差压流量计的缺陷及弥补措施

我们之前介绍了节流式差压流量计的种类,本文重点介绍一下其缺陷及弥补措施。
  节流式差压流量计应用范围极广泛,至今尚无任何一类流量计可与之相比。全部单相流体,包括液、气、蒸汽皆可测量,部分混相流,如气固、气液、液固等亦可应用,一般生产过程的管径、工作状态(压力,温度)皆有相应的配套产品。
  节流式差压流量计的检测件与差压显示仪表可分开由不同生产厂生产,便于专业化形成规模经济生产,它们的结合非常灵活方便。 检测件,特别是标准型检测件是全世界通用的,并得到国际标准组织的认可。对标准型检测件进行的试验研究是国际性的,而涡街流量计等其他流量计一般仅依靠个别厂家或研究群体进行,因此其研究的深度和广度不可同日而语。从时间上看,标准型检测件自20世纪30年代由国际标准化组织确定后再也没有改变,其研究资料及生产实践的积累极其丰富,它涉及的应用范围还没有一类流量计可比。
  正是由于上述原因,标准型节流式差压流量计无需实流校准,即可投用,在流量计中亦是惟一的。目前在各种类型中以节流式和动压头式应用最多。节流式已开发20余品种,并且仍有新品种开发出,较成熟的向标准型发展,ISO设有专门技术委员会负责此项工作。动压头式以均速管流量计为代表,近年有较快发展,它是插入式流量计的主要品种,其用量在迅速增加。应用最普遍的节流件标准孔板结构易于复制,简单,牢固,性能稳定可靠,使用期限长,价格低廉。
  节流式差压流量计主要存在以下缺点:
1.测量的重复性、精确度在流量计中属于中等水平,由于众多因素的影响错综复杂,精确度难以提高。
2.范围度窄,由于仪表信号(差压)与流量为平方关系,一般范围度仅3:1-4:1。
3.现场安装条件要求较高,如需较长的直管段(指孔板,喷嘴),一般难以满足。
4.检测件与差压显示仪表之间引压管线为薄弱环节,易产生泄漏、堵塞、冻结及信号失真等故障。
5.压损大(指孔板,喷嘴)。
  为了弥补上述缺点,近年仪表开发有如下一些措施。
  1) 关于范围度的拓宽
  节流式差压流量计范围度拓宽从两方面着手:a.开发线性孔板;b.采用宽量程差压变送器或多台差压变送器并用。
  (2)开发定值节流件
  定值节流件是指对每种通径测量管道配以有限数量的节流件,节流件的β值(孔径)则按优先数系选用,每种通径配3-5种β值。定值节流件的应用有许多优点:改变节流件应用对号入座的缺陷;节流件生产方式由小生产作业方式转变为大批量生产;对于廓形节流件(如喷嘴,文丘里管等)采用专用加工设备实现批量生产,降低生产成本,为扩大使用创造条件;给用户带来使用的方便等等。
  (3)压损问题
  通常节流式差压流量计压损大是指检测件为孔板或喷嘴等品种,其实早已开发多种低压损节流件,如各种流量管(道尔管、罗洛斯管、通用文丘里管等),它们未能大量应用的原因是结构笨重,价格高,如采用定值节流件可使生产成本大幅度下降,为广泛应用创造条件。
  (4)一体化节流式差压流量计
  把节流装置和差压变送器做成一体,省却引压管线,减少故障率,改善动态特性,方便安装使用,受到用户的欢迎。国外应用已相当普遍,据统计,日本在1996-1997年新建四家工厂400余台差压式流量计,一体化直接安装仪表约占三分之一。
  (5)安装条件问题
  经典文丘里管必要的直管段长度短(约5D-10D),在无长直管段场合尽量采用此类节流件,它做成定值节流件,可以降低制造成本。近年国际上为解决阻流件干扰着力研究适用的流动调整器,在精度要求较高时节流装置与流动调整器配套供应,可保证测量的精确度,但也增加了压损与维护工作量。

  • 5
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值