Новый метод коррекции ошибок в измерениях кориолисова расходомера с помощью машинного моделирования представили ученые Южно-Уральского государственного университета (ЮУрГУ). Их способ подходит для работы с небольшим объемом данных, полученных в многофазной среде. Результаты исследования представлены в высокорейтинговом журнале «Flow Measurement and Instrumentation» (Q2).
Массовый расход жидкостей, суспензий и газов в промышленности измеряют с помощью кориолисовых расходомеров. Это прибор, позволяющий делать расчеты на основе изменений механических колебаний встроенных в него U-образных трубок. По этим трубкам движутся жидкости или газы, и сдвиг фаз пропорционален величине массового расхода.
Точность показаний расходомера падает в многофазной среде: например, при соединении воды и газа. Для коррекции ошибок измерений сейчас используются методы машинного обучения, чаще всего – нейронные сети и нелинейный метод опорных векторов на основе гауссового ядра SVM-RBF.
Ученые Южно-Уральского государственного университета кандидат физико-математических наук, доцент кафедры «Системное программирование» Ольга Ибряева, студент Высшей школы электроники и компьютерных наук Денис Лебедев, и руководитель Международной лаборатории технической самодиагностики и самоконтроля приборов и систем, профессор Оксфордского университета (Великобритания) Манус Генри первыми применили линейный метод опорных векторов.
«Сам по себе метод действительно „слабоват“, поэтому и не было попыток его использования. Однако в наших задачах мы располагаем небольшим набором данных. Более мощная нелинейная модель переобучается. При использовании линейного метода мы сами на основе имеющихся входных данных конструируем новые признаки, благодаря чему получаем возможность построить сложную модель. Кроме того, процесс обучения идет быстрее», – сообщила Ольга Ибряева.
Модель, которую ученые ЮУрГУ представили в статье, смогут использовать на производстве, поскольку там применяются кориолисовые расходомеры, использующие нейронные сети для коррекции ошибок.
Отметим, что исследователи ЮУрГУ использовали данные с кориолисовых расходомеров в двухфазной среде, полученные в Оксфорде. Они опубликованы на сайте, созданном студентом ВШ ЭКН Денисом Лебедевым. Ранее на основе этих данных был представлен новый метод машинного обучения для коррекции результатов расходомеров.
Также на сайте представлены датасеты для трехфазной среды. Статья по обработке этих данных готовится учеными: они поделятся результатами первого успешного применения ансамблевых алгоритмов машинного обучения.
Южно-Уральский государственный университет – это университет цифровых трансформаций, где ведутся инновационные исследования по большинству приоритетных направлений развития науки и техники. В соответствии со стратегией научно-технологического развития РФ университет сфокусирован на развитии крупных научных междисциплинарных проектов в области цифровой индустрии, материаловедения и экологии. В Год науки и технологий ЮУрГУ принимает участие в конкурсе по программе «Приоритет–2030». Вуз выполняет функции регионального проектного офиса Уральского межрегионального научно-образовательного центра мирового уровня (УМНОЦ).