基于Elman网络温度预测模型的差压气密性检测方法研究

发布时间：2017-05-05 23:03

  本文关键词：基于Elman网络温度预测模型的差压气密性检测方法研究，由笔耕文化传播整理发布。

【摘要】：因为密闭容器的使用越来越广泛,所以气密检测技术越来越受到国内外企业和研究所的关注。在众多检测法中,差压检测法因其据有较高的检测精度、使用方便而得到了较快的发展。但随着相关研究的深入,发现作为压力法检测介质的气体易受外界环境的影响,导致本身性质发生改变从而影响检测结果,其中温度变化造成的影响是比较严重的。在此背景之下,结合试验现场情况,本课题提出了一种基于温度预测模型的差压泄漏检测法,并对该方法进行了理论分析和实验研究。本课题主要从以下几个方面展开了工作:(1)通过对目前比较常用的几种检测方法的分析比较,根据检测结果的影响因素和解决方法,确定了本课题的研究思路。通过理论公式推导,证明了检测过程中温度变化对检测结果的影响,得到了带温度补偿的泄漏量计算方程。通过数值仿真法证明了影响腔内温度的主要因素包括检测压力、漏孔、容器容积等。结果表明,容器容积、漏孔和检测压力越大,两腔内温度差就越大,对检测结果影响越大。(2)根据试验检测方案的分析,完成了气密性检测系统的硬件设计和软件设计:硬件系统包括检测流程控制、数据采集,电气路元件的选型;系统软件以Lab VIEW为编程环境,实现参数配置、性能检测、信号处理、数据采集和管理等功能。(3)对搭建的检测平台进行设备重复性和准确度评定,在符合评定要求的实验平台上进行试验获得实验数据。综合考虑检测过程中容器内温度的影响因素,完成了基于Elman网络的温度预测模型的设计、训练和验证。通过与BP网络的预测结果的对比及多种情况下预测值与标准值的对比,证明了Elman网络在动态问题的预测上效果较好。通过利用预测值进行温度补偿后的泄漏量与标准泄漏量的对比,证明了该方法在实际检测中提高检测精度的可行性。利用该方法进行多次气密性检测试验,利用温度预测值进行泄漏量的温度补偿,使得检测结果的相对误差降低到了2.52%,证明温度预测在提高气密性检测精度上的有效性。
【关键词】：差压检漏 神经网络 仿真分析 虚拟仪器
【学位授予单位】：中国计量学院
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TB42;TP183
【目录】：

• 致谢5-6
• 摘要6-7
• abstract7-14
• 1 绪论14-20
• 1.1 课题研究背景及意义14-15
• 1.2 气密检测研究现状15-18
• 1.3 研究内容18-19
• 1.4 本章小结19-20
• 2 差压检测法原理分析和仿真研究20-42
• 2.1 差压检测法20-24
• 2.1.1 差压检测法原理及结构分析20-21
• 2.1.2 温度对检测的影响分析21-23
• 2.1.3 泄漏量的推导计算23-24
• 2.2 差压检测法仿真分析24-34
• 2.2.1 充气过程仿真分析24-29
• 2.2.2 检测过程仿真分析29-34
• 2.3 系统硬件结构设计34-41
• 2.3.1 气路系统设计35-37
• 2.3.2 硬件设备选型37-38
• 2.3.3 信号采集系统38-41
• 2.4 本章小结41-42
• 3 基于人工神经网络的温度预测42-53
• 3.1 神经网络概述42-43
• 3.2 Elman网络结构与算法43-45
• 3.3 Elman预测网络模型的建立45-49
• 3.3.1 预测流程45
• 3.3.2 输入、输出矩阵的建立45-47
• 3.3.3 隐含层设计47-48
• 3.3.4 网络参数设计48-49
• 3.4 网络的应用49-52
• 3.5 本章小结52-53
• 4 检测平台软件系统的设计53-63
• 4.1 软件系统结构设计53
• 4.2 系统软件总体架构设计53-56
• 4.3 软件功能模块的设计与实现56-62
• 4.3.1 软件主界面56-57
• 4.3.2 参数设置模块57-58
• 4.3.3 数据采集与处理模块58-60
• 4.3.4 信号处理与转换60-61
• 4.3.5 数据保存模块61-62
• 4.4 本章小结62-63
• 5 试验结果及系统评定63-78
• 5.1 传感器标定63-65
• 5.2 检测系统性能评定65-71
• 5.2.1 检测设备评定指标65-66
• 5.2.2 评定结果及分析66-71
• 5.3 基于Elman网络温度预测的气密性检测试验71-77
• 5.3.1 基于Elman网络的温度预测模型71
• 5.3.2 温度预测模型应用分析71-77
• 5.4 本章小结77-78
• 6 总结与展望78-80
• 6.1 全文总结78
• 6.2 展望78-80
• 参考文献80-83
• 附录 装置实物图83-85
• 作者简介85

