фиг. 2 показана иллюстративная блок-схема обработки данных для определения множества параметров текучей среды для протекающей текучей смеси с применением описанной системы FMPD.
На фиг. 3 приведен пример таблицы, в которой показаны важные свойства композиции для множества составляющих материалов, включая те, которые, в общем случае, включены в природный газ, показанный как ПГ.
На фиг. 4 показан пример описанной схемы комплексирования данных, где данные от датчика MMW, ультразвукового датчика и датчика FBG обрабатываются совместно вычислительной системой, которая реализует блок байесовской классификации, подсистему искусственной нейронной сети (ANN – англ.: artificial neural network) и математические модели.
Подробное описание
Описанные варианты осуществления описаны со ссылкой на прилагаемые фигуры, причем на всех фигурах одинаковые номера позиций используются для обозначения аналогичных или эквивалентных элементов. Фигуры представлены не в масштабе и предназначены только для иллюстрации аспектов, описанных в настоящем документе. Некоторые описанные аспекты описаны ниже со ссылкой на примеры применения для иллюстрации. Следует понимать, что множество конкретных деталей, взаимосвязей и способов приведено для обеспечения полного понимания вариантов осуществления, описанных в настоящем документе.
Кроме того, термины «связанный с» или «подключенный к» (и т.п.), используемые в настоящем документе, в отсутствие дополнительных уточнений предназначены для описания непрямого либо прямого электрического соединения. Таким образом, если указывается, что первое устройство «соединено» со вторым устройством, такое соединение можно осуществлять посредством прямого электрического соединения, при котором на пути имеются только паразитные элементы, или посредством непрямого электрического соединения через промежуточные элементы, включающие в себя другие устройства и соединения. При непрямом соединении промежуточный элемент, как правило, не изменяет информацию в сигнале, но может изменять его текущий уровень, уровень напряжения и/или уровень мощности.
Хотя числовые диапазоны и параметры, задающие широкий объем настоящего описания, являются приблизительными, числовые значения, указанные в конкретных примерах, представлены настолько точно, насколько это возможно. Однако любое числовое значение по своей природе содержит определенные погрешности, неизбежно вытекающие из среднеквадратичного отклонения, проявляющегося при соответствующих тестовых измерениях. Более того, следует понимать, что все диапазоны, описанные в настоящем документе, охватывают все входящие в них поддиапазоны. Например, диапазон «менее 10» может включать в себя все без исключения поддиапазоны между (и включительно) минимальным нулевым значением и максимальным значением 10, т. е. все без исключения поддиапазоны, имеющие минимальное значение, равное нулю или больше нуля, и максимальное значение, равное или меньше 10, например, поддиапазон от 1 до 5.
На фиг. 1A представлено упрощенное изображение примера системы 100 FMPD, установленной на трубопроводе 180 для определения множества параметров текучей смеси во время ее перемещения по трубопроводу 180, в соответствии с иллюстративным аспектом. Показан трубопровод 180 с диаметром d (определяющим его площадь сечения), в котором имеется текучая смесь, которая, как показано, протекает слева направо, со скоростью, обозначенной как V. Система 100 FMPD выполнена с возможностью поточного (в реальном времени) мониторинга множества параметров текучей смеси во время ее перемещения. Система 100 FMPD может считаться «суперизмерителем», поскольку в ней реализованы функции семи различных измерителей, перечисленных на фиг. 1A, и, по существу, она также имеет микропрограммное обеспечение, которое позволяет оператору системы 100 FMPD активировать или деактивировать любую из этих функций и признаков.
Эти измерители показаны как объемный расходомер 101, массовый расходомер 102, измеритель 103 энергии (теплотворной способности), проточный хроматограф и анализатор 104 качества текучей среды, измеритель 105 плотности, измеритель 106 содержания влаги (обеспечивающего измерение влажности) и измеритель 107 давления и температуры текучей среды. Также показана вычислительная система 120 системы 100 FMPD, предусматривающая анализаторы, включающие в себя анализатор 108 концентрации композиции и анализатор 109 комплексной диэлектрической проницаемости текучей среды.
