使用基于GA-BP神经网络的石英晶微平衡 (QCM) 测量液体粘度
Yan Wang1, Tianyi Lv1, Yu Zeng1
1School of Electrical Engineering and Information, Southwest Petroleum University, Chengdu, Sichuan 610500, China.
The Review of scientific instruments
|April 8, 2024
概括
这项研究表明,单晶石英微平衡 (QCM) 传感器可以测量石油应用中的液体粘度. 集成神经网络显著提高了QCM传感器对粘度测量的精度.
科学领域:
- 石油工程是石油工程中的一个.
- 传感器技术 传感器技术
- 分析化学 分析化学
背景情况:
- 传统的石英晶体微平衡 (QCM) 方法难以区分液体粘度和密度.
- 这种局限性阻碍了QCM传感器在石油行业的应用,用于表征未知的解决方案.
研究的目的:
- 评估使用单个QCM传感器进行精确液体粘度测量的可行性.
- 为了提高QCM传感器准确度,用于石油工业应用中的粘度确定.
主要方法:
- 进行了验证实验,以评估QCM传感器在不同温度 (20-60°C) 和甘油度 (10%-95%) 的性能.
- 使用基因算法优化的反向传播神经网络来提高测量精度.
主要成果:
- 一个单一的QCM传感器在测试范围内的最大误差为7.32%实现了粘度测量.
- 优化的神经网络模型显著提高了准确性,产生了根平均平方误差3.89%,绝对误差为3.07%.
结论:
- 在石油工业中,单个QCM传感器可用于液体粘度测量.
- 神经网络集成大大提高了QCM传感器对粘度分析的准确性,为石油行业提供了宝贵的见解.


