一种卧式分离器动态液面监测设备及方法

技术领域

本发明涉及站场设备完整性领域，具体是一种卧式分离器动态液面监测设备及方法。

背景技术

目前，在我国油田中分离器被大量使用。传统的分离器的液面定位方法主要由技术操作人员通过经验观察判断。该方法存在误差大、步骤繁琐、无法实时监测动态液面的问题。目前常用的分离器液位控制技术为浮子连杆机构技术，仅通过连杆技术的纯机械化控制液位，无法直接观察液位界面，使得卧式分离器在生产过程中存在一定安全隐患。

发明内容

为提高卧式分离器的生产效率，克服现有技术的不足，本发明提供了一种卧式分离器动态液面监测设备及方法，解决现有技术存在的以下问题：分离器液面检测方法误差大、步骤繁琐，分离器液面无法实时监测等问题。

本发明解决上述问题所采用的技术方案是：

一种卧式分离器动态液面监测设备，包括液面监测装置(靶点Tag和锚点anchor)、信号接收器处理装置以及显示器。所述液面监测装置安装于卧式分离器罐体表面，所述信号接收处理装置设于卧式分离器附近的站场工作室中，所述液面监测装置将信号发送至信号接收处理装置，所述信号接收处理装置通过一种计算方法定位液面，并将卧式分离器动态液面通过所述显示器显示。

作为一种优选的技术方案，所述液面监测装置包括个靶点Tag和17个UWB锚点anchor。靶点Tag安装于在卧式分离器顶部，锚点anchor安装于卧式分离器罐体外壁。锚点anchor利用UWB超宽带技术向所有方向发送信号，无论信号是否干扰，靶点Tag都可以接收到锚点anchor的信号。利用TOF技术，采集到锚点anchor与靶点Tag之间的距离。

作为一项优选技术，所述靶点Tag与锚点anchor底部均焊接有磁吸装置，通过磁吸方式放置于卧式分离器指定位置。

作为一种优选技术方案，所述锚点anchor以每秒1次的频率向靶点Tag发射UWB信号，所述靶点Tag同样以每秒1次的频率将测量信号发送至信号接收处理装置。

作为一种优选技术方案，所述信号接收处理装置包括信号接收器和数据处理器，所述信号接收器将靶点Tag1传输的信号转换成可以被数据处理器识别的数据TXT格式，所述数据处理器通过数据预处理后进行定位计算，并绘制液面位置随时间变化的轨迹图。

作为一种优选方案，所述数据处理器通过电缆直接将轨迹图通过电缆显示在显示器上，便于实时监测和直观观察，并了解不同时段液面变化规律。

一种卧式分离器动态液面监测方法，采用所述的一种卧式分离器动态液面监测设备，利用液面监测装置测量UWB信号的飞行时间，利用数据处理模块抓取、清洗数据，从而计算出卧式分离器页面具体位置。

作为一种优选的技术方案，包括以下步骤：

S1,利用液面监测设备中的17个磁吸于罐体表面的锚点anchor以每秒1次的频率向卧式分离器顶部的靶点Tag发射UWB信号；

S2,液面监测装置通过无线局域网将所有UWB定位信号以每秒1次的频率传输至信号接收处理装置进行数据处理；

S3,信号接收处理装置中的数据处理器将UWB数据进行数据预处理，包括数据抓取与数据清洗部分：

对于数据抓取，选择抓取校验值数据。使用MATLAB结合textread函数提取数据，通过间接矩阵进行数据过滤。采用reshape函数进行相关的数据结构重组。使用xlswrite函数将信息存储在Excel表当中，数据抓取完毕；

对于数据清洗，清洗重复数据采用xlsread函数将数据以矩阵的形式呈现，采用unique函数清理重复数据。最后，使用xlswrite函数再存储在Excel表中；清洗异常数据采用3σ原则来进行异常值判断；