【相似文献】

中国期刊全文数据库 前10条

1 弓学敏;胡静;;基于模拟退火算法的Elman网络及其应用[J];电力科学与工程;2008年08期

2 张倩;;基于Elman网络非线性散射参数测量与建模[J];现代电子技术;2011年03期

3 任俊松;孙华;范重言;刘小何;;Elman网络在汽车智能换挡判别中的研究[J];机械管理开发;2011年05期

4 崔东文;;改进Elman神经网络在径流预测中的应用[J];水利水运工程学报;2013年02期

5 余向前;路民辉;任琳杰;梁颖;;基于改进型Elman神经网络的短期电力负荷预测[J];电力信息与通信技术;2014年02期

6 刘永红;杨孟兴;吴一;;基于Elman神经网络的激光陀螺输出误差模型研究[J];飞航导弹;2005年12期

7 郑唯唯;徐济超;杜涛;;基于Elman网络的过程质量智能化控制研究[J];机械科学与技术;2007年01期

8 牛广文;;基于Elman网络的黄河源区枯期径流预报[J];兰州工业高等专科学校学报;2007年03期

9 徐笑;谷俊杰;彭钢;;Elman神经网络在热工辨识中的应用研究[J];机械工程与自动化;2008年01期

10 何明;李彬;;基于Elman神经网络的装甲装备维修保障系统效能评估[J];指挥控制与仿真;2008年04期

中国重要会议论文全文数据库 前10条

1 ;Study of PID Elman Neural Network and Its Application in Dynamical Systems Identification[A];第二十四届中国控制会议论文集（下册）[C];2005年

2 ;Identification of dynamic nonlinear systems using recurrent neural networks[A];第十九届中国控制会议论文集（一）[C];2000年

3 苏刚;王玲玲;徐永生;;基于改进Elman网络的燃气负荷预测[A];第十七届全国过路控制会议论文集[C];2006年

4 赵建玉;高慧;贾磊;;基于Elman神经网络的短时交通流预测模型[A];第二十七届中国控制会议论文集[C];2008年

5 郭式伟;吕建;张秀兰;;基于改进Elman网络的空调负荷预测[A];全国暖通空调制冷2008年学术年会资料集[C];2008年

6 符利勇;何铮;唐守正;刘应安;;基于改进Elman神经网络的林隙大小预测模型[A];第九届中国林业青年学术年会论文摘要集[C];2010年

7 WenJie Wu;DaGui HUANG;Zheng DONG;;Fault Diagnosis of the Aeroengine Based on Neural Network and D-S Evidence Theory[A];Proceedings of 2011 International Conference on Computer Science and Information Technology(ICCSIT 2011)[C];2011年

8 孟令启;张洛明;韩丽丽;马金亮;黄其柏;;基于MATLAB的Elman神经网络在中厚板轧机宽展预测中的应用[A];第二届中国CAE工程分析技术年会论文集[C];2006年

9 ;Battery State-Of-Charge Estimation in Electric Vehicle Using Elman Neural Network Method[A];第二十九届中国控制会议论文集[C];2010年

10 邰新军;陆建荣;;基于Elman神经网络的炮兵战场目标价值分析[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年

中国博士学位论文全文数据库 前2条

1 时小虎;Elman神经网络与进化算法的若干理论研究及应用[D];吉林大学;2006年

2 王丽敏;计算智能改进方法及其在金融与环境领域中的应用[D];吉林大学;2007年

  本文关键词：基于Elman网络温度预测模型的差压气密性检测方法研究，由笔耕文化传播整理发布。

，

本文编号：347229