|
聯系方(fāng)式
|
|
電話(市場部):
|
|
|
|
|
|
(拓(tuo)展部):
|
|
傳真:
|
節假日(rì)商務聯系電話:
何(hé)經理:
劉經理:
|
|
郵編(biān):211600
|
|
網址:/
|
|
http://banyunshe.cc/
|
|
E-mail:[email protected]
|
|
[email protected]
|
地址:江蘇省(sheng)金湖縣工業園區(qu)環城西
路269号
|
|
|
|
|
|
|
|
熱式氣體流量(liàng)計的溫度補償
發(fā)布時間:2021-8-10 08:21:15
|
本文主要(yào)利用徑向基兩數(shù)(RBF)神經網絡算法在(zài)溫度補償中的優(yōu)勢,分析不同溫度(du)對氣體流量測量(liàng)的影響,一種基于(yú)RBF神經網絡🔴的溫度(dù)補償方法,有效避(bì)免硬件電路補償(chang)方法的單一性和(he)不穩定性,在降低(di)成本的同時提高(gao)測量裝置的正确(que)率。最終采用🔴軟件(jiàn)補償的萬法對熱(re)式🏃氣體流量計的(de)溫度補償🧑🏾🤝🧑🏼進行了(le)大量實🥰驗,實現了(le)溫度梯度變化下(xià)熱式氣體流量計(jì)
的精度高測量。
一(yī)、熱式流量計的工(gōng)作原理及分類
熱(rè)式流量計按結構(gòu)可以分爲熱分布(bu)型和浸人型🐅。熱分(fen)🔴布型熱式流量計(ji)将傳感元件放置(zhi)于管道壁,傳感✍️元(yuán)件🛀🏻經過加熱溫度(dù)高于流休溫度,流(liú)體流經傳感元件(jian)表面導緻上下遊(you)溫度發生變化,利(lì)用上下遊溫度差(cha)測量流體流量,一(yi)般用于微♊小流速(sù)氣🎯體流量的測量(liang)。
熱分布型熱式流(liu)最計的T.作原理如(ru)圖1所示,傳感元件(jiàn)由💋上遊熱電阻、加(jiā)熱器利下遊熱電(dian)阻組成,加熱器位(wei)于管道中心,使得(de)傳感元件溫度高(gāo)于壞境溫度,上遊(yóu)🙇🏻熱電阻和下遊熱(re)電阻對稱分布于(yú)加熱器的兩側。圖(tú)1中曲線1所示爲管(guan)道中沒有流休流(liu)過時傳感元件的(de)😘溫度分布線.相對(duì)于加熱器的上下(xia)遊熱電阻溫度是(shi)對稱的。當有流體(tǐ)經過熱式傳感元(yuan)件時,溫度分布爲(wei)曲線2,顯然流體将(jiang)上遊部分的熱量(liang)帶給下遊,導緻上(shang)遊溫度比下遊溫(wēn)度低,上下遊👨❤️👨熱電(dian)阻的溫度差△T反映(ying)了流體的流量,即(ji)△T=f(m)。當流體流速過大(dà)時,上下遊熱屯陰(yin)的溫度差△7趨向于(yú)0,因此熱分布型熱(rè)式流量計用于測(ce)量低流速氣休微(wēi)小流🈲量。氣體質量(liàng)流量qm可表示爲
式(shi)中:Cp-一流體介質的(de)定壓比熱容;A一熱(rè)傳導系數;K一💛一🚶儀(yi)表系數。
浸人型熱(re)式流最計的工作(zuò)原理如圖2所示,一(yī)般将兩個熱電阻(zǔ)
置于中大管道中(zhōng)心,可測量中高流(liu)速流體。熱電阻通(tong)較小🙇🏻電🏃🏻♂️流或不通(tong)電流,溫度爲T;另一(yi)熱電阻經較大電(dian)流加熱,其溫度T高(gao)于氣體溫度。管道(dao)中有氣流通過時(shi),兩者之間的溫度(dù)差爲△T=Tv-T0氣體質量流(liu)量qm與加熱電路功(gōng)率P、溫度差△T的關系(xi)式爲
式中:E一系數(shu)與流體介質物性(xing)參數有關;D一與流(liu)體流💋動有關的常(chang)數。
如果保持加熱(re)電路功率P恒定,這(zhe)種測量方法爲恒(héng)功率法;如果保持(chí)溫度差△T恒定,這種(zhong)測量方法爲恒溫(wen)差☁️法,兩🈲種方法有(yǒu)各自的優缺點,使(shi)用時據具體🔆環境(jing)和需要而定。目前(qián)較普遍的是采用(yòng)恒溫差法,由于需(xū)要不同的應⚽用領(lǐng)域,恒⚽溫差法已不(bú)适用于某些場.合(he)的測量,因此恒功(gong)率法應用領域越(yue)來越廣泛。恒溫差(cha)法的基本原理是(shì)👨❤️👨流體流過加熱🈲的(de)熱電阻表面使得(de)熱☂️電阻表🌈面的溫(wēn)度降低,熱電阻的(de)阻值變小。反饋電(diàn)路自動進行處理(li),通過熱電阻的加(jiā)熱電流變大從而(er)使🔴得熱電🆚阻溫度(du)升高,即可使♉得熱(rè)電阻與流體👣溫度(dù)差恒定。通過測量(liang)傳感電路🐪的輸出(chu)電流或輸出電壓(ya)便可獲得流量值(zhí)。恒功率法的基本(běn)原理是加熱功率(lǜ)爲恒定值,管道内(nèi)沒有流體流過時(shi)溫度差△7最大,當流(liú)體流過熱電阻表(biao)面🧡時熱電阻與流(liu)體溫度差變小,通(tōng)過測量△T便可得到(dào)☂️流體流量。
