论文研究-基于LabVIEW的光纤温度传感器动态补偿方法的研究.pdf-其它代码类资源-CSDN下载

论文研究-基于LabVIEW的光纤温度传感器动态补偿方法的研究 .pdf

所需积分/C币：28 2019-08-14 16:19:02 353KB .PDF
0

收藏
举报

基于LabVIEW的光纤温度传感器动态补偿方法的研究，陈卫亮，戴先中，针对半导体光纤温度传感器的动态特性较差的问题，设计了一种LabVIEW下由光纤温度传感器及其神经网络逆动态补偿器构成的复合温度测��
山国科技记文在线的方法确定其数学模型式()的非线性项,而利用系统辩识的方法也很难获得其精确的数学模型。因此采用神经网络逆系统的方法,利用神经网络具有的非线性逼近能力、自学习能力以及容错能力等一系列特点,用一个双输入单输出的静态神经网络去逼近非线性函数 ,从而得到成光纤温度传感器的神纾网终逆动态补偿器,将其串联到光纤温度传感器后即可得到复合温度测量系统,其结构如图()所示: 2(光纤温度线性()2()光纤温度Pp(2 静态传感器系统的数映射传感器系统神经网络 ul t i 传感器逆荥统传感器逆系统基于非线性函数映射基丁静态神经网终图复合温度测量系统结构图上图()中,被测温度经过光纤温度传感器得到经过光电转换的电压再通过五点求导法得到的电压的导数,二者作为输入经过静态神经网络,可得到经过神经网络逆动态补仁器补之后的温度值下神经网络逆系统方法的实现神经网络训练样本的采集由图()可知,静态神经网络的输入是经过光电转化之后的电压及其导数¨, 输出为温度因此,只要能够得到足够多并且准确的数据即可进行神经网络训练本文采用关国国家仪器公司生产的数据采集卡和热电阻进行的采集,电压的导数通过五点求导法得到,五点求导法公式如下()式所示。式中,为当前点, 依次为当前点之前的个点被测温度通过晑精度的热电阻传感器采集得到。热电阻广泛应用于扃精度的温度测量,美国国家仪器公司牛产的三线制热电阻遵循欧洲)标准曲线( ),温度测量范围为℃℃ 数据采集卡是美国国家仪器公司生产的一款可以高精度采集温度、直流电压的数据采集卡,同时还可以测量电阻, 热电偶等数据采集卡只有位的转换精度,可以提供恒定的和的内部激励电流,用热电阻测量温度时,精度可以达到℃,由于本文中由于使用的两个通道(分别采集温度和电压),同时考虑到温度的变化速率以及数据的实时分析处理能力,选择采样频率为程序中,首先需要对数据采集卡进行参薮的初始化,然后输入采样的点数即可进行温度和电压的采集,在采集电压的同时,利用五点求导法可求得电压导数对采集到的数据进行滤波并保存,从而得到神经网终训练所需要的全部训练样木众所周知,神经网络训练必须要有足够多、准桷的训练样本才能够很好的把原系统的特征特性辨识出米,从而使得图()中的静态神经网络能够很好的逼近图()中的非线性函数。因此,对于神经网终训练样本的选取,本文通过对光纤温度传感器以不同的速率进行山国科技记文在线加热,不同的速率进行降温,同时采集待测点的温度以及光电转换电压的方法,最终采集到组数据作为神经网络的训练样本。下神经网络训练方法的实现下实现神经网终,可以利用节点编辑或调用程序提供的节点位于后面板的位置。可以在节点中编辑用语言编写的神经网络训练算法程序。需要注意的ˉ点是:程序运行吋将自动调用 ,所以系统中必须装有以上版本。本文采用神经网络,用程序实现神经网络训练算法。选用三层前馈静态神经网络,选取作为隐含层节点数,隐层神经元的激活两数选为函数,训练算法采用神经网络仿真包自带的算法,训练次数和训练目标精度可以根据训练情况做适当的调整,本文中最后的训练次数确定为次,训练日标精度确定为。程序首先装入小节中米集到的神经网终训练样本数据,然后对一个结构形式为的三层前馈神经网络进行训练,如下图所示: 静态传感器原系统神经训练算法图静念神经网络训练结构绎过神将网络训练,可得到一个结构形式为的静态神经网络,与微分器组合可构成期望的神经网络逆动态补偿器,将其串联到光纤温度传感器之后即可得到复合温度测量系统。下神经网络逆动态补偿器的实现本文采用三层神经网络模型来构造神经网终逆动态补偿器,模型是一种应用比较广泛的多层前向拓扑结构,它由输入层,隐含层和输出层三部分构成,三部分之间通过层节点之间的连接权依次前向连接。