Система 100 FMPD содержит датчик 145 MMW и показанный ультразвуковой датчик 130, имеющий пару преобразователей Т1 и Т2. Хотя ультразвуковой датчик 130 показан как имеющий одну пару преобразователей, у него может быть более 1 пары преобразователей. Также показан необязательный датчик 135 с волоконной брэгговской решеткой (FBG — англ.: Fiber Bragg Grating), представленный прямоугольниками, показанными на внутренней поверхности трубопровода 180, которые расположены друг напротив друга. Датчик 135 FBG может быть реализован различными способами, при которых матрица чувствительных элементов датчика 135 FBG обычно установлена на отрезке оптоволоконного кабеля, который может быть установлен вдоль внутренней окружности трубопровода 180. Все эти датчики 145, 135, 130 показаны как имеющие признак передачи, приема и измерения, и каждый из них присоединен к трубопроводу 180 для выполнения соответствующих им функций измерения. Также показаны датчик 170 давления и датчик 175 температуры, прикрепленные к трубопроводу 180 и предназначенные для выполнения соответствующих им функций измерения.
Вычислительная система 120 содержит процессор 121 и по меньшей мере одно связанное с ним запоминающее устройство 122. Показана вычислительная система 120, в которой реализован блок 123 выделения сигнатуры, блок 124 диагностики, калибровки и комплексирования данных датчика, модели материала и блок 125 параметров, а также блок 126 параметрической классификации и идентификации материалов. В вычислительной системе 120 также реализована подсистема ANN или подсистема искусственного интеллекта (AI — англ.: artificial intelligence), показанный как блок 127 обучения ANN/AI, который показан связанным с блоком 126 параметрической классификации и идентификации материала.
Соответствующие датчики 145, 135, 130 показаны связанными с вычислительной системой 120 с помощью блока 155 предварительной обработки, а затем с аналого-цифровым преобразователем (АЦП) 150. Блок 155 предварительной обработки обеспечивает функции фильтрации данных, масштабирования данных и временной синхронизации. Временная синхронизация обычно требуется во время измерения и для управления. Временную синхронизацию в блоке 155 предварительной обработки применяют, главным образом, для согласования данных, предоставляемых соответствующими датчиками, с осями времени и пространства, которые иногда преобразуют в общие координаты, например, на основе полярных координат или декартовых координат.
Вся система 100 FMPD, включающая в себя соответствующие датчики 145, 135, 130, показанные на фиг. 1A, может быть объединена в единую универсальную систему датчиков (см. описанную ниже фиг. 1B, когда все датчики содержатся в общем корпусе, показанном как поз. 190). Альтернативно, соответствующие датчики 145, 135, 130 могут быть предоставлены отдельно.
Датчик 145 MMW предназначен для испускания высокочастотного излучения (с короткой длиной волны) и является чувствительным к композициям материала. Высокая частота/короткая длина волны позволяет применять антенну(-ы) относительно небольшого размера. Рабочая частота для датчика 145 MMW обычно составляет от 24 ГГц до 300 ГГц, причем 24 ГГц иногда также называют миллиметровым диапазоном или квази-миллиметровым диапазоном. Ширина полосы частот датчика 145 MMW обычно составляет >10% от его центральной частоты, то есть более 30 ГГц в конкретном случае с центральной частотой 300 ГГц. Датчик 145 MMW обеспечивает данные о скорости MMW , применяемые для определения характеристик соответствующих материалов в текучей смеси, включающие в себя данные для вычислительной системы 120, чтобы измерять концентрации различных составляющих материалов, показанной на фиг. 1A как анализатор 108 концентрации композиции.
Также показана вычислительная система 120, обеспечивающая для текучей смеси измерение ее комплексной диэлектрической проницаемости, плотности, влагосодержания, давления текучей среды, температуры текучей среды, объемного расхода, массового расхода, полной энергии, а также поточный хроматограф и анализатор 104 качества текучей среды.
