МАТЕМАТИЧЕСКАЯ МОДЕЛЬ НА БАЗЕ НЕЙРОННОЙ СЕТИ ДЛЯ ПОВЫШЕНИЯ ТОЧНОСТИ ИЗМЕРЕНИЯ РАСХОДА ЖИДКИХ СРЕД НА АТОМНЫХ ЭЛЕКТРОСТАНЦИЯХ

А. М. Емельянов, И. С. Надеждин, С. Н. Ливенцов

Аннотация


Анализ литературных источников показал актуальность повышения точности измерения расхода жидких сред. Для решения этой задачи разработана и опробована нейросетевая модель для определения расхода жидкости. Выбраны оптимальная структура искусственной нейронной сети и параметры обучения: функция активации, передаточная функция выходного слоя, количество скрытых слоев и нейронов в них. Обучающая выборка сгенерирована с помощью эмпирических выражений из стандарта ГОСТ 8.586.1-2005 (ISO 5167-1:2022). Разработанная нейросетевая прогнозирующая модель обеспечивает неопределенность вычислений не более 0,32% и предназначена для использования в составе программно-технического комплекса для повышения точности измерения расхода жидких сред на предприятиях атомной промышленности. Рис. 3, табл. 1, список лит. 13 назв

Полный текст:

PDF

Литература


Кирьянов В.Л., Глухов О.Д. Многофункциональная система для измерения расхода, плотности и температуры жидких сред на базе высокоточного кориолисового расходомера. — Датчики и системы, 2005, № 9 (76), с. 19—20.

Наумчик И.В., Пирогов С.Ю., Шевченко А.В. Способ измерения расхода многофазной среды. — Фундаментальные исследования, 2015, № 10, с. 507—511.

Патент 2073830, Российская Федерация [Электронный ресурс]. Способ измерения расхода жидких и газообразных сред / Колмаков И.А., Самарцев В.В. Официальный сайт ФГБУ «Федеральный институт промышленной собственности». Режим доступа: в открытом доступе. URL: https:// www.fips.ru/iiss/document.xhtml?facesredirect=true&id=dbb6f d6a6d1093625b9d19e3d6fe079a (дата обращения 03.10.2023).

Кириллов П.Л., Колесников В.Д., Кузнецов В.А., Турчин Н.М. Приборы для измерения давления, расхода и уровня расплавленных щелочных металлов. — Атомная энергия, 1960, т. 9, вып. 3, с. 173—182. // Kirillov P.L., Kolesnikov V.D., Kuznetsov V.A., Turchin N.M. Instruments for measuring the pressure, flow, and level of fused alkali metals. — Atomic Energy, 1961, v. 9, № 3, p. 685—693.

Жестков А.В. Применение DSP-технологий для измерения расхода жидких и газообразных сред в кориолисовых и ультразвуковых расходомерах «Элметро». — Автоматизация, телемеханизация и связь в нефтяной промышленности, 2013, № 3, с. 13—18.

Dayev Z.A. Application of artificial neural networks instead of the orifice plate discharge coefficient [Electronic resource]. — Flow Meas. Instrum., 2020, v. 71, № 101674, 15 p. Website of Elsevier B.V. Access mode: by subscription. URL: https://www.sciencedirect.com/science/article/abs/pii/ S0955598619302560 (date of the application 03.10.2023).

Измерение расхода и количества жидкостей и газов с помощью стандартных сужающих устройств. ГОСТ 8.586.1-2005. М.: Межгосударственный совет по стандартизации, метрологии и сертификации, 2005, 23 с.

Measurement of fluid flow by means of pressure differential devices inserted in circular cross-section conduits running full. ISO 5167-1:2022. Geneva, Switzerland: International Organization for Standardization, 2022, 30 p.

Dayev Z., Kairakbaev A., Yetilmezsoy K. e. a. Approximation of the discharge coefficient of differential pressure flowmeters using different soft computing strategies [Electronic resource]. — Flow Meas. Instrum., 2021, v. 79, № 101913, 15 p. Website of Elsevier B.V. Access mode: by subscription. URL: https://www. sciencedirect.com/science/article/abs/pii/S0955598 619302560 (date of the application 03.10.2023).

Abad A.R.B., Tehrani P.S., Naveshki M. e. a. Predicting oil flow rate through orifice plate with robust machine learning algorithms [Electronic resource]. — Ibid, 2021, v. 81, № 102047, 17 p. Website of Elsevier B.V. Access mode: by subscription. URL: https://www.sciencedirect. com/science/ article/abs/pii/S0955598621001527 (date of the application 03.10.2023).

Sravani V., Krishnan Venkata S. Prediction of flow by linear parameter varying model under disturbance [Electronic resource]. — Measurement, 2021, v. 186, № 110124, 19 p. Website of Elsevier B.V. Access mode: by subscription. URL: https://www.sciencedirect.com/ science/article/abs/pii/S0263 224121010435 (date of the application 03.10.2023).

Ghorbani H., Wood D.A., Choubineh A. e. a. Prediction of oil flow rate through an orifice flow meter: artificial intelligence alternatives compared. — Petroleum, 2020, v. 6, p. 404—414.

Надеждин И.С., Емельянов А.М., Горюнов А.Г. Применение искусственных нейронных сетей для обработки зашумленных сигналов в измерительных каналах расхода жидкости. — Приборы, 2013, № 7, с. 36—47.


Ссылки

  • На текущий момент ссылки отсутствуют.