3σ原则的原理是：先假设一组检测数据只含有随机误差，对其进行计算处理得到标准偏差，按一定概率确定一个区间，认为凡超过这个区间的误差，就不是随机误差而是粗大误差，含有该误差的数据就是异常数据(即异常值)。在正态分布中，σ代表标准差,μ代表均值，x＝μ即为图像的对称轴。3σ原则表示为：数值分布在(μ-σ,μ+σ)中的概率为0.6826；在(μ-2σ,μ+2σ)中的概率为0.9544；在(μ-3σ,μ+3σ)中的概率为0.9974。从而可以认为，数据值几乎全部集中在(μ-3σ,μ+3σ)]区间内，超出这个范围的可能性仅占不到0.3％。而针对本数据的异常值，以及对数据保留的要求度，3σ原则方法判断异常值是十分符合的。公式如下：

其中，d

异常值找出后删除，最终得到了一个清洗了“重复”和“异常”的数据结果。对抓取出来的数据进行清洗，最终得到了预处理后的数据。

S4,数据处理装置将预处理后的数据用于定位计算，3种训练模型(BP神经网络模型、基站测距修正模型、靶点坐标模型)，总共12个维度出发，得到每个点的空间分布。

其中，BP神经网络采用预测6步法：

1.首先进行神经网络初始化，确定网络要实现的功能，从而选择对应的输出和输入序列。确定神经网络的输入层有几个变量，隐含层有几层，每层含有几个变量，输出层变量的数目。以及连接输入层、隐含层和输出层神经元之间的权值大小。给定学习速率和神经元的激励函数。

2.计算隐含层的输出。通过输入节点的数值、权重，计算隐含层的输出值。

3.输出层最后输出值计算。将隐含层的输出值作为输出层的输入值，通过两者连接的权重，最后得到神经网络的预测输出值。

4.进行网络误差计算。根据最后一个输出节点得到的输出和目标期望的输出，两者相减，计算出神经网络的预测误差。

5.进行权值更新。将第四步计算得到的误差向上传递。从而对每层的权重进行更新。

6.根据设定的计算步数和计算达到的目标，判断算法迭代是否结束，如果没有结束，则返回步骤2，重新开始计算。

对于基站测距修正模型，通过拟合距离测量值与真实值之间的关系，根据测量值求出贴近于真实值的计算值，再将四个距离计算值中的三个代入方程求解，解出4个靶点坐标，再通过靶点坐标计算靶点与未参与方程计算的基点距离，将其与计算值做对比，选择与计算值最为接近的靶点作为最终靶点预测值。

对于靶点坐标模型，理论上来说如果所测距离精确无误，则靶点在以17个基点为球心，基点所测距离为半径的17个球面交点上，但由于测量有误差，导致17个球面不会相交于一点，尽管在之前的工作中以及对误差进行了修正，但不能保证完全没有误差，所以同时对17个方程进行求解是不现实的，所以本模型先找出任意三个球面的交点，任意三个球面理论上有四种情况，再根据交点距第四个端点的位置与第四个端点的测量距离的大小关系找出最接近真实靶点位置的预测点。本模型采用公式如下：

((x

((x

((x

((x

........

