基于神经网络的高温压力管道涡流检测信号的温度补偿研究.pdf

基于神经网络的高温压力管道涡流检测信号的温度补偿研究.pdf

ID:52103138

大小:152.74 KB

页数:3页

时间:2020-03-22

基于神经网络的高温压力管道涡流检测信号的温度补偿研究.pdf_第1页
基于神经网络的高温压力管道涡流检测信号的温度补偿研究.pdf_第2页
基于神经网络的高温压力管道涡流检测信号的温度补偿研究.pdf_第3页
资源描述:

《基于神经网络的高温压力管道涡流检测信号的温度补偿研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、174化工机械2012拄基于神经网络的高温压力管道涡流检测信号的温度补偿研究石纯芳4(吉林化工学院)摘要压力管道的质量判定可以采用涡流检测的方法,分析了温度对涡流检测的影响,实验测定了一定的数据。设计了神经网络补偿器,采用实验样本数据对神经网络进行了训练。训练后的神经网络能准确地预测温度对检测信号的影响。关键词高温压力管道神经网络涡流检测补偿中图分类号TQ051.8+1文献标识码A文章编号0254-6094(2012)02-0174-03电涡流检测技术是一种无损、无接触测量的检测技术¨’21。由于采用的电涡流传感器具有结构简单、灵敏度高、测量的

2、线性范围大、不受油污等介质的影响以及抗干扰能力强等优点,因而在机械、电力、化工、石油、纺织、航空及原子能等行业得到广泛的应用”’41。随着石油、天然气、电力及化工等工程建设的发展,管道检测越来越引起人们的高度重视,通常这些管道数量较多,要在短时间内完成对大量管道的检测任务,采用超声或其他方法都是不现实的,只能采用电涡流法。涡流检测的基本原理是当载有交变电流的激励线圈靠近导电试件时,试件中就感应出涡流。涡流的大小、相位和流动的形式由试件的电磁特性和几何尺寸所决定,涡流的反作用使测量线圈的阻抗发生变化,测出这个变化就可检测试件的性能变化或缺陷的状态

3、。压力管道内部流动的介质往往具有一定的温度,只有考虑到温度对检测的影响后,才能采取相应的措施,消除这种影响,实现准确测量。1温度对检测信号的影响一般来说,温度对压力管道涡流检测信号的影响主要是通过传感器和压力管道进行的。所以,想了解环境温度对涡流检测信号的影响,必须分别掌握温度对传感器和压力管道涡流的影响,然后根据它们之间的关系确定对涡流检测信号的影响。1.1温度对传感器的影响。笔者利用如图1所示的装置测出了不同的温度下涡流传感器输出信号的幅值(介质为沸水),具体数值见表l。图l实验装置示意图l——激励线圈;2——测量线圈;3——介质·石纯芳,

4、女,1960年12月生,高级经济师。吉林省吉林市.132022。第39卷第2期化工机械175神经网络表1温度对传感器输出信号的影响数据耋霎信号值誓凳耋霎信号值誓霎’mV℃mA℃inA85895l53.1l5591.1653.2l7989.8453.164991.4053.017390.1653.104391.7252.946790.5053.083792.1653.066190.8853.123592.2652.951.2温度对压力管道内部涡流的影响。利用图1中的实验装置,实验装置中的介质为低熔点合金(水银),让低熔点合金中的涡流来代替压力管道

5、中的涡流,这样就可测得具体数据(表2)。表2温度对压力管道内部涡流的影响数据合金温度信号值合金温度信号值℃mV℃mV9088338088.0988’88.297888.068688.257688.01848S.187487.988288.107287.922神经网络补偿器的设计神经网络是从仿生学角度模拟人脑神经系统的运作方式,使机器具有人脑那样的感知、学习和推理能力,神经网络具有强大的非线性补偿能力,通过训练,能够较好地对非线性信号进行适当的补偿,笔者选用的神经网络温度补偿器如图2所示,补偿器采用3层前向反馈神经网络结构。该补偿器由输入层、非线

6、性隐含层和线性输出层3部分组成,神经网络的学习样本为表1和表2中的数据。采用的算法为BP算法,学习规则为6规则吲。隐含层图2神经网络补偿器神经网络权值调整的一般方法是:先计算输出层和隐含层(中间层)的广义误差。基本的权值修正公式可以统一表示为:Wd(£+1)=w“(#)+碱iow。f厂(~。)(d;一o,;)⋯⋯对输出层”【厂(u,,);站gw∥⋯··对隐含层还有一种叫作改进的具有惯性项的权值调整算法,即在上面的算式中加入惯性项:略H1)~∥)一叼端啊wli∽一如-1)]上式中口是惯性系数(在0到1之间取值),而埘。(£)一埘。(f一1)是惯性

7、项。图2中的神经网络采用的s型函数为:㈣=专学习的目标是与样本数据的误差最小,神经网络中,隐含层神经元选择为9个,在实际程序调试时,先用的是一般的权值调整方法,但经多次反复的调整仍不能达到预期的效果,改用具有惯性项的权值调整方法,经多次调整后得到了较为满意的效果。采用表1和表2的样本数据对神经网络训练后的校验数据与预测结果数据的比较如图3、4所示。>g迪咖逛图3温度对传感器影响神经网络预测数据对比》旨理心坦图4温度对压力管道影响神经网络预测数据对比176化工机械2012年由图3、4看出,神经网络可以很好地预测出温度的变化对涡流检测信号的影响,从

8、而能够在实际检测中对压力管道温度变化引起的信号进行补偿,达到令人满意的检测结果。3结束语涡流检测压力管道过程中,抑制温度对压力管道涡流测量信号的影响,

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。