二、基于(yu)RBF神經網絡的溫度(du)補償
由熱式氣體(tǐ)流量計恒溫差法(fa)測量原理分析可(kě)知,熱式氣⁉️體流量(liang)計在測量時,傳感(gǎn)器靈敏系數與流(liu)體的熱傳導、密度(dù)、黏性等有關,而熱(rè)傳導、密度、黏性與(yu)環境溫度有關,在(zài)溫度變化較大的(de)情況下會導緻流(liu)量計測量結果産(chǎn)生較大誤差。由測(ce)量電路可知,當環(huán)境溫度升高時,測(cè)速電阻變大,要保(bǎo)證惠斯通測量電(diàn)橋⁉️平衡,其加熱電(diàn)流将随着溫度的(de)升高而變大,流量(liang)計的輸出電☔壓也(ye)将增大。由此可得(dé),當沒有氣流變化(hua)時,流量計測量結(jié)果會随着環境溫(wēn)🧑🏾🤝🧑🏼度的變化而改變(bian),其輸出結果會産(chan)生較大誤差或者(zhe)錯誤結果。所以,在(zài)熱式🌂氣體流量計(jì)測量氣體流量時(shi),其溫度偏移現象(xiàng)普遍🐇存在。
1.RBF神經網(wang)絡溫度補償原理(li)
神經網絡溫度補(bǔ)償就是利用神經(jīng)網絡的麗數逼近(jin)能力、泛化能力和(hé)自學習能力等特(te)性,在不必建立傳(chuán)感器輸出随溫度(du)變化的具體模型(xing)情況下,通過網絡(luò)學習訓練即可模(mo)拟出輸人輸出的(de)具體内在聯系。溫(wen)度補償原理框圖(tu)如圖3所示。
RBF神經(jīng)網絡溫度補償模(mo)型的輸人信号由(yóu)氣體流量計輸🙇🏻出(chū)⛹🏻♀️電壓信号(U、)和環境(jing)溫度電壓信号(U)組(zu)成,經過RBF神經網絡(luò)學習⚽訓練,消除環(huán)境溫度T對測量結(jie)果的影響,輸👉出補(bu)償後的氣🙇🏻體流速(su)值r'能較好地逼近(jìn)目标值o,進而📞消除(chu)環境溫度變化影(ying)響,提高熱式氣體(ti)流量計的測🧑🏽🤝🧑🏻量正(zheng)确率和📐穩定性。
2.RBF神(shén)經網絡模型
RBF神經(jīng)網絡是一種3層前(qian)饋局部逼近網絡(luo),能逼近任💛意連續(xu)函數,由輸人層、隐(yin)含層和輸出層組(zǔ)成。 RBF神經📱網絡🚶♀️最顯(xiǎn)著的特點是隐含(hán)層采用高斯RBF,即表(biǎo)示爲
三、實驗研究(jiu)與結果分析
1.樣本(běn)獲取與分析
采用(yong)标準表法對熱式(shi)氣體流量計進行(háng)檢定,将标準氣體(ti)🥵流量計、熱式氣體(ti)流量計和溫度傳(chuan)感器置于被🏃測環(huan)境中。
标準氣體流(liu)量計輸出對應被(bei)測流速v,熱式氣體(tǐ)流♋量計輸出電壓(yā)U.,溫度傳感器輸出(chu)電壓UT。實驗在5組不(bu)同的環境💛溫度下(xia)進行,分别在每種(zhǒng)溫度下測量15組不(bú)同氣體流量值。圖(tú)4爲😄不同溫度下熱(re)式氣體流量計輸(shu)出的75組試驗數據(jù)的分布💋。
由圖4可知(zhi),在同一氣體流量(liàng)情況下,熱式氣體(ti)流量💔計的輸出⭕随(suí)🔆着溫度的變化存(cún)在明顯的溫度漂(piāo)移。因此,建立RBF神經(jīng)網絡👈溫度補償模(mo)型,可提高流量測(ce)量正确率。
2.溫度補(bu)償與效果分析
根(gēn)據RBF神經網絡算法(fǎ)原理對熱式氣體(ti)流量計進行溫🌈度(du)補✨償,将實驗中的(de)55組數據作爲訓練(liàn)樣本,20組數🔞據作爲(wèi)測試樣💚本,建立RBF神(shén)經網絡。輸人層選(xuan)取2個節點,分别對(dui)應熱💘式氣體🔱流量(liàng)計的輸出電壓信(xin)号U,和🤟溫度傳感器(qì)輸出電壓信号Uτ,隐(yǐn)含層選取10個節點(dian),輸出層選取1個節(jie)點對應精度高标(biao)準氣體流量計輸(shu)出流速u。對熱式氣(qì)體流量計進行溫(wēn)度補償,補償效🚶果(guǒ)如表1所示。
經RBF神經(jing)網絡溫度補償後(hou)熱式氣體流量計(ji)輸出基本不随溫(wēn)🌐度改變而變化,其(qi)誤差随溫度變化(hua)曲線.如圖5所示,最(zui)大相對誤差爲0.85%,有(yǒu)效提高了測量正(zheng)确率。
以上内容源(yuán)于網絡,如有侵權(quán)聯系即删除!
|
|
|
|
|