DistiSens - Distribuerad flödeskarakterisering

Viktiga resultat som projektet gav

Inom processindustrin finns flera nyttor med en enkel, pålitlig och avbrottsfri metod för flödeskarakterisering. En teknik med tillräcklig mätosäkerhet och avancerad signalbehandling skulle innebära stora möjligheter till detaljstyrda processer och ett effektivare underhåll. En sådan teknik innebär också ett schaktfritt alternativ för digitalisering av våra åldrande vattennät. Målet har varit att utveckla en metodik för karakterisering av flödet i ledningar med distribuerade sensorer och maskininlärning samt utarbeta en strategi för tillgängliggörande av tekniken.

Långsiktiga effekter som förväntas

Algoritmen bygger på ett neuralt nätverk som predikterar flödet utifrån inparametrar som består av tidsförskjutningen mellan accelerometersignaler och deras frekvensinnehåll. Med detta predikteras en flödeshastighet med ett RMSD på ca 13% av mätområdet. För många tillämpningar är det inte tillräckligt, men projektets värde ligger snarare i de upptäckter och erfarenheter vi tar med oss i vidareutvecklingen. Nuvarande temperaturalgoritm avgör om vätskans temperatur är 20 C eller 40 C med en noggrannhet på 82 %. Effektmålen blir mätbara först när metodiken når en högre TRL.

Upplägg och genomförande

Projektet bestod av fem arbetspaket, men själva genomförandet kan förenklat delas upp i tre delar. I den första teoretiska delen undersöktes tidigare liknande arbeten och vi tog också fram en skiss för experiment och läste in oss på tillämpliga analysmetoder. I del två utfördes experimenten. Del tre utgjordes av analys, rapportering och kommunikation. I analysfasen märktes det att resultaten hade gynnats av tillgång till mer mätdata. Då mätningar hade involverat flera personer valde vi trots datakvaliteten att inte inleda en ny mätkampanj med tanke på pandemin.

Externa länkar

Länk till projektet på RISEs websida.