多参数传感器

多参数传感器（共9篇）

多参数传感器篇1

摘要：针对传统瓦斯抽放监测系统由于监测参数多而存在安装传感器多、铺设电缆多、安装维护不便等问题, 设计了一种新型矿用多参数气体流量传感器。该传感器可测量管径为801 000mm的管道内流速为0.330m/s的气体流量, 只需在管道上取一个安装孔, 传感器接一根四芯监控电缆就可通过RS485将管道流量、温度和压力信号上传到传输分站。工业性试验结果表明, 该传感器量程比大, 稳定性好, 减少了瓦斯抽放监测系统前期调研、施工和维护等工作量, 具有较强的实用性。

关键词：瓦斯抽放,气体流量传感器,多参数,流量,温度,压力

0 引言

在煤矿瓦斯抽放监测系统中, 经常需要同时监测同一个管道位置的多个运行参数[1], 然而, 目前煤矿井下瓦斯抽放监测系统中一种传感器一般只能测量一个参数, 连接一根电缆到传输分站上, 在瓦斯管道上取一安装孔。这样现场监测多个参数就要铺设很多电缆, 取很多安装孔, 导致安装和维护很不方便。市场上现有的V锥、涡街等流量计需要根据管道管径、管道内气体流速、测量量程比等参数进行定制[2], 存在需要增加前期调研投入、发货周期长等问题。鉴此, 笔者设计了一种矿用多参数气体流量传感器, 该传感器可同时测量瓦斯管道内温度和压力, 并可测量管径为80~1 000 mm的管道内流速为0.3~30m/s的气体流量。

1 多参数气体流量传感器硬件设计

多参数气体流量传感器以ARM Cortex-M0LPC1227为核心, 由流量温度测量电路、压力测量电路、LCD显示电路、红外遥控电路以及RS485通信电路、频率输出电路等组成, 如图1所示。

1.1 流量温度信号处理

流量温度探头流速检测范围为0.3~30 m/s, 温度范围为0~100 ℃, 功耗约为10V/50mA。该流量温度探头由测温探头、测速探头和固定基座组成, 其中一只特制pt200和一只pt1000固定在测速探头里, 一只pt1000固定在测温探头里, 如图2所示。将流量温度探头通电后插入瓦斯抽放管道内, pt200加热升高到一定温度。随着瓦斯流量的变化, 测速探头输出与pt200温度对应的阻值, 测温探头输出与环境温度对应的阻值。将测速探头和测温探头输出的2个阻值分别转换为电压信号, 直接接入AD7705的2个AD转换通道, 然后将转换结果通过SPI总线送入LPC1227。

1.2 压力信号处理

压力测量器件由国外的MEMS器件封装而成, 具有1.0mA直流输入, 0~50mV电压信号输出, 压力测量范围为0~200kPa。分别以TL431三段稳流可调基准源和MCP6002运算放大器为核心器件, 设计直流输出和信号放大电路, 最后信号输入MCU进行AD转换。直流输出电路如图3所示, 其中VS5 和EXC_P-分别接压力传感器的电源正负端。

1.3 抗干扰处理

多参数气体流量传感器主要安装于煤矿井下瓦斯抽放管路上, 周围可能会有动力电缆的感应干扰、电动机及电气设备辐射干扰、电力变频器的干扰、井下接地网干扰、漏泄通信系统干扰等[3]。因此, 进行如下抗干扰处理:① 使用DC/DC模块隔离传感器电源;② 流量和温度信号经过片外AD转换后, 输出SPI信号, 经过磁耦隔离进入LPC1227 MCU芯片;③ 流量温度信号处理部分、压力测量信号处理部分在供电和PCB布板上都充分隔离;④ RS485信号和200~1 000 Hz频率输出信号均通过磁耦隔离。

2 多参数气体流量传感器软件设计

多参数气体流量传感器的软件采用C语言及模块化设计, 主要实现基于SPI通信的流量和温度信号采集, 流量、压力和温度信号运算处理, 基于I2C通信的LCD段码液晶显示, 遥控器参数设置, 基于Modbus-RTU协议的RS485 通信, 200~1 000Hz频率输出等功能。