Часть прямоугольной рамки датчика 145 MMW, показанного на фиг. 1A, в общем случае содержит контроллер, например, микроконтроллер, цифровой сигнальный процессор (DSP — англ.: digital signal processor), передатчик и приемник. Датчик 145 MMW также включает в себя по меньшей мере одну антенну, показанную в виде первого и второго треугольников, обозначенных как А1 и А2 на фиг. 1A, которая выполнена в виде пары антенн. Как известно для датчиков MMW, передатчик включает в себя схему фазовой автоматической подстройки частоты (PLL — англ.: phase lock loop), контроллер качания частоты и усилитель мощности, а приемник включает в себя смеситель и малошумящий усилитель (LNA — англ.: low noise amplifier).
Благодаря технологическим достижениям в сфере высокочастотных полупроводниковых приборов, датчик 145 MMW может быть доступен в продаже в виде миниатюрной системы на кристалле (SoC — англ.: system-on-a-chip), например, производства компании Texas Instruments Inc. Как отмечалось выше, датчик 145 MMW может обеспечивать полосу пропускания частот 30 ГГц и 300 ГГц, что позволяет выполнять относительно сложное определение характеристик с применением матрицы рассеяния, поляризационных, частотных, фазовых и амплитудных сигнатур газов, а также жидких и твердых частиц. Электромагнитное излучение миллиметрового диапазона, применяемое в датчике 145 MMW, признано надежной технологией для неразрушающего испытания (NDT — англ.: nondestructive testing) и пригодно для определения влажности материала и измерений концентрации текучей среды.
Данные о скорости MMW, предоставляемые датчиком 145 MMW, применяются в вычислительной системе 120 совместно с базой данных, которая показана в виде моделей материалов и блока 125 параметров, с иллюстративными данными о модели материалов в таблице свойств композиции материалов, которая показана на фиг. 3 и описана ниже, для обеспечения обнаружения соответствующих компонентов, которые, как известно, находятся в текучей смеси. Другой способ идентификации материала заключается в применении калибровки по характеристикам и компонентам, которые требуется искать, и про которые не известно, находятся ли они в текучей смеси, и, далее, в выполнении классификации и идентификации материала для ранее неизвестных компонентов. В случае, когда текучая смесь представляет собой природный газ, соответствующие материалы могут включать в себя известные материалы, находящиеся в природном газе, включая влагу и основные компоненты композиции углеводородного газа (например, главным образом метан (C1), C2, C3 и C4, при этом все они показаны на фиг. 3, описанном ниже).
Во время работы датчика 145 MMW миллиметровые волны (MMW), испускаемые одной из антенн, такой как А1, функционирующей как передающая антенна, проходят через текучую смесь перед тем, как достигнут другой антенны, такой как А2, функционирующей как приемная антенна. Скорость MMW можно определить из времени перемещения между А1 и А2, причем форма сигнала, ширина полосы сигнала и частота MMW изменяются в присутствии текучей смеси. Разные композиции текучей смеси будут оказывать разное влияние, при этом чем выше относительная диэлектрическая проницаемость и/или магнитная проницаемость текучей среды, тем ниже скорость проходящих через нее волн MMW.
Ультразвуковой датчик 130 измеряет параметры текучей среды, включая скорость текучей смеси и VoS, которую также называют скоростью звука в текучей среде (SoS — англ.: speed of sound). На VoS влияют, главным образом, соответствующие материалы в текучей смеси, температура и давление. Ультразвуковой датчик 130 также передает необработанные данные в вычислительную систему 120, где вычислительная система 120, в общем случае, применяет специальные алгоритмы для формирования сигнатур сигналов, включая форму, амплитуду и фазу принятого сигнала из необработанных данных.
Датчик давления и датчик температуры являются стандартными признаками, предусмотренными в традиционном ультразвуковом датчике. Показания давления и температуры от измерителей 107 давления и температуры текучей среды применяются ультразвуковым датчиком 130 для преобразования измеренного в реальном времени объема в объем, приведенный к нормальным условиям, и это преобразование обычно выполняется электронным корректором объема (EVC — англ.: electronic volume corrector) как части ультразвукового датчика 130. Хотя ультразвуковой расходомер 130 обычно имеет встроенный EVC, в других расходомерах турбинного типа и ротационных расходомерах обычно применяют отдельный EVC.
