热式气体流量计的温度补偿
本文主要利用径向基函数 (RBF) 神经网络算法在温度补偿中的优势, 分析不同温度对气体流量测量的影响, 设计一种基于RBF神经网络的温度补偿方法, 有效避免硬件电路补偿方法的单一性和不稳定性, 在降低成本的同时提高测量装置的准确性。最终采用软件补偿的方法对热式气体流量计的温度补偿进行了大量实验研究, 实现了温度梯度变化下热式气体流量计的高精度测量。
一、热式流量计的工作原理及分类
热式流量计按结构可以分为热分布型和浸入型。热分布型热式流量计将传感元件放置于管道壁, 传感元件经过加热温度高于流体温度, 流体流经传感元件表面导致上下游温度发生变化, 利用上下游温度差测量流体流量, 一般用于微小流速气体流量的测量。
热分布型热式流量计的工作原理如图1所示, 传感元件由上游热电阻、加热器和下游热电阻组成, 加热器位于管道中心, 使得传感元件温度高于环境温度, 上游热电阻和下游热电阻对称分布于加热器的两侧。图1中曲线1所示为管道中没有流体流过时传感元件的温度分布线, 相对于加热器的上下游热电阻温度是对称的。当有流体经过热式传感元件时, 温度分布为曲线2, 显然流体将上游部分的热量带给下游, 导致上游温度比下游温度低, 上下游热电阻的温度差ΔT反映了流体的流量, 即ΔT=f (m) 。当流体流速过大时, 上下游热电阻的温度差ΔT趋向于0, 因此热分布型热式流量计用于测量低流速气体微小流量。气体质量流量qm可表示为
式中:Cp———流体介质的定压比热容;A———热传导系数;K———仪表系数。
图1 热分布型热式流量计的工作原理
浸入型热式流量计的工作原理如图2所示, 一般将两个热电阻置于中大管道中心, 可测量中高流速流体。一热电阻通较小电流或不通电流, 温度为T;另一热电阻经较大电流加热, 其温度Tv高于气体温度。管道中有气流通过时, 两者之间的温度差为ΔT=Tv-To气体质量流量qm与加热电路功率P、温度差ΔT的关系式为
图2 浸入型热式流量计的工作原理
式中:E———系数与流体介质物性参数有关;D———与流体流动有关的常数。
如果保持加热电路功率P恒定, 这种测量方法为恒功率法;如果保持温度差ΔT恒定, 这种测量方法为恒温差法, 两种方法有各自的优缺点, 使用时据具体环境和需要而定。目前较普遍的是采用恒温差法, 由于需要不同的应用领域, 恒温差法已不适用于某些场合的测量, 因此恒功率法应用领域越来越广泛。恒温差法的基本原理是流体流过加热的热电阻表面使得热电阻表面的温度降低, 热电阻的阻值变小。反馈电路自动进行处理, 通过热电阻的加热电流变大从而使得热电阻温度升高, 即可使得热电阻与流体温度差恒定。通过测量传感电路的输出电流或输出电压便可获得流量值。恒功率法的基本原理是加热功率为恒定值, 管道内没有流体流过时温度差ΔT最大, 当流体流过热电阻表面时热电阻与流体温度差变小, 通过测量ΔT便可得到流体流量。
二、基于RBF神经网络的温度补偿
由热式气体流量计恒温差法测量原理分析可知, 热式气体流量计在测量时, 传感器灵敏系数与流体的热传导、密度、黏性等有关, 而热传导、密度、黏性与环境温度有关, 在温度变化较大的情况下会导致流量计测量结果产生较大误差。由测量电路可知, 当环境温度升高时, 测速电阻变大, 要保证惠斯通测量电桥平衡, 其加热电流将随着温度的升高而变大, 流量计的输出电压也将增大。由此可得, 当没有气流变化时, 流量计测量结果会随着环境温度的变化而改变, 其输出结果会产生较大误差或者错误结果。所以, 在热式气体流量计测量气体流量时, 其温度偏移现象普遍存在。
1. RBF神经网络温度补偿原理
神经网络温度补偿就是利用神经网络的函数逼近能力、泛化能力和自学习能力等特性, 在不必建立传感器输出随温度变化的具体模型情况下, 通过网络学习训练即可模拟出输入输出的具体内在联系。温度补偿原理框图如图3所示。
图3 热式气体流量计温度补偿原理框图
RBF神经网络温度补偿模型的输入信号由气体流量计输出电压信号 (Uv) 和环境温度电压信号 (UT) 组成, 经过RBF神经网络学习训练, 消除环境温度T对测量结果的影响, 输出补偿后的气体流速值v′能较好地逼近目标值v, 进而消除环境温度变化影响, 提高热式气体流量计的测量准确性和稳定性。
2. RBF神经网络模型
RBF神经网络是一种3层前馈局部逼近网络, 能逼近任意连续函数, 由输入层、隐含层和输出层组成。
RBF神经网络最显著的特点是隐含层采用高斯RBF, 即表示为
式中:Φi———第i个隐节点的输出;σi———标准偏差;ci———高斯函数的中心值;q———隐含层节点个数。
输出层节点采用线性激活函数
式中:yj———第j个输出层节点的输出;wij———第i个隐含层到第j个输出层的权值;bj———第j个输出层节点的阈值;n——输出层节点个数。定义误差函数为
式中:k——网络训练样本总数;ti、yi———在样本i的期望输出和实际输出。
三、实验研究与结果分析
1. 样本获取与分析
采用标准表法对热式气体流量计进行检定, 将标准气体流量计、热式气体流量计和温度传感器置于被测环境中。
标准气体流量计输出对应被测流速v, 热式气体流量计输出电压Uv, 温度传感器输出电压UT。实验在5组不同的环境温度下进行, 分别在每种温度下测量15组不同气体流量值。图4为不同温度下热式气体流量计输出的75组试验数据的分布。
图4 不同温度下流量计的输出电压与流速关系图
由图4可知, 在同一气体流量情况下, 热式气体流量计的输出随着温度的变化存在明显的温度漂移。因此, 建立RBF神经网络温度补偿模型, 可提高流量测量准确度。
2. 温度补偿与效果分析
根据RBF神经网络算法原理对热式气体流量计进行温度补偿, 将实验中的55组数据作为训练样本, 20组数据作为测试样本, 建立RBF神经网络。输入层选取2个节点, 分别对应热式气体流量计的输出电压信号Uv和温度传感器输出电压信号UT, 隐含层选取10个节点, 输出层选取1个节点对应高精度标准气体流量计输出流速v。对热式气体流量计进行温度补偿, 补偿效果如表1所示。
表1 测试数据的补偿结果
图5 补偿后温度相对误差图
经RBF神经网络温度补偿后热式气体流量计输出基本不随温度改变而变化, 其误差随温度变化曲线如图5所示, 最大相对误差为0.85%, 有效提高了测量准确度。