为提高传感器测量精度, 在流量温度处理部分采取以下措施:① 在数据采集部分采用平均值滤波法, 连续采集10组数据, 去掉最小值和最大值, 再计算其余8个数的平均值, 以消除偶然脉冲引起的采样偏差;② 硬件电路采用实时温度补偿设计[4], 用实时采集到的流量数据补偿环境温度数据, 消除了管道内气体温度突变引起的测量误差;③ 引入瓦斯和空气组分补偿算法, 在仪表设置中可以打开该功能项进行现场标校, 从而减小管道内不同组分气体引起的测量误差[5,6]。

为提高传感器实用性, 在软件上采取以下措施:① 考虑到多参数气体流量传感器安装于瓦斯管道上, 而该类管道一般都悬挂高处安装, 因此, 采用红外遥控按键方式设置参数;② 根据现场不同分站通信格式的要求, 设计了基于标准Modbus-RTU协议的RS485和200~1 000 Hz频率输出2 种通信方式;③ 根据现场瓦斯管径的不同, 可以设置流量最大限输出, 避免了以前不同传感器需要定制的弊端。

多参数气体流量传感器软件流程如图4所示。

3 多参数气体流量传感器测试及分析

传感器测试标定选用的设备是经过计量合格的DHS-500×500/700×700-1 型环形低速风洞, 该风洞提供的风速精确, 稳定性好。传感器经风洞标定后, 将算法写入程序内部, 传感器显示流速值和风洞提供的流速值误差在±2% (FS) 以内, 满足煤矿实际精度要求。图5为传感器样机标定后的曲线拟合图。从3次不同时间的标定曲线可见, 随着风速值S的增大, 传感器采样值变化基本一致, 该结果验证了所设计的多参数气体流量传感器的可行性。

4 结语

矿用多参数气体流量传感器可以同时测量管道内气体流量、温度和压力, 集成度高, 造价低, 且减少了现场通信电缆铺设数量, 降低了工程安装难度, 减少了日常维护工作量;MCU采用包含丰富的外设资源的LPC1227, 节约了很多昂贵的外围器件 (如AD转换芯片) , 并且功耗低;该传感器完全满足Ia等级对插入瓦斯管道内传感器电流小于100mA的要求。目前该传感器已经完成工业性试验, 试验结果表明, 该传感器在瓦斯管道环境中运行稳定, 量程比大, 精度高。

参考文献

[1]杨帆.基于MSP430F149的矿用多参数传感器的设计[J].工矿自动化, 2010, 36 (7) :15-18.

[2]李成伟, 李朝辉, 戴景民, 等.管道煤气热式质量流量计研制及标定技术研究[J].哈尔滨工业大学学报, 2002, 34 (3) :333-336.

[3]邹哲强, 庄捷, 屈世甲.煤矿井下中低频段电磁干扰测量与分析[J].工矿自动化, 2013, 39 (5) :1-5.

[4]路立平, 冯建勤, 鹿晓力.温度传感器的热时间常数及其测试方法[J].仪表技术与传感器, 2005 (7) :17-18.

[5]杜水友, 章皓, 郑永军, 等.最小二乘法拟合压力传感器二次曲线及精度分析[J].中国计量学院学报, 2005, 16 (3) :185-187.

[6]张世荣.热式气体质量流量测量及补偿算法研究[D].武汉:华中科技大学, 2007.

多参数传感器篇2

通过一学期的学习，对多传感器信息融合有了一定的了解，学习了多传感器信息融合中的多种方法，并在小组论题和作业中都有所体现，下面我谈一下自己的学习心得。

一、多传感器信息融合的产生与发展

多传感器信息融合是由美国军方在20世纪70年代提出的，通过对各传感器获得的未知环境特征信息的分析和综合,得到对环境全面、正确的估计,它避免了单一传感器的局限性,可以获取更多信息,得出更为准确、可靠的结论。主要用于对军事目标（舰艇、飞机等）的检测、定位、跟踪和识别，具体应用在海洋监视、空对空或地对空防御系统等。