Преобразователи T1 и T2 ультразвукового расходомера 130 показаны на фиг. 1A расположенными на противоположных сторонах трубопровода 180, причем каждый из них обычно выполнен с возможностью отправки или приема высокочастотных ультразвуковых импульсов, которые проходят через текучую смесь. Прямоугольная рамка, показанная как ультразвуковой датчик 130 на фиг. 1A, включает в себя контроллер, а также передатчик и приемник, а также обычно мультиплексор, соединяющий Tx и Rx таким образом, что в любой данный момент времени один преобразователь осуществляет передачу, а другой преобразователь — осуществляет прием, и наоборот. Импульсы возбуждения генерируют в цепи передатчика, а также в цепи передатчика обычно имеется схема автоматического управления усилением (AGC — англ.: automatic gain control).
Как известно специалистам в области ультразвуковых измерений, также возможны другие компоновки преобразователя, например, когда первый и второй преобразователи Т1 и Т2 расположены на одной и той же стороне трубопровода 180, а также схемы ультразвукового измерения с более чем двумя преобразователями. Также может быть предусмотрена схема отражающего тракта, где первый и второй преобразователи Т1 и Т2 могут находиться на одной и той же стороне трубопровода 180.
Что касается самого датчика и соответствующих технологий измерения для ультразвукового датчика 130, хотя он, по существу, работает при относительно низкой частоте, равной нескольким сотням кГц, ультразвук может применяться при измерениях скорости потока, и, поскольку на SoS существенно влияют композиции материала, разные материалы и текучие смеси приведут к разным показателям SoS. Ультразвуковой датчик 130 в одной компоновке работает на частоте от 100 кГц до 2 МГц. Диапазон рабочих частот для ультразвукового датчика 130 может составлять, например, от 100 кГц до 400 кГц для газообразных текучих сред и от 400 кГц до 2 МГц для жидких текучих сред.
Датчик 135 FBG обеспечивает оптоволоконный спектрометр, действующий за счет направления света в оптоволокно, где свет отражается обратно от FBG. Теоретически в одном и том же волокне при одной и той же номинальной центральной длине волны может присутствовать сто или более FBG. Обычно в датчике 135 FBG имеется множество FBG по меньшей мере в случае датчика FBG на основе мультиплексирования с разделением по длине волны (WDM — англ.: wavelength division multiplexing). Отраженный свет приходит обратно на фотодетекторы датчика 135 FBG и сравнивается с образцами эталонных длин волн так, что датчик 135 FBG способен определять положение центральной длины волны FBG. Информацию о длине волны преобразуют в технические единицы, например сдвиг длины волны на 1,3 пикометра может соответствовать 1 единице микродеформации. Фактическое преобразование задается коэффициентом чувствительности, который, как правило, указывается при поставке датчика 135 FBG.
WDM представляет собой технологию, созданную в телекоммуникационной отрасли, в которой применяется множество оптических сигналов, поданных в одно оптическое волокно путем объединения в оптоволокне света с разной длиной волны (т. е. разных цветов). В этом случае оптоволоконного измерения описывается применение FBG с различными длинами волн отражения (брэгговские длины волн) в одном оптическом волокне. В датчике 135 FBG также может применяться мультиплексирование с временным разделением (TDM — англ.: time division multiplexing), в котором для определения того, какой сигнал отражается от какой именно FBG вдоль волоконного тракта, применяется известная скорость света в волокне. TDM может упростить опрос на одной и той же длине волны с временными задержками, чтобы также можно было применять комбинацию WDM и TDM.
Датчик 135 FBG способен обеспечивать высокую точность, поскольку применение WDM (или WDM вместе с TDM) для датчика 135 FBG позволяет регистрировать отражение волны с конкретной длиной в результате деформации FBG, вызванной изменениями влажности, температуры или механического напряжения/давления. Датчик 135 FBG может работать на частоте среднего инфракрасного и ближнего инфракрасного диапазонов. Например, при частоте от 37 до 400 TГц для датчика 135 FBG на основе волоконного усилителя, легированного эрбием (EDFA — англ.: Erbium-Doped Fiber Amplifier), который способен действовать на уровне мощности от 20 до 24 дБ (представляющего величину усиления оптической мощности) и при частоте от 192 до 196 TГц, что соответствует длине волны от 1530 до 1562 нм.
