Coriolisovy průtokoměry jsou zařízení, která využívají Coriolisova jevu k měření hmotnostního průtoku kapalin, plynů . Princip činnosti je založen na fázových změnách mechanických vibrací trubic ve tvaru U, kterými se médium pohybuje. Fázový posun je úměrný hmotnostnímu průtoku . Proud o určité hmotnosti pohybující se vstupními větvemi průtokových trubic vytváří Coriolisovu sílu , která odolává vibracím průtokových trubic. Vizuálně je tento odpor cítit, když se ohebná hadice kroutí pod tlakem vody čerpané skrz ni.
Výhody měření Coriolisovým průtokoměrem:
Také tato zařízení slouží k měření spotřeby LPG .
Za posledních 20 let výrazně vzrostl zájem o hmotnostní Coriolisovy průtokoměry [1]. Hmotnostní průtok se získává v hmotnostním Coriolisově průtokoměru měřením fázového rozdílu signálů ze dvou snímačů, hustotu kapaliny lze vztáhnout k frekvenci signálů [2]. Proto musí být frekvence signálu a fázový rozdíl signálů z Coriolisova hmotnostního průtokoměru monitorovány s vysokou přesností as minimálním zpožděním. Ve dvoufázovém prostředí (kapalina/plyn) jsou všechny parametry signálu (amplituda, frekvence a fáze) vystaveny velkým a rychlým změnám a schopnost sledovacích algoritmů sledovat tyto změny s vysokou přesností a minimálním zpožděním se stává stále důležitější.
Fourierova transformace je jednou z nejstudovanějších, univerzálních a efektivních metod pro studium signálů [3,4]. To určuje jeho neustálé zlepšování a vznik metod s ním úzce souvisejících, ale v některých charakteristikách lepších. Například pomocí Hilbertovy transformace [5] lze snadno implementovat amplitudovou a fázovou demodulaci nosné a PRISM [6] umožňuje efektivně pracovat s náhodnými signály reprezentovanými součtem tlumených komplexních exponenciál.
Výše uvedené transformace lze přičíst neparametrickým metodám [3], které mají zásadní omezení frekvenčního rozlišení spojeného s dobou pozorování vztahem nejistoty: kde a jsou požadované frekvenční rozlišení a doba pozorování nezbytná k jeho zajištění, resp. . Tento poměr klade přísné požadavky na dobu trvání pozorovaného úseku s požadavky na zvýšené rozlišení, což následně zhoršuje dynamické charakteristiky algoritmů zpracování a ztěžuje práci s nestacionárními signály.
Hilbert-Huangova transformace [7] rozšiřuje možnost práce s nestacionárními nelineárními signály, nicméně doposud vychází spíše z empirických poznatků, což ztěžuje vypracování doporučení pro její konkrétní aplikaci.
Jedním ze způsobů, jak překonat vztah nejistoty, je přejít na parametrické metody zpracování signálu, ve kterých se předpokládá, že signál se skládá ze součtu dílčích signálů známého tvaru (obvykle ortogonálních v čase nebo frekvenci), a pouze některé parametry signálu jsou neznámý. Pokud se například jako částečný signál použije komplexní sinusoida, pak parametry jsou komplexní amplituda, frekvence každé složky. Na základě principů řešení soustav nezávislých rovnic to umožňuje snížit počet vzorků signálu na počet neznámých parametrů, který může být řádově menší než počet vzorků potřebný pro použití ve Fourierově transformaci s stejné rozlišení.
Snad nejznámějšími metodami této třídy jsou algoritmy založené na regresních procesech a procesech klouzavého průměru [3]. Pokud však lze signál reprezentovat jako lineární kombinaci exponenciálních funkcí, je široce používána Pronyho metoda, navržená již na konci 18. století [8]. Hlavní nevýhodou této metody je potřeba přesné znalosti počtu exponenciálních složek obsažených v signálu a poměrně velká citlivost na aditivní šum [9]. Touha překonat tyto nedostatky vedla ke vzniku jedné z nejúčinnějších metod spektrální analýzy – metody maticových paprsků (MBM) [10, 11 [1] ]. V tomto případě je počet exponenciálních složek určen během provozu metody. Studie navíc ukazují, že IMF má výrazně větší odolnost vůči aditivnímu šumu než Pronyho metoda a v tomto parametru se blíží Rao-Kramerovu odhadu [12].
V [13] jsou uvažovány metody pro zpracování proudových signálů z Coriolisova průtokoměru pro sledování amplitudy, frekvence a fázového rozdílu a jejich charakteristiky jsou analyzovány při simulaci podmínek dvoufázového proudění. Tyto metody zahrnují Fourierovu transformaci, digitální smyčku fázového závěsu, digitální korelaci, adaptivní vrubový filtr a Hilbertovu transformaci. Ve své další práci [14] autoři popsali algoritmus komplexního pásmového filtru a aplikovali jej na zpracování signálu z Coriolisova hmotnostního průtokoměru. K odhadu parametrů signálů z Coriolisova průtokoměru je v článku [15 [2] ] také použita modifikace klasické metody maticového paprsku pro vektorové procesy, která vykazovala lepší výsledky ve srovnání s Hilbertovou metodou a klasickou metodou maticového paprsku.