式中x

S5,定位计算后，通过运动轨迹定位模块呈坐标轴图像形式展现监测界面。将定位坐标，形成轨迹，基于MATLAB作图，得到液体界面随时间变化的移动轨迹。

S6,液面运动轨迹图像通过显示器将定位结果实时显示。

作为一种优选的技术方案，利用了3种训练模型(BP神经网络模型、基站测距修正模型、靶点坐标模型)，总共12个维度出发，提高了定位计算的准确度。

作为一种优选的技术方案，基于MATLAB作图，得到液体界面随时间变化的移动轨迹，便于实时监测和直观观察，并了解不同时段液面变化规律。

本发明相比于现有技术，具有以下有益效果：

(1)本发明结构简单，成本较低，且适用于不同大小规格的卧式分离器；

(2)本发明安装简便，液面监测设备直接磁吸于分离器外壁，安装过程无需停工停产；

(3)本发明采用先进的UWB技术，结合多重算法，能有效避免信号传输过程中受到干扰，测量准确，精度高，可靠性高；

(4)本发明利用了3种训练模型(BP神经网络模型、基站测距修正模型、靶点坐标模型)，总共12个维度出发，提高了定位计算的准确度；

(5)本发明液面监测数据为每秒一次更新一次，实现了卧式分离器的液面实时监测；

(6)本发明直接显示液面随时间变化的运动轨迹，便于了解不同时段液面变化规律；

附图说明

图1所述一种卧式分离器动态液面监测设备结构示意图；

图2为本发明所述一种卧式分离器动态液面监测装置安装分布图；

图3为本发明所述一种卧式分离器动态液面监测设备信号传输连接示意图；

图4为本发明所述一种卧式分离器动态液面监测方法的步骤图；

附图中标记及相应的零部件名称：1、靶点Tag，2、锚点anchor，3、UWB信号，4、卧式分离器，5、无线局域网，6、信号接收处理装置，7、电缆，8、显示器，601、信号接收器、602、数据处理器

具体实施方式

下面结合实施例及附图，对本发明作进一步的详细说明，但本发明的实施方式不限于此。

实施案例1

如图1至图4所示，一种卧式分离器动态液面监测设备，包括液面监测装置(靶点Tag1和锚点anchor2)、信号接收器处理装置6以及显示器8。所述液面监测装置安装于卧式分离器4罐体表面，所述信号接收处理装置6设于卧式分离器附近的站场工作室中，所述液面监测装置将信号发送至信号接收处理装置6，所述信号接收处理装置6通过一种计算方法定位液面，并将卧式分离器4动态液面通过所述显示器8显示。

使用时，液面监测装置中的锚点anchor2和靶点Tag1通过UWB信号3相连，所述靶点Tag1和信号接收器处理装置6通过无线局域网5相连，所述信号接收器处理装置6和显示器8通过电缆相连。本技术方案结构简单，成本较低，安装简便，定位技术先进，定位精度高，对液面进行了高频率的实时监测。

作为一种优选的技术方案，所述液面监测装置包括1个靶点Tag1和17个UWB锚点anchor2。靶点Tag1安装于在卧式分离器顶部，锚点anchor2安装于卧式分离器罐体外壁。锚点anchor2利用UWB超宽带技术3向所有方向发送信号，无论信号是否干扰，靶点Tag1都可以接收到锚点anchor2的信号。利用TOF技术，采集到锚点anchor2与靶点Tag1之间的距离。

作为一项优选技术，所述靶点Tag1与锚点anchor2底部均焊接有磁吸装置，通过磁吸方式放置于卧式分离器指定位置。

使用时，所述靶点Tag1为液面监测装置测量的信号提供了传输和中转的作用，能有效避免信号传输过程中受到的损耗和干扰。

作为一种优选技术方案，所述锚点anchor2以每秒1次的频率向靶点Tag1发射UWB信号3，所述靶点Tag1同样以每秒1次的频率将测量信号发送至信号接收处理装置6。

作为一种优选技术方案，所述信号接收处理装置6包括信号接收器601和数据处理器602，所述信号接收器601将靶点Tag1传输的信号转换成可以被数据处理器602识别的数据TXT格式，所述数据处理器602通过数据预处理后进行定位计算，并绘制液面位置随时间变化的轨迹图。

作为一种优选方案，所述数据处理器602通过电缆直接将轨迹图通过电缆7显示在显示器8上，便于实时监测和直观观察，并了解不同时段液面变化规律。

此实施方式便于适用于不同尺寸和型号的卧式分离器动态液面监测的作业场景。

实施例2

如图1至图4所示，作为实施例1的进一步优化，本实施例包含了实施例1的全部技术特征，除此之外，本实施例还包括以下技术特征：

一种卧式分离器动态液面监测方法，采用所述的一种卧式分离器动态液面监测设备，利用液面监测装置靶点Tag1和锚点anchor2发送定位信号，利用信号接收处理装置6进行定位计算。