За счет сочетания по меньшей мере двух различных принципов измерения и типов волн (например, электромагнитные волны, обеспечиваемые датчиком 145 MMW, и механические волны, обеспечиваемые ультразвуковым датчиком 130) описанные аспекты учитывают сложность многопараметрического моделирования, которое может быть реализовано с применением обучения ANN/AI, реализуемого блоком 127 ANN/AI. Кроме того, датчики 135 FBG способны выполнять считывание волоконно-оптических сигналов спектроскопических сигнатур для уточнения вышеуказанных результатов (и предоставлять дополнительную информацию о параметрах путем сбора характеристик отражения и преломления при различных длинах волн, которые связаны со свойством материала, и обработки этих данных с целью функционирования в качестве спектроскопа.
Как отмечалось выше, вычислительная система 120 формирует множество параметров текучей среды. Каждый из этих параметров текучей среды может быть включен/отключен оператором с помощью микропрограммного обеспечения, выполненного с возможностью включения/выключения функции. Что касается определения концентрации композиции, это включает в себя концентрацию композиций, о которых известно, что они находятся в текучей смеси, а также концентрацию непредвиденно обнаруженных материалов с применением известной базы данных, например, с применением комплексных данных по относительной диэлектрической проницаемости и плотности. Параметр плотности, показанный на фиг. 1A, может быть реализован вычислительной системой 120 с применением молярной массы, деленной на молярный объем, где молярный объем идеального газа составляет 0,0227 м3/моль при 0°C и 100 кПа, 0,02479 м3/моль при 25°C и 100 кПа в соответствии с уравнением идеального газа.
Параметр содержания влаги, показанный на фиг. 1A, можно реализовать с помощью данных от датчиков FBG с нанесенным покрытием, причем покрытие выбирают таким образом, чтобы сделать датчик FBG чувствительным к влажности. Давление и температура текучей среды могут быть измерены с помощью ультразвукового датчика 130. Параметр объемного потока также может быть реализован с помощью данных от ультразвукового датчика 130, измеряющего путь для VoS и дальнейшего расчета средней скорости по площади сечения трубопровода 180, при этом значение скорости потока, измеренное ультразвуковым датчиком 130, может быть умножено на площадь поперечного сечения трубопровода 180 для получения значений расхода текучей смеси. Массовый расход (который рассчитывают как плотность потока, умноженную на объем потока) и энергетическая ценность реализованы вычислительной системой 120, учитывающей измеренные композиции и их молярный состав как концентрацию, включающую в себя для природного газа компоненты от C1 до C4 (бутан), которую можно применять для расчета значений теплотворной способности (энергии).
Расчет теплотворной способности (энергии) представляет собой стандартный расчет при помощи обычного газового хроматографа. Поточный хроматограф и анализатор качества текучей среды, показанные на фиг. 1A, реализованы посредством вычислительной системы 120 с помощью известной информации либо для контроля качества текучей среды, либо для контроля основных полезных композиций. Например, содержание воды или уровень влажности в природном газе должен быть как можно ниже. Аналогичным образом, согласно нормативам различных стран, уровень токсичных газов, таких как H2S, должен составлять менее десятков миллионных долей. Также нормируется содержание углекислого газа, метана и т.д., а за счет идентификации компонентов, присутствующих в текучей смеси, обеспечивается соблюдение норм по теплотворной способности, а также соответствие природоохранным нормам.
Блок 124 диагностики, калибровки и комплексирования данных датчика предназначен для объединения соответствующих данных от соответствующих датчиков, которые могут применяться для определения моделей для распознавания по эталону. Блок 127 обучения ANN/AI может применяться для формирования в векторном пространстве мультисенсорных комплексных моделей с помощью регистрируемых сигнатур, генерируемых блоком 123 выделения сигнатуры из данных, поступивших от датчика 145 MMW, ультразвукового датчика 130 и, необязательно, также от датчика 135 FBG.