绎过小节中的神经网络训练之后得到一个结构形式为的静态神经网络,其内部结构如图所示输入层⊥ 隐含输出l 图神经网络逆动态补偿器上图中的静态神经网络的输入层由经过光电转换的电压及其导数构成,可以看作山国科技记文在线是一个的矩阵。输出层为经过补偿之后的温度,可以看作是一个的矩阵。由于选取作为隐含层节点数,因此隐含层中的 ,O ,则从输入层到输出层的关系式可用下式表示: 函数如下式所示: 下实现神经网络逆动态补偿器的程序如图所示,使用中的 (顺序结构)控件,利用节点,首先装载经过神经网络训练得到的包含权值系数的静态神经网终模块然后得到所有的权系数,并接收输入层的,即图中的和通过控件实现 ,通过控件实现数,经过式()所示的代数关系最终得到输出层的电压。实时测温时,只需将图中的和连接到由数据呆集卡采集到的电压及其导数即可得到当前温度值 tansig W1*Y ■ ATLAB script A x B load NRslt RMmat R=net.1亿2,1 12*t ansel B1=net. bi1, 11 DBL I B1=1 TDe B2=ne.b{2,1} 百口口百口口百口口口口口百口口口口口口口日口口百口口口口口日百口百口口百百口口口口图下神经网络逆动态补偿器的实现实验结果分析对复合温度测量系统的稳态精度检验方法如下:从℃到℃,每隔℃,当温度稳定之后,记录复合温度测量系统的输出温度。如下图所示为复合温度测量系统的误差曲线, 误差值由实际温度值与复合温度测量系统测得的温度相减得到。由图可见:复合温度测量系统的稳态精度可达到℃,且基本都在摄氏度以内。图稳态误差曲线对复合温度系统的动态特性检验结果如下图所示,图()()为温度以不同速率上山国科技记文在线升曲线,()()为温度以不同速率下降曲线。图中虚线为通过高精度的热电阻测量到的实际温度:实线为经过神经网络逆动态补偿器补偿之后的温度,即复合温度测量系统测得的温度;点划线为未经过神经网络动态补偿器补偿测得的温度。由图可见,未经过讣偿的温度具有一定的滞后性,而复合温度测量系统测得的温度能够较好的跟随温度的变化,具有良好的动态特性,能够适应对温度的实时测量要求比较岢刻的环境,例如可能含有易燃易爆气体的油井和矿井内部,高压强电磁的电力系统环境。即在上述环境中,一旦发生温度的变化,能够很快的检测到温度的变化情况,从而芫醒工作人员采取相应的措施,避免发生严重后果。实实际温度补尝温虔外尝温度 -…--惴温度 8010 时t 涅度上升温度上升 ,补偿湿度12 温度下降沮度下降图动态特性曲线最后,为了检验复合温度测量系统的响应速度,通过对光纤温度传感器施加阶跃信号即先将光纤温度传感器放到℃的水中,待稳定后,迅速放到℃的水中,待稳定后,再放入℃的水中。经过反复实验,光纤温度传感器的响应速度为约为,而经过补偿之后的复合温度系统的响应速度约为。可见,设计出的复合温度测量系统大大提高了原传感器的响应速度,具有良好的动态特性。结语本文通过采用将虚拟仪器和神经网络逆系统有机结合的方法,充分而利用二老的优势, 通过神经网络逆系统的方法,在平合下对光纤温度传感进行了补偿,设计了一种复合的温度测量系统,该系统具有较好的稳态精度,尤其具有良好的动态特性,稳态精度可达℃,响应速度可达。解决了光纤温度传感器的响应速度不够快的问题,使其能够广泛的应用在易燃易爆,髙压强磁等对温度实时测量要求比较苛刻的环境下山国科技记文在线参考文献戴先中,殷铭,王勤传感器动态补偿的神经网络逆系统方法仪器仪表学报陈锡辉,张银鸿程序设计从入门到精通北京:清华大学出版社昝涛,王民,费仁元等屮人工神经网络计算的实现与应用微计算机信息熊秀,石秀华,许晖等用实现神经网络控制测控技术作者简介陈卩亮,男,年牛,硕士研究生,主要研究方向为传感器的神经网络逆动态补偿; 丁煜函,男年生,博士研究生,主要硏究方向是神经网终逆系统测量方法戴先中,男, 玍生,教授,博士生导师,研究方向有神经网络逆系统的测量与控制方法、电力系统控制方法、机器人控制等。

...展开详情

光纤温度传感器

试读 7P 论文研究-基于LabVIEW的光纤温度传感器动态补偿方法的研究 .pdf