超声波式热量表温度补偿算法的研究

发布时间：2017-10-23 04:20

  本文关键词：超声波式热量表温度补偿算法的研究

  更多相关文章： 超声波式热量表 流量计量 LMBP神经网络 温度补偿

【摘要】：随着我国供热体制的深化改革,超声波式热量表在供热计量收费中起到了举足轻重的作用。超声波式热量表采用超声检测技术计量供热流量,在流量计量基础上计算和显示出流量在热交换系统中释放的热能。因此,流量计量是决定超声波式热量表计量精确度的关键环节。但在实际应用中,受载热流体温度的影响流量计量存在不可忽视的误差。目前,国内外超声波式热量表普遍采用查表修正算法改善温度对流量计量的影响,但经过补偿后流量计量误差仍然较大,计量精确度难以达到2级表标准。针对上述问题,本文在分析了温度对DN20超声波式热量表流量计量影响的基础上,提出了基于LMBP神经网络的温度补偿算法,降低了温度对流量计量精确度的影响。本文主要研究内容如下:首先,根据《热量表》(CJ128-2007)行业标准,在课题组设计的DN20户用超声波式热量表硬件基础上进行了软件设计,实现了温度、流量、热量等信息的计算、实时显示和存储等功能。同时,进行了流量检定实验。实验表明,超声波式热量表流量计量精确度受温度影响明显,流量计量存在非线性误差。其次,针对流量计量相对误差受温度影响波动性强和小口径流量计量误差具有非线性特点,设计和实现了LMBP神经网络温度补偿算法。LMBP神经网络采用最速下降与牛顿-高斯法相结合的学习法则,对含有流量计量信息的实验数据进行学习,建立了温度与流量间的非线性映射关系。仿真表明,LMBP神经网络温度补偿算法能够融合和预测所有实验数据,具有准确的泛化能力。最后,为验证LMBP神经网络温度补偿算法的实用性和稳定性,将该算法移植入超声波式热量表内进行实验。实验表明,相比现有查表修正算法,LMBP神经网络温度补偿算法能够更准确地预测各温度下的流量计量值,有效抑制了温度对流量计量精确度的影响。理论分析和实验研究表明,本文设计的基于LMBP神经网络的温度补偿算法补偿性能稳定,达到了2级表标准,具有较强的流量校正能力和较高的工程应用价值。
【关键词】：超声波式热量表 流量计量 LMBP神经网络 温度补偿
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH814
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 绪论9-13
• 1.1 课题背景及研究的目的和意义9-10
• 1.2 国内外研究现状及分析10-12
• 1.2.1 国外研究现状10-11
• 1.2.2 国内研究现状11-12
• 1.3 主要研究内容12-13
• 第2章 硬件基础及计量原理13-27
• 2.1 总体构成13-14
• 2.1.1 温度传感器13-14
• 2.1.2 超声波流量传感器14
• 2.1.3 电子积算仪14
• 2.2 硬件结构14-17
• 2.2.1 温度采集模块15-16
• 2.2.2 超声波信号控制模块16-17
• 2.2.3 通信模块17
• 2.3 热量计量原理17-20
• 2.4 流量计量原理20-26
• 2.4.1 时差法流量计量20-22
• 2.4.2 流量计量影响因素分析22-26
• 2.5 本章小结26-27
• 第3章 软件设计与实验分析27-44
• 3.1 软件构成27
• 3.2 主程序27-30
• 3.2.1 设置初始化28-29
• 3.2.2 计算子程序29-30
• 3.3 中断程序30-37
• 3.3.1 流量测量模块30-34
• 3.3.2 温度测量模块34-35
• 3.3.3 按键及菜单显示模块35-36
• 3.3.4 掉电数据保护模块36-37
• 3.4 流量检定实验与分析37-43
• 3.4.1 检定设备37-39
• 3.4.2 检定原理39-40
• 3.4.3 检定方案40-41
• 3.4.4 实验结果与数据分析41-43
• 3.5 本章小结43-44
• 第4章 流量计量的温度补偿算法44-59
• 4.1 流量计量补偿概况44
• 4.2 查表修正算法44-46
• 4.2.1 查表修正原理44-46
• 4.2.2 查表修正算法仿真与分析46
• 4.3 基于LMBP神经网络的温度补偿算法46-58
• 4.3.1 LMBP神经网络原理47-50
• 4.3.2 LMBP神经网络结构设计50-53
• 4.3.3 LMBP神经网络建模与仿真分析53-58
• 4.4 两种补偿算法对比及分析58
• 4.5 本章小结58-59
• 第5章 实验验证与数据分析59-66
• 5.1 补偿算法移植59-60
• 5.2 实验验证方案60-61
• 5.3 实验结果及分析61-65
• 5.4 本章小结65-66
• 结论66-67
• 参考文献67-71
• 附表1 不同温度下流量检定实验数据71-73
• 附表2 查表修正算法校正值73-74
• 附表3 查表修正算法仿真实验数据74-76
• 附表4 LMBP神经网络仿真实验数据76-78
• 附表5 查表修正算法补偿后验证实验数据78-79
• 附表6 LMBP神经网络补偿后验证实验数据79-80
• 攻读硕士学位期间发表的论文及其它成果80-82
• 致谢82

【参考文献】

中国期刊全文数据库 前6条

1 史振东;李旭;段慧明;;启停质量法热能表装置及检测方法[J];工业计量;2013年04期

2 朱锐;梁芳;;提高超声热量表流量测量精度的结构设计[J];科技视界;2013年10期

3 高淑芝;徐晓剑;王会;赵娜;;LMBP神经网络算法的改进[J];沈阳化工大学学报;2014年01期

4 石硕;刘正刚;孙建亭;张敏;杜广生;李冬;;Study of errors in ultrasonic heat meter measurements caused by impurities of water based on ultrasonic attenuation[J];Journal of Hydrodynamics;2015年01期

5 甄兰兰,沈昱明;热量表的热量计量原理及计算[J];自动化仪表;2003年10期

6 杨波;曹丽;罗予频;;利用互易性电路设计降低超声流量测量的零点误差和温度漂移[J];声学学报;2012年06期

中国硕士学位论文全文数据库 前1条

1 姚滨滨;智能超声波热量表的开发与研究[D];浙江大学;2012年

，

本文编号：1081577