Multiphase Flow Estimation Using Image Processing. PhD thesis, King Fahd University of Petroleum and Minerals.

PDF (PhD Dissertation) Thesis_Last.pdf - Other Download (7MB)

Arabic Abstract

قياس تدفق الموائع متعددة الأطوار هي مسألة صعبة للغاية في الصناعة. قياس تدفق الموائع متعددة الأطوار يتطلب تقدير العديد من المعاملات مثل كمية المائع ، سرعه المائع في كل طور وخواص الفقاعات وغيرها من المعاملات. هناك تقنيات مختلفة لقياس / تقدير معاملات تدفق الموائع متعددة الأطوار. إحدى الطرق الواعدة هي استخدام ومعالجة الصور لتقدير معاملات تدفق الموائع متعددة الأطوار. تمت الاستفادة من تقنيات معالجة الصور لتقدير العديد من تدفق الموائع متعددة الأطوار مثل كمية المائع، تصنيف الفقاعات بناء على حجمها والسرعة، والطول الموجي وتردد وفترة الموجه وسعة الموجة. في هذا العمل، استخدم نظام رؤية عالية السرعة لالتقاط الفيديو لتدفق للموائع متعددة الأطوار في حلقة تدفق بنيت في جامعة الملك فهد. على وجه الخصوص ، قمنا بتقدير معاملات نظام التدفق الطبقي المتموج باستخدام تقنيات معالجة الصور. ثم، تم استكشاف واستغلال تقنيات الذكاء الاصطناعي (AI) للتعرف على أنماط التدفق في ظروف تدفق مختلفة. استخدمنا الشبكات العصبية الاصطناعية (ANN) لتحديد نظام تدفق لكن مع مرحلة ما قبل المعالجة باستخدام التطبيع اللوغاريتمي الطبيعي. هذه مرحلة ما قبل المعالجة تساعد على تطبيع مجموعة كبيرة من البيانات والحد من التداخل بين نظم التدفق وتحسن دقة التعرف على نظام التدفق. ثم، تم تمديد صلاحية النموذج باستخدام مدخلات غير بعدية لاستخدامها في الأنابيب الأفقية ذوات أقطار مختلفة، وسوائل ذوات كثافة ولزوجة مختلفة. تم التحقق من صحتها من خلال بناء واختبار نموذج باستخدام البيانات التجريبية. تم التحقق من فعالية هذا الأسلوب من خلال نموذج شبكات عصبية ANN باستخدام ثلاث مدخلات غير بعدية فقط وهي رقم رينولدز للسائل ورقم رينولدز للغاز و هبوط الضغط المضاعف.

English Abstract

Multiphase flow measurement is one of challenging issues in process industry. Multiphase flow measurement requires estimation of several parameters such as phase hold up, phase velocity and bubbles characteristics and other parameters. There are various technologies to measure/ estimate multiphase flow parameters. One of the promising approaches is the image/video processing technique. The image processing techniques are utilized for estimating several multiphase flow parameters such as hold up, bubble size distribution, velocity, wavelength, wave frequency, wave period and wave amplitude. In this work, a high speed vision system is used to capture the video for multiphase flow in a flow loop built at KFUPM. In particular, multiphase flow parameters are estimated for Stratified Wavy flow pattern using image processing techniques. Artificial Intelligence (AI) techniques are also explored to identify the flow patterns at different flow conditions. We used an Artificial Neural Network (ANN) for flow pattern identification with pre-processing stage using natural logarithmic normalization. This pre-processing stage helps to normalize large data ranges and to improve identification of flow patterns in the transition regions. The validity of the model was extended by using dimensionless inputs to be used for horizontal pipes of various diameters, liquid’s densities and viscosities. The concept was verified and validated by building and testing the model using experimental data. The efficiency of the proposed approach was demonstrated by an ANN model using only three dimensionless parameters, namely, Liquid Reynolds Number, Gas Reynolds Number and Pressure Drop Multiplier to identify 4 flow patterns close to their critical transition.

Item Type:	Thesis (PhD)
Subjects:	Systems Mechanical
Department:	College of Computing and Mathematics > lndustrial and Systems Engineering
Committee Advisor:	Elshafei, Moustafa
Committee Co-Advisor:	Al-Sarkhi, Abdelsalam
Committee Members:	El-Ferik, Sami and Al-Sunni, Fouad and Abdul-Wahid, Saif
Depositing User:	Mustafa Al-Nasser (g200086290)
Date Deposited:	01 Jun 2016 07:09
Last Modified:	01 Nov 2019 16:34
URI:	http://eprints.kfupm.edu.sa/id/eprint/139994