На фиг. 1B показана система 100 FMPD, показанная на фиг. 1A, которая теперь показана как система 100' FMPD, расположенная в общем корпусе 190 вместе с монтажными фланцами 195 на его соответствующих концах, которые монтируют в трубопровод. Система 100' FMPD показана дополнительно содержащей функциональный переключатель 185 и экран 196 дисплея. Фланцы 195 имеют отверстия, позволяющие выполнять болтовые крепления со смежным участком трубопровода, как и в обычном расходомере, при этом между трубами может быть вставлена трубная катушка с фланцами 195 для болтового крепления. Примеры расположения показаны для управления ориентацией ультразвукового датчика 130, датчика 145 MMW и датчика 135 FBG. Система 100' FMPD может также включать в себя другие датчики.
На фиг. 2 показана иллюстративная блок-схема 200 обработки данных для определения множества параметров текучей среды для протекающей текучей смеси, причем, как отмечалось выше, датчик FBG является необязательным, то есть тут он показан как датчики 135’ FBG с покрытием, которые способны реализовывать технологию WDM. Данные датчиков, показанные как предоставляемые датчиком 135 FBG с нанесенным на него покрытием, ультразвуковыми датчиками 130 и датчиком 145 MMW, все связаны (с помощью АЦП 150, а затем блока 155 предварительной обработки, показанными на фиг. 1) с вычислительной системой, которая теперь показана как поз. 120', которая реализует байесовский анализ классификации вместе с модулем 127a подсистемы ANN/AI.
Блок 123 выделения сигнатуры вычислительной системы 120’ выполняет выделение сигнатуры с помощью соответствующих данных датчиков, принятых от датчиков трех показанных типов, которые затем обрабатываются в векторно-пространственные данные 129, который затем классифицируют с помощью блока 126 параметрической классификации и идентификации материала, показанного как отдельный блок 126a классификации материала, и блок 126b идентификации параметров, который обеспечивает идентификацию множества параметров текучей среды, таких как параметры, показанные на фиг. 1A и описанные выше.
Также показана блок-схема 200 обработки данных, включающая в себя блок 125 модели материалов и параметров, также показанный на фиг. 1A, для обучения на пробах или для загрузки базы данных. Логическая схема 220 управления синхронизацией предназначена для координирования синхронизации соответствующих измерений, полученных измеренных данных и вычислений, а также любых считающихся необходимыми временными последовательностями управления. Измерения обычно производятся ультразвуковым датчиком 130 (путь прохождения ультразвукового измерительного сигнала), датчиком 145 MMW (измерения скорости MMW) и датчиком 135’ FBG с покрытием.
Что касается определения композиций, присутствующих в текучей смеси в случае газовой смеси, то специалист в данной области техники может применять различные соответствующие уравнения, разработанные с применением настоящего описания, для определения компонентов текучей смеси, поскольку композиции газа влияют на величину VoS в газе. Взаимосвязь для VoS может быть выражена следующим образом:
где Mr = плотность композиции (г/моль), Z = коэффициент сжимаемости газа, ρ = молярная плотность, ∂ представляет собой частичную производную, Cp/Cv представляет собой отношение теплоемкости газа при постоянном объеме и постоянном давлении. R = универсальная газовая постоянная = 8,31446261815324 Дж·K–1моль–1. T представляет собой температуру, выраженную в градусах Кельвина. Молярная плотность (Mr - англ.: molar density) может быть выражена следующим образом:
Поскольку основные газовые композиции в природном газе имеют разную молярную массу (молекулярную массу) и VoS, сигнатуры от ультразвукового датчика 130 могут быть применены для идентификации и классификации соответствующих компонентов газовой смеси, как показано в таблице на фиг. 3, которые указаны в столбце для молярной массы. Также можно определить диэлектрическую проницаемость материала. На скорость MMW (обозначена как VoE в уравнении ниже) влияет диэлектрическая проницаемость и магнитная проницаемость среды, через которую проходят MMW.
