作品名稱：基于集成學習的ECT流型識別系統(tǒng)
學校名稱：哈爾濱石油學院
參賽隊伍：花開富貴隊
參賽學生：祁玉銘 高嘉營 姜柏淏
指導老師：馬躍 張仁丹
石油作為工業(yè)的血液，在世界能源消費中已占相當大的份額，處于主導地位。目前，在針對流型識別方面已經(jīng)提出了很多種方法，由于已知的多種方法雖然都能達到測量的要求，但同時也存在著缺點和不足。因此，提高原油開采中流型識別的準確性，是目前需要研究的重點。
本設計的ECT系統(tǒng)主要有三大模塊組成：電容傳感器模塊、數(shù)據(jù)采集模塊和圖像重建模塊。其系統(tǒng)結構如圖1所示。
本設計通過COMSOL仿真軟件對傳統(tǒng)的電容層析成像（ECT）系統(tǒng)進行仿真設計，建立電容傳感器模型，并針對系統(tǒng)的管壁厚度、極板厚度、極板覆蓋率和極板個數(shù)等關鍵參數(shù)進行優(yōu)化，經(jīng)過計算，得出更精確的16極板的傳感器參數(shù)。以該傳感器為基準，設計了一種16極板的ECT流型識別系統(tǒng)，通過該系統(tǒng)得到近千組的流型數(shù)據(jù)。
本設計針對傳統(tǒng)的ECT流型識別度低的問題，通過Bagging的思想應用于整合機器學習算法，并應用于ECT系統(tǒng)的流型識別。在現(xiàn)有隨機森林分類器的基礎上進行改進，通過對單獨一小類流型進行識別，獲取各類流型的識別標簽，并通過組合策略的原則將多個小類別得到的標簽結果進行重組，最終獲取多種流型分類結果。對8種典型流型的實驗結果表明，該方法繼承了傳統(tǒng)的隨機森林的分類特點。在5～40dB信噪比的情況下，識別度有明顯的提升，而且識別度最高可達99.93%，表明了這種方法抗噪聲干擾能力強，是一種適用于工業(yè)多相流檢測和識別的方法。該系統(tǒng)可以推廣到油氣、油水、固氣、固液等多相流，以及醫(yī)藥加工、煤炭、冶金、火焰測量、潤滑密封等工業(yè)領域。
