Please use this identifier to cite or link to this item: http://dx.doi.org/10.14279/depositonce-267
Main Title: Bestimmung der Strömungsform von Zweiphasenströmungen mittels Absorption und Streuung von Röntgenstrahlen und Benutzung von neuronalen Netzen
Translated Title: Identification of two phase flow pattern using X-ray absorption and scattering technique and neural network
Author(s): Sihana, Sihana
Advisor(s): Wesser, Ulfried
Granting Institution: Technische Universität Berlin, Fakultät III - Prozesswissenschaften
Type: Doctoral Thesis
Language: German
Language Code: de
Abstract: In dieser Arbeit werden eine verbesserte Blasennachweismethode mittels Röntgenstreuung und eine neue Methode zur Klassifikation von Strömungsformen der Luft-Wasser-Zweiphasenströmung in einem vertikalen, unbeheizten Rohr vorgestellt. Die Blasennachweismethode basiert auf der Beobachtung der Streuung von Röntgenstrahlen in kleinen Volumenelementen. Es wird davon ausgegangen, daß das Volumenelement bei vorhandener Streustrahlung mit Wasser und bei nicht vorhandener Streustrahlung mit Gas gefüllt ist. Durch Analyse der Zeitserie der Meßsignale an zwei in Strömungsrichtung versetzten Volumenelementen läßt sich die zugehörige Gasblasengeschwindigkeit berechnen. Gleichzeitig wird die Direktstrahlung gemessen, die üblicherweise zur Berechnung des volumetrischen Gasgehaltes verwendet wird. Aus den Meßsignalen der Röntgenstreuung und der Röntgen-Direktstrahlung werden durch statistischen Verarbeitung die wichtigsten Kennwerte wie z.B. Mittelwerte und Varianz sowie mittlere Amplituden der berechneten Autospektraldichten ermittelt. Mit den gewonnenen Merkmalen und durch die Anwendung von neuronalen Netzen läßt sich der Grenzbereich zwischen Blasen- und Kolbenströmung ermitteln. Die Klassifikation wurde mit den meist angewandten klassischen Methoden, dem Nachbarschafts- und Bayesklassifikator durchgeführt.
In order to improve the bubble identification technique, the X-ray scattering was studied experimentally in upward air-water two phase flow in vertical tubes. A new approach for identification of flow pattern using of neural network model is introduced. X-ray Compton scattering measurement technique is developed to observe a small volume element in the two-phase flow. The X-ray source and detectors are very good collimated. The measured signal from the detector can be digitalized by making use of the size signal. The signal of the volume element filled by water is bigger than in the case of the gas. The digitalized signal is used to identify the phase in volume element. Two volume elements in the flow direction can be observed parallel using two identical detectors. The velocity of gas bubble can be estimated by analysis of the time series of the measured signal and the distance of the two volume elements using the cross correlation technique. Additional X-ray absorption measurement technique is used to observe the density of the center chord of two-phase flow. A statistical analysis of the attenuation and scattering signals is used to create characterized pattern of the flow. The statistical parameters, mean, variance as well as average amplitude of spectral density function of the measured signal are calculated. A model of neural networks is developed to predict the transition from bubble to slug flow. The classification result of the neural network should be compared with the most used classical classificator, neighbour and bayes classificator.
URI: urn:nbn:de:kobv:83-opus-1693
http://depositonce.tu-berlin.de/handle/11303/564
http://dx.doi.org/10.14279/depositonce-267
Exam Date: 8-Dec-2000
Issue Date: 24-Sep-2001
Date Available: 24-Sep-2001
DDC Class: 620 Ingenieurwissenschaften und zugeordnete Tätigkeiten
Subject(s): Blasenströmung
Identifikation
Kolbenströmung
Neuronale Netze
Strömungsform
Usage rights: Terms of German Copyright Law
Appears in Collections:Technische Universität Berlin » Fakultäten & Zentralinstitute » Fakultät 3 Prozesswissenschaften » Publications

Files in This Item:
File Description SizeFormat 
Dokument_24.pdf2.69 MBAdobe PDFThumbnail
View/Open


Items in DepositOnce are protected by copyright, with all rights reserved, unless otherwise indicated.