где C0 представляет собой VoE (скорость, аналогичная скорости света) в вакууме = 3×108 м/с, 
= относительная диэлектрическая проницаемость материала (RP), 
= его относительная магнитная проницаемость.
Аналогичным образом, основные газовые композиции в природном газе имеют различную относительную диэлектрическую проницаемость (RP), которая изменяет скорость MMW. Для идентификации молярной массы соответствующих композиций в текучей смеси и, таким образом, их распознавания, как показано на фиг. 3, где представлена таблица со значениями RP в столбце для известных компонентов природного газа, могут применяться частотные сигнатуры. Разные источники газа/жидкости в цепочке поставок могут иметь разные процентные доли этих компонентов, поэтому значения в колонке RP являются указанием, которое не взято непосредственно из общедоступных источников, а представляет собой приблизительную оценку, сделанную на основании нескольких факторов. Например, для природного газа концентрация метана обычно изменяется в пределах от 70% до 90%.
ПРИМЕРЫ
Раскрытые аспекты дополнительно проиллюстрированы следующими конкретными примерами, которые ни в коей мере не следует рассматривать, как ограничивающие объем или содержание настоящего изобретения.
На фиг. 4 показан пример описанной схемы комплексирования данных, где данные от датчика 145 MMW, ультразвукового датчика 130 и датчика 135 FBG обрабатываются совместно посредством вычислительной системы, показанной как 420, которая содержит процессор 121 и запоминающее устройство 122, реализующую блок 421 байесовской классификации, подсистему 422 ANN и блок 423 математических моделей, как описано выше в приведенных уравнениях, а также статистические модели, такие как распределение вероятности и распределение частотного спектра компонентов. Показаны данные от каждого из датчиков 145, 130 и 135, связанные с каждым из блоков 421 байесовской классификации, подсистемой 422 ANN и блоком 423 математических моделей. Соответствующие выходные данные блока 421 байесовской классификации выводят векторы признаков, выделенные из исходных данных, подсистема 422 ANN выводит абстрактные модели и математические модели 423, являющиеся обновленными математическими моделями, включающими в себя коэффициенты, каждый из которых показан как сохраненный в базе данных, показанной как поз. 435.
Хотя выше описаны различные варианты осуществления, следует понимать, что они представлены исключительно в качестве примера, а не в целях ограничения. В соответствии с описанием, приведенным в настоящем документе, можно вносить множественные изменения в описанные варианты осуществления без отступления от сущности или объема настоящего описания. Таким образом, охват и объем настоящего описания не ограничиваются каким-либо из вышеописанных примеров осуществления. Напротив, объем настоящего описания следует определять в соответствии с приведенными ниже пунктами формулы изобретения и их эквивалентами.
1. Система определения параметров текучей смеси (FMPD) для анализа текучей смеси во время ее перемещения, содержащая:
вычислительную систему, включающую в себя процессор и связанное с ним запоминающее устройство, и по меньшей мере одну модель материала, которая включает в себя два или более параметров модели для множества композиций материалов, хранящихся в запоминающем устройстве;
ультразвуковой датчик и датчик миллиметровых волн (MMW), каждый из которых подключен с возможностью измерения текучей смеси и каждый из которых связан с вычислительной системой;
ультразвуковой датчик для предоставления в вычислительную систему данных ультразвукового измерения, включающих в себя по меньшей мере скорость или объемный поток текучей смеси и скорость звука (VoS) в текучей смеси;
датчик MMW для передачи в вычислительную систему данных о скорости MMW,
причем такая вычислительная система предназначена для применения модели материала совместно с данными ультразвукового измерения и данными о скорости MMW для идентификации параметров, включающих в себя множество компонентов в текучей смеси и концентрацию для множества компонентов.
2. Система FMPD по п. 1, отличающаяся тем, что данные ультразвукового измерения содержат необработанные данные, которые вычислительная система применяет для определения формы, амплитуды и фазы сигнала.
3. Система FMPD по п. 1, отличающаяся тем, что вычислительная система реализует подсистему искусственной нейронной сети (ANN) или подсистему искусственного интеллекта (AI), выполненные с возможностью динамического обновления модели материала.