二、多传感器信息融合主要方法

多传感器信息融合是建立在传统的估计理论和识别算法的基础之上，主要有卡尔曼滤波、贝叶斯理论、D-S证据理论和小波变换等，下面我简单介绍一下各种算法。

1）卡尔曼滤波

卡尔曼滤波器实际上是一个最优化自回归数据处理算法。首先，我们先要引入一个离散控制过程的系统。该系统可用一个线性随机微分方程来描述：

X(k)=A X(k-1)+B U(k)+W(k)再加上系统的测量值： Z(k)=H X(k)+V(k)

上两式子中，X(k)是k时刻的系统状态，U(k)是k时刻对系统的控制量。A和B是系统参数，对于多模型系统，他们为矩阵。Z(k)是k时刻的测量值，H是测量系统的参数，对于多测量系统，H为矩阵。W(k)和V(k)分别表示过程和测量的噪声。他们被假设成高斯白噪声(White Gaussian Noise)，他们的方差分别是Q，R（这里我们假设他们不随系统状态变化而变化）。

假设现在系统的状态是k，根据系统模型，可以基于系统上一状态而预测出现在状态：

X(k|k-1)=A X(k-1|k-1)+B U(k)………..(1)

式(1)中，X(k|k-1)是利用上一状态预测的结果，X(k-1|k-1)是上一状态最优的结果，U(k)为现在状态的控制量，如果没有控制量，它可以为0。

到现在为止，我们的系统结果已经更新了，可是，对应于X(k|k-1)的方差还没更新。我们用P表示方差：

P(k|k-1)=A P(k-1|k-1)A’+Q ………(2)

式(2)中，P(k|k-1)是X(k|k-1)对应的方差，P(k-1|k-1)是X(k-1|k-1)对应的方差，A’表示A的转置矩阵，Q是系统过程的方差。式子1，2就是卡尔曼滤波对系统的预测。

现在我们有了现在状态的预测结果，然后我们再收集现在状态的测量值。结合预测值和测量值，我们可以得到现在状态(k)的最优化估算值X(k|k)：

X(k|k)= X(k|k-1)+Kk(k)(Z(k)-H X(k|k-1))………(3)其中Kk为卡尔曼增益(Kalman Gain)：

Kk(k)= P(k|k-1)H’ /(H P(k|k-1)H’ + R)………(4)

到现在为止，我们已经得到了k状态下最优的估算值X(k|k)。但是为了要卡尔曼滤波器不断的运行下去直到系统过程结束，我们还要更新k状态下X(k|k)的方差：

P(k|k)=（I-Kk(k)H）P(k|k-1)………(5)

其中I 为单位阵。当系统进入k+1状态时，P(k|k)就是式子(2)的P(k-1|k-1)。这样，算法就可以自回归的运算下去。

式子(1)、(2)、(3)、(4)和(5)就是卡尔曼滤波的5 个基本公式。2）贝叶斯理论

考查一个随机试验，在这个实验中，n个互不相容的事件A1、A2、„、An必发生一个，且只能发生一个，用P（Ai）表示Ai的概率，则有：

P(A)

1(6)ii1n设B为任意事件，则根据条件概率的定义及全概率公式，有

PAiBPBAiPAiPBAPAjjj1n

i=1,2,„,n

(7)

这就是贝叶斯公式。

在(7)中，P(A1)、P(A2)、„、P(An)表示A1、A2、„、An出现的可能性，这是在做试验前就已知道的事实，这种知识叫做先验信息，这种先验信息以一个概率分布的形式给出，常称为先验分布。

现假设在试验中观察到B发生了，由于这个新情况的出现，对事件A1、A2、„、An的可能性有了新的估计，此处也已一个概率分布PA1B、„、PA2B、PAnB的形式给出，因此有：

PAiB≥0

(8)PAB=1

(9)

ii1n这称为“后验分布”。它综合了先验信息和试验提供的新信息，形成了关于Ai出现的可能性大小的当前认识。这个由先验信息到后验信息的转化过程就是贝叶斯统计的特征。

