Flow Regime Identification Using Neural Network–Based Electrodynamic Tomography System

Abstract

Proses tomografi adalah suatu teknik membina imej yang murah, cekap dan sesuai untuk proses di industri yang kini semakin diguna pakai untuk tujuan pemantauan proses dan pengukuran. Mekanisme pengesanan dalam proses tomografi bergantung kepada bahan aliran dalam paip industri sama ada pepejal, gas atau cecair. Dalam kertas kerja ini, proses yang terlibat adalah pengaliran pepejal kering dalam paip mengikut arah graviti dan mekanisme pengesanan yang digunakan ialah penderia elektrodinamik. Pengenalpastian rejim aliran daripada pengukuran penderia adalah dengan menggunakan rangkaian neural yang akan mengenal pasti aliran pepejal sama ada dalam aliran penuh, suku separuh dan tiga suku. Kata kunci: Proses tomografi, rangkaian neural, penderia elektrodinamik, pengenalpastian Process tomography is a low cost, efficient and non-invasive industrial process imaging technique. It is used in many industries for process imaging and measuring. Provided that appropriate sensing mechanism is used, process tomography can be used in processes involving solids, liquids, gases, and any of their mixtures. In this paper, the process to be imaged and measured involves solid particles flow in gravity drop system. Electrical charge tomography or electrodynamic tomography is a tomographic technique using electrodynamic sensors. This paper presents the flow regime identification using neural network. Keywork: Process tomography; neural network; electrodynamic sensor; identification