買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜東北石油大學(xué)申請的專利對原油乳狀液中液滴微觀動力學(xué)行為定量表征和預(yù)測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN115508353B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-16發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202211147407.8，技術(shù)領(lǐng)域涉及：G01N21/84；該發(fā)明授權(quán)對原油乳狀液中液滴微觀動力學(xué)行為定量表征和預(yù)測方法是由董航;李曉峰;習(xí)向銳;王洪濤;王志華;趙健設(shè)計研發(fā)完成，并于2022-09-20向國家知識產(chǎn)權(quán)局提交的專利申請。

本對原油乳狀液中液滴微觀動力學(xué)行為定量表征和預(yù)測方法在說明書摘要公布了：本發(fā)明涉及的是對原油乳狀液中液滴微觀動力學(xué)行為定量表征和預(yù)測方法，它包括：顯微視頻拍攝；顯微視頻提取、逐幀化處理、預(yù)處理，使得液滴邊緣輪廓較為清晰；機器目標識別與追蹤，建立機器識別液滴算法模型，進行目標特征匹配，對全視域內(nèi)液滴進行識別與追蹤，對全局圖像建立多閾值Ostu分割，利用粒子群優(yōu)化算法對多閾值Ostu分割進行優(yōu)化；對閾值序列圖像進行微觀液滴特征參數(shù)定量表征：對定量識別得到的液滴微觀動力學(xué)參數(shù)進行分析，通過構(gòu)建數(shù)學(xué)模型對液滴的動力學(xué)行為進行預(yù)測。本發(fā)明實現(xiàn)了對液滴顆粒微觀運動、空間分布以及結(jié)構(gòu)動態(tài)變化的定量表征及對液滴的動力學(xué)行為進行預(yù)測，為保障原油管輸、加熱、儲存等經(jīng)濟安全提供指導(dǎo)。

本發(fā)明授權(quán)對原油乳狀液中液滴微觀動力學(xué)行為定量表征和預(yù)測方法在權(quán)利要求書中公布了：1.一種對原油乳狀液中液滴微觀動力學(xué)行為定量表征和預(yù)測方法，其特征在于包括如下步驟：步驟一、顯微視頻拍攝：在控制施加給原油樣品剪切速率和溫降速率的前提下，拍攝液滴在原油乳狀液中的微觀運動和結(jié)構(gòu)變化視頻；步驟二、顯微視頻提取：選取能夠體現(xiàn)液滴微觀形態(tài)、聚集運動和碰撞行為的若干關(guān)鍵視頻段并從原視頻中截取出來；步驟三、顯微視頻逐幀化處理，得到液滴動態(tài)序列圖像；步驟四、顯微圖像預(yù)處理，使得液滴邊緣輪廓較為清晰；步驟五、機器目標識別與追蹤，建立機器識別液滴算法模型，進行目標特征匹配，對全視域內(nèi)液滴進行識別與追蹤，對全局圖像建立多閾值Ostu分割，利用粒子群優(yōu)化算法對多閾值Ostu分割進行優(yōu)化；步驟六、目標特征匹配的結(jié)果對目標特征進行隨機抽樣，隨機抽樣出若干個微觀液滴，記錄其特征點并找到其相對應(yīng)的微觀液滴；步驟七、對步驟六抽樣出的液滴進行人工追蹤與微觀特征參數(shù)提取，得到閾值序列圖像；步驟八、特征參數(shù)提取，對步驟五-步驟七得到的閾值序列圖像進行微觀液滴特征參數(shù)定量表征：經(jīng)處理得到液滴及其聚集體閾值圖像，基于觀測視域大小與閾值圖像分辨率的比例，分析得到液滴及其聚集體的微觀特征參數(shù)，定量表征液滴及其聚集體的微觀運動、空間分布及結(jié)構(gòu)的動態(tài)變化情況；步驟九、對比人工追蹤的微觀液滴軌跡、提取的特征參數(shù)和機器追蹤的微觀液滴軌跡、提取的特征參數(shù)，用差分法檢驗其誤差率；步驟十、對定量識別得到的液滴微觀動力學(xué)參數(shù)進行分析，通過構(gòu)建數(shù)學(xué)模型對液滴的動力學(xué)行為進行預(yù)測；步驟1、對液滴的運動軌跡進行預(yù)測：根據(jù)已捕捉大量液滴軌跡，將不同液滴在不同時刻、不同剪切速率下的軌跡取不同比例作為訓(xùn)練樣本集，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型對其進行訓(xùn)練，得到液滴軌跡預(yù)測模型，不斷迭代、修正液滴軌跡預(yù)測模型，直至其預(yù)測誤差降低到某一值；步驟2、對乳狀液整個體系內(nèi)液滴的均勻度進行預(yù)測：對原油樣品施加某一恒定剪切速率，固定顯微觀測視域，對視域內(nèi)液滴的均勻度進行監(jiān)測，觀察液滴均勻度的隨剪切時間變化情況；液滴的均勻度的求解公式如下： 式中，Ai為第i個網(wǎng)格中液滴的面積占比；為平均的液滴面積占比；N為網(wǎng)格數(shù)；將顯微圖像均勻分割為N個網(wǎng)格，分析得到每個網(wǎng)格的液滴面積；計算某一固定視域下得到的不同時刻的均勻度系數(shù)，對其建立并訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)模型，得到乳狀液體系液滴均勻程度變化模型，對體系的均勻度變化做出預(yù)測；不斷迭代、修正乳狀液體系液滴均勻程度變化模型，直至乳狀液體系液滴均勻程度變化模型預(yù)測誤差降低到某一值。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人東北石油大學(xué)，其通訊地址為：163319 黑龍江省大慶市高新技術(shù)開發(fā)區(qū)學(xué)府街99號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。