3）D-S证据理论

D-S证据理论是经典概率理论的扩展，当先验概率难以获得时，证据理论就比概率论合适。

D-S方法与其他方法的区别在于：它具有两个值，即对每个命题指派两个不确定性度量（类似但不等于概率）；存在一个证据属于一个命题的不确定性测度，使得这个命题似乎可能成立，但使用这个证据又不直接支持或拒绝它。下面先给出几个基本定义：

设Ω是样本空间，Ω由一互不相容的陈述集合组的幂集2构成命题集合。定义1 基本概率分配函数M 设函数M是满足下列条件的映射：

M：2→[0，1](1)不可能事件的基本概率是0，即M(Φ)=0；(2)对于A,则有：

0≤M(A)≤1

(3)2中全部元素的基本概率之和为1，即

AMA=1 则称M是2上的概率分配函数，M(A)称为A的基本概率函数，表示对A 的精确信任。

定义2 命题的信任函数Bel 对于任意假设而言，其信任度Bel(A)定义为A中全部子集对应的基本概率之和，即

Bel：2→[0，1]

Bel(A)=MB，对所有的A

BADou(A)=Bel(-A)Bel函数也称为下限函数，表示对A的全部信任。由概率分配函数的定义容易得到：

Bel(Φ)=0 Bel(Ω)=M(B)

B定义3 命题的似然函数Pl Pl：2→[0，1]

Pl(A)=1-Bel(-A)，对所有的A

Pl函数也称为上限函数，表示对A非假的信任程度。信任函数和似然函数有如下关系：

Pl(A)≥Bel(A), 对所有的A

而（Bel(A),Pl(A)）称为信任空间。

三、多传感器信息融合的应用

随着多传感器信息融合技术的迅速发展，除了在军事领域的应用，近年来在许多民用领域也得到了快速的应用，例如：图像融合、智能机器人、故障诊断、智能交通系统等。

1．军事应用

随着信息技术的发展和近几场局部战争的实践，网络中心战将成为未来信息化作战的主要模式，因此信息融合将成为发展各分系统的最基本要求。

信息融合技术是随着信息处理和指挥自动化系统的发展而形成的，它的优越性来源于系统的“组合效应”。现代战争要求各作战平台能相互支援、通力协作，以形成一个紧密结合的整体，最大限度的发挥整体合力。因此，在信息化技术的帮助下，不同武器装备实现了效能的互补，不同军种之间实现了功能的互补，具备了互联、互通、互操作的能力，从而使不同军种的不同武器系统在技术上融为一体，在作战时空上融为一体，进而使体系对抗成为联合作战的主体。

2．交通系统

由于交通检测器获取信息的局限性，无法全面掌握整个路网的交通信息，因此，通过信息融合技术在交通领域中的应用，提高交通管理中的效率。

信息融合技术在交通领域中主要用于车辆定位、车辆身份识别、车辆跟踪、车辆导航及交通管理。这其中关键的就是对交通数据进行融合。因此，监控中心必须对各个数据源的数据进行校验，避免单个信息源失效而导致的判断失误。

3．图像融合

随着数字图像处理技术的迅速发展，人们获取图像的途径越来越多，因此图像融合成为一个热门研究领域。

多传感器图像融合可进一步提高图像分析、理解与目标识别能力。图像融合就是充分利用多幅图像资源，通过对观测信息的合理支配和使用，把多幅图像在空间或时间上的互补信息依据某种准则融合，获得对场景的一致性解释或描述，使融合后的图像比参加融合的任意一幅图像更优越，更精确的反映客观实际。

多参数传感器篇3

从目前市场应用情况,国外斯伦贝谢、贝克休斯、伍德石油装备等公司已形成了潜油电泵井下运行工况监测系统的系列化和多元化开发,并基本垄断井下运行工况综合测量这一系列产品。自主开发的潜油电泵井下多参数传感器从测量参数数量、数值范围、测量精度方面已达到了国外相似产品的水平,实现替代进口的目标。