作为一种优选的技术方案，包括以下步骤：

S1,利用液面监测设备中的17个磁吸于罐体表面的锚点anchor2以每秒1次的频率向卧式分离器顶部的靶点Tag1发射UWB信号3；

S2,液面监测装置通过无线局域网将所有UWB信号3的定位数据以每秒1次的频率传输至信号接受处理装置6进行数据处理；

S3,信号接受处理装置6中数据处理器602将UWB信号3的数据进行数据预处理，包括数据抓取与数据清洗部分：

对于数据抓取，选择抓取校验值数据。使用MATLAB结合textread函数提取数据，通过间接矩阵进行数据过滤。采用reshape函数进行相关的数据结构重组。使用xlswrite函数将信息存储在Excel表当中，数据抓取完毕；

对于数据清洗，清洗重复数据采用xlsread函数将数据以矩阵的形式呈现，采用unique函数清理重复数据。最后，使用xlswrite函数再存储在Excel表中；清洗异常数据采用3σ原则来进行异常值判断,公式如下：

其中，d

异常值找出后删除，最终得到了一个清洗了“重复”和“异常”的数据结果。对抓取出来的数据进行清洗，最终得到了预处理后的数据。

S4,数据处理器602将预处理后的数据用于定位计算，3种训练模型(BP神经网络模型、基站测距修正模型、靶点坐标模型)，总共12个维度出发，得到每个点的空间分布。

对于基站测距修正模型，通过拟合距离测量值与真实值之间的关系，根据测量值求出贴近于真实值的计算值，再将四个距离计算值中的三个代入方程求解，解出4个靶点坐标，再通过靶点坐标计算靶点与未参与方程计算的基点距离，将其与计算值做对比，选择与计算值最为接近的靶点作为最终靶点预测值。

对于靶点坐标模型，理论上来说如果所测距离精确无误，则靶点在以17个基点为球心，基点所测距离为半径的17个球面交点上，但由于测量有误差，导致17个球面不会相交于一点，尽管在之前的工作中以及对误差进行了修正，但不能保证完全没有误差，所以同时对17个方程进行求解是不现实的，所以本模型先找出任意三个球面的交点，任意三个球面理论上有四种情况，再根据交点距第四个端点的位置与第四个端点的测量距离的大小关系找出最接近真实靶点位置的预测点。本模型采用公式如下：

((x

((x

((x

((x

........

式中x

S5,定位计算后，通过运动轨迹定位模块呈坐标轴图像形式展现监测界面。将定位坐标，形成轨迹，基于MATLAB作图，得到液体界面随时间变化的移动轨迹。

S6,液面运动轨迹图像通过显示器8将定位结果实时显示。

使用时，液面监测装置中的锚点anchor2和靶点Tag1通过UWB信号3相连，所述靶点Tag1和信号接收器处理装置6通过无线局域网5相连，所述信号接收器处理装置6和显示器8通过电缆相连。本技术方案结构简单，成本较低，安装简便，定位技术先进，定位精度高，对液面进行了高频率的实时监测。

作为一种优选的技术方案，利用了3种训练模型(BP神经网络模型、基站测距修正模型、靶点坐标模型)，总共12个维度出发，提高了定位计算的准确度。

作为一种优选的技术方案，基于MATLAB作图，得到液体界面随时间变化的移动轨迹，便于实时监测和直观观察，并了解不同时段液面变化规律。

采用多个锚点anchor2为监测提供了冗余功能，可靠性增强；将采集到的数据以每秒1次的频率发射至信号接收处理装置6，则减小了测量误差，提高了监测的准确度，为实时监测提供了有利条件。

如上所述，可较好地实现本发明。

本说明书中所有实施例公开的所有特征，或隐含公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合和/或扩展、替换。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，依据本发明的技术实质，在本发明的精神和原则之内，对以上实施例所作的任何简单的修改、等同替换与改进等，均仍属于本发明技术方案的保护范围之内。