基于A-RAFT模型的垂直管道输送测速方法

流速作为流动特性的重要参数之一,在垂直管道提升效率研究中有着重要地位.以管道固液两相流为研究对象,研究管道测速的方法.结合深度学习技术,提出了基于注意力机制的光流全场递归匹配模型(A-RAFT),提高了网络对速度场突变区域的估计能力;构建了一个虚实结合的数据集,用于训练神经网络模型.对新提出的模型与数据集进行评估,结果显示:该模型在合成的图像上实现了高精度的速度场计算,与现有其他模型相比,估计误差减小了15.6%;开展了垂直管道固体颗粒输送的模拟实验,本模型在实验中所采集的真实流场数据上同样展现了准确的估计性能,该模型对颗粒速度的测量平均相对误差低于5%.上述实验结果充分证明了该方法在速度场中有较高的估计精度,模型有较强的泛化能力.这一研究能够为能源开采、隧道掘进、污水处理以及长距离管道运输等领域中的固液两相流特性分析提供新思路.