1系统原理

与用于地质勘探或工程测井的测量仪器不同,用于生产油井的井下参数测量仪器具有长期工作、对测量实时性要求高、使用量大等特点。潜油电泵机组采油系统整体结构如图1所示,其主要由井下采油设备和多参数监测系统构成,多参数监测系统由井下参数测量单元和地面二次仪表两部分组成[3,4]。

井下参数测量单元安装于整个潜油电泵机组的最底部,在井下与机组共同长期工作。井下参数测量单元由井下滤波电抗、电缆穿越插针、压力接头和各参数的测量传感器及调理电路组成,并通过抗震结构安装在密封钢桶内,与外部环境隔离,避免其受到高压力、强腐蚀的复杂井下环境侵扰。井下单元通过地面二次仪表和星型三相电抗实现远程供电及周期性控制,并将检测参数传输给地面二次仪表进行数据处理,经过处理后的数据通过串口送至触摸屏进行终端处理,实现实时监测、在线调控及报警保护等功能[5]。

2现场应用

2.1现场试验数据

该系统应用于大庆油田某采油厂北3丁4井,由于此处实例中套变导致连接未使用引压管,致使不能测量泵出口压力值。

从表1数据可知,在现场长电缆传输环境下,井下多参数传感器可以稳定工作,压力测量数据与测试大队测量结果一致,能够真实反映出油井井下工况和潜油电泵机组的运行状态。

该井供液能力较差、结蜡严重,原机组额定排量为150m3/d,实际产液量100m3/d,经常欠载停机,基本处于采油半年、停井半年的状态。该井新作业后配套潜油电泵井下多参数传感器,由于该井套变,故没有安装泵出口压力毛细管,传感器测量的泵出口压力值实际为泵入口压力值。通过传感器的实时测量数据,可以看出该井液面下降很缓慢,且潜油电机温度持续升高,最终超过电机的耐温等级,井下环境温度也不断升高,严重影响油井产量和潜油电泵机组运行寿命。通过在计量间量油,发现初期有少许产液,投产1天后,产液为0,故判断该井存在蜡堵现象,导致电机散热效果达不到要求,电机温度持续升高,并将泵挂区域的井液持续加热,导致环境温度也不断升高,如图2所示。

采油厂通过采取清蜡措施后,该井恢复正常生产,产液量为70 m3/d,泵入口压力逐渐降低。

2.2现场措施

通过对温度、压力变化曲线分析(图3),得出如下结论。该井恢复生产后,从泵入口压力曲线可以看出,该井液面降低,此时电机表面流速高、散热好,电机温度逐渐降低至70℃以下,井液温度也随之降低。随着液面降低至泵挂以下,油套环空泵挂处压力降低至0,该井空抽欠载停机,停机后,由于油套环空压力很低,故液面恢复较快,当液面压力升高到3.5MPa后,机组启动。后续又出现停机现象,在机组欠载停机后,观察泵入口压力曲线,判断液面恢复情况。在液面压力低于5MPa时,液面恢复速度较快,表面油层供给压力大于油套环空压力;当液面压力高于5MPa时,液面恢复速度缓慢,表明此时油套环空压力接近油层供给压力。通过上述分析,表明该井供液能力较差,配套选择100m3/d的潜油电泵机组过大,应降低泵排量,或者采用间抽等采油方式。

为了分析该井状况,提取地面仪表数据,并对泵入口压力曲线和电机温度曲线进行对比分析,从2个曲线图中可以看出:①当机组正常运转、泵入口压力降低时,电机温度也逐渐降低,最终趋于一个稳定值;②当机组运转,泵入口压力降低至0MPa左右时,机组接近空抽状态,电机表面无散热,电机温度逐渐升高;③当机组停机时,电机温度缓慢降低,此时电机处于自然冷却状态。

根据上述分析,建议采油厂相关人员对机组进行停机操作,以避免由于井下设备损坏而造成不必要的损失。

2)通过现场应用情况可知,高温潜油电泵井下多参数传感器的应用,对于帮助用户分析油井生产运行状态、优化油井生产、监控潜油电泵机组安全运行具有重要作用;另一方面该产品也是潜油电泵智能采油系统的重要组成部分,为实现油井的智能化开采和网络化管理提供有利的技术支撑。

3结论

从目前高温潜油电泵井下多参数传感器现场应用情况分析,可以得出如下结论:

1)高温潜油电泵井下多参数传感器能够实时测量并显示电泵井下的环境温度、电机温度、泵入口压力、泵出口压力、机组振动、泄漏电流等8个物理参数,并且达到了设计所要求的技术指标。

参考文献

[1]高言涛.电潜泵井井下机组工况监测及诊断技术[J].现代经济信息,2014(6):370-371.

