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 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
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
立即下载 低至0.43元/次 身份认证VIP会员低至7折
一个资源只可评论一次,评论内容不能少于5个字
weixin_39841848 如果觉得有用,不妨留言支持一下
2019-08-14
  • 至尊王者

    成功上传501个资源即可获取
关注 私信 TA的资源
上传资源赚积分or赚钱
    最新推荐
    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 28积分/C币 立即下载
    1/7
    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第1页
    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第2页

    试读结束, 可继续读1页

    28积分/C币 立即下载 >