4. Система FMPD по п. 1, отличающаяся тем, что датчик MMW имеет центральную частоту в диапазоне от 30 ГГц до 300 ГГц и ширину полосы, составляющую по меньшей мере 10% от центральной частоты.
5. Система FMPD по п. 1, дополнительно содержащая датчик с волоконной брэгговской решеткой (FBG), в котором применяется мультиплексирование с разделением по длине волны (WDM), подключенный для измерения текучей смеси и соединенный с вычислительной системой, причем такой датчик FBG содержит датчик FBG с покрытием, выполненный с возможностью измерения содержания влаги в текучей смеси, перемещающейся по датчику FBG, или в текучей смеси.
6. Система FMPD по п. 1, отличающаяся тем, что вычислительная система дополнительно предназначена для определения плотности и энергетической ценности текучей смеси.
7. Система FMPD по п. 1, отличающаяся тем, что вся такая система FMPD содержится в общем корпусе.
8. Система FMPD по п. 1, отличающаяся тем, что вычислительная системе дополнительно реализует модуль выделения сигнала, модуль комплексирования данных датчиков и модуль параметрической классификации и идентификации материалов.
9. Способ определения параметров текучей смеси для анализа текучей смеси во время ее перемещения, с использованием системы определения параметров текучей смеси (FMPD) по любому из пп. 1-8, характеризующийся тем, что
измеряют скорость текучей смеси или объемный расход текучей смеси и скорость звука (VoS) в текучей смеси с помощью ультразвукового датчика, и полученные ультразвуковые измерения предоставляют вычислительной системе,
измеряют скорость миллиметровых волн с помощью датчика MMW и измеренные данные скорости MMW предоставляют в вычислительную систему, и
с помощью вычислительной системы идентифицируют параметры, включающие в себя множество компонентов в текучей смеси и концентрацию для множества компонентов, на основе по меньшей мере одной модели материала, хранящейся в запоминающем устройстве вычислительной системы, и на основе указанных ультразвуковых измерений и данных скорости MMW,
при этом указанная по меньшей мере одна модель материала включает в себя два или более параметров модели для множества композиций материалов, хранящихся в запоминающем устройстве.
10. Способ по п. 9, отличающийся тем, что текучая смесь перемещается по трубопроводу, и причем устройство для измерения текучей смеси содержит систему FMPD, связанную с трубопроводом для поточного определения множества компонентов в текучей смеси и концентрации для множества компонентов.
11. Способ по п. 9, отличающийся тем, что вычислительная система реализует по меньшей мере одно из подсистемы искусственной нейронной сети (ANN) и подсистемы искусственного интеллекта (AI), дополнительно содержащей подсистему ANN или подсистему AI, обновляющую модель материала.
12. Способ по п. 9, отличающийся тем, что датчик MMW имеет центральную частоту в диапазоне от 30 ГГц до 300 ГГц и ширину полосы, составляющую по меньшей мере 10% от центральной частоты.
13. Способ по п. 9, отличающийся тем, что система FMPD дополнительно содержит датчик с волоконной брэгговской решеткой (FBG), в котором применяется мультиплексирование с разделением по длине волны (WDM), подключенный для измерения текучей смеси и соединенный с вычислительной системой, причем такой датчик FBG содержит датчик FBG с покрытием, дополнительно содержащий датчик FBG с покрытием, измеряющий содержание влаги в текучей смеси.
14. Способ по п. 9, отличающийся тем, что вычислительная система дополнительно определяет плотность текучей смеси и энергетическую ценность текучей смеси.
15. Способ по п. 9, отличающийся тем, что текучая смесь содержит природный газ.
16. Способ по п. 9, отличающийся тем, что вычислительная системе дополнительно реализует модуль выделения сигнала, модуль комплексирования данных датчиков и модуль параметрической классификации и идентификации материалов.
17. Способ по п. 9, отличающийся тем, что система FMPD дополнительно содержит функциональный переключатель, выполненный с возможностью включения или отключения отдельных параметров, и причем такой способ дополнительно включает в себя пользователя системы FMPD, применяющего функциональный переключатель для включения или отключения отдельных параметров.
