当前位置:问答库>论文摘要

题目:融合科氏效应与差压效应的质量流量传感技术的研究

关键词:质量流量传感器;科氏效应;差压效应;数字闭环控制系统;数据融合

  摘要


高精度小流量测量在生物工程、精细化工、环境、医疗等领域具有迫切的需求,针对小口径科氏质量流量传感器信噪比低、相位差解算精度差的问题,论文提出融合科氏效应与差压效应的质量流量测量技术,系统地研究了1mm口径科氏质量流量计的门形测量管理论建模、压损分析、数字闭环控制系统、高精度信号解算方法及科氏效应与差压效应数据融合算法,主要完成的工作如下:

1. 建立了测量管的通用振动微分方程,获得传感器的固有频率、灵敏度以及最佳检测点的解析解,确定传感器结构参数。分析传感器在层流状态和湍流状态下的沿程压力损失和局部压力损失,建立流量与压损的模型。利用有限元法分析了振动模态及压损特性,验证了所建立理论模型的正确性。研制了敏感单元为单门形管口径为1mm的质量流量传感器,给出了同时利用科氏效应和差压效应实现流量测量的整体方案。

2. 设计了质量流量传感器的闭环控制系统,针对模拟闭环存在的起振速度慢、抗干扰性差、零漂大等缺点,提出了一种数字式非线性幅值控制方法,结合参考信号可快速变化的MDAC(Multiplying Digital to Analog Converter),实时跟踪传感器的振动信号,实现传感器的快速稳定振动,改善了传感器的测量性能。

3. 建立了传感器的科氏效应的磁电信号检测法和平面梳齿电容信号检测法的检测模型,为信号检测器的设计与优化提供理论依据。针对传感器检测信号相位差微弱、信噪比较低的特点,研究了实时高精度的流量解算方法,重点分析Hilbert变换方法和加窗插值FFT(Fast Fourier Transformation)算法,并实现了一种传感器信号解算系统,获得科氏效应的时间差和差压效应的压力差数据。

4. 提出了一种融合模型为双输入单输出数据处理系统,基于多维回归分析法和BP(Back Propagation)神经网络算法,对传感器标定过程中获得的时间差数据和差压数据进行融合处理,获得多维回归分析算法所确定的平面的常系数,并训练网络,得到隐含层节点数及各层的权值和阈值,有效提高了传感器的测量精度与量程比。

对融合科氏效应与差压效应的流量检测方法进行了实验验证,结果表明,经过数据融合处理后,所设计的DN1口径门形管流量传感器的综合测量误差由±3%减小到±0.5%,测量量程比由10:1提高到25:1,验证了方案的可行性和有效性。