[2]唐小军.超稠油井提高泵效的研究与应用[J].中国石油和化工标准与质量,2014(5):60.

[3]袁丽丽.潜油电泵井下参数高精度监测及高效运行研究[D].哈尔滨:哈尔滨工业大学,2011:18-29.

[4]尚健.数据传输系统在潜油电泵井的应用[J].石化论坛,2006,10(2):55-56.

多参数传感器篇4

成果承担单位：河北省自动化研究所项目负责人：连翠玲联系人：刘祥乔

联系电话：0311-83018762

一、成果简介

“多参数铁路轨道检测仪”是一种检测铁路轨道轨距、水平、轨向、高低、正矢、行走距离和三角坑、轨距变化率等轨道长波不平顺参数的自动化仪器。它以右轨为基准轨，利用激光准直技术、高精度传感器和内置的数学模型，得出以上参数,并将结果作为指导铁路维护的重要依据。

检测仪由激光发射装置和检测接收车两部分组成。检测时，将激光发射装置与检测接收车间隔一定距离锁紧固定在钢轨上（直线轨最远检测距离200米，半径900米轨最远检测距离50米），系统工作时，通过瞄准镜将激光光斑打在检测接收车的激光接收器上，接收器的接收范围360mm×270mm。以一定速度连续推动检测接收车行进，激光接收器实时接收激光信号，根据陀螺仪、位移传感器、编码器以及系统内置的数学模型测得轨道轨距、水平、轨向、高低、正矢、行走距离和三角坑、轨距变化率等轨道长波不平顺参数，并将结果按查询条件进行显示。

该项目已研制完成“多参数铁路轨道检测仪”样机一台，并通过河北省科技厅组织的验收。

二、技术指标

项目轨距水平轨向高低

检测范围

检测精度

1415～1480mm

±0.5mm

±100mm

±0.5mm

±75mm

±0.5mm 正矢

200mm

±0.5mm 行走距离

0～1000km

1‰

三、应用说明

1．应用实例与效果

“多参数铁路轨道检测仪”在北京铁路局石家庄工务段上行线路车间试用，上线测量了线路的轨距、水平、里程等参数。在试用过程中，该系统运行稳定，推行方便，并能够根据线路情况调整参数的设置，达到了铁路养护操作指导规范所要求的内容，降低了我们对于线路的养护劳动强度，在一定程度上节约了人力，提高了劳动效率。

“多参数铁路轨道检测仪”在石家庄铁路工务工程队试用，使用情况如下：该检测仪的操作性和测量参数的可靠性都达到了预期的要求，在操作上较为简便，测量时无需太多步骤，可方便的上线测量；其人机界面友好，能够做到各项功能一目了然；上线测量的铁路轨道的轨距和水平等参数，与经验数据对比，精度能够达到预期；但该检测仪对光稍显繁琐，主要是对光时所用的望远镜功能不足，需要频繁的调整焦距，可能会降低测量效率。

总体来说，该检测仪的使用情况良好，达到了预期的目标。

四、成果推广简介

1．应用范围：该检测仪可应用于全国铁路系统。

2．成果转化方式：我们采用自行转化方式进行成果转化。

多参数传感器篇5

关键词：信息融合估计,未知模型参数,相关方法,强一致性,辨识器

在Kalman滤波的应用中, 系统的模型参数与噪声方差阵要求事先假设已知, 但在许多实际系统中, 此条件难于满足, 比如在GPS导航系统中, 可以作为导航环境函数的矩阵往往包括大气时滞、多路位置误差、时钟漂移等, 难于做出先验预测[1]。为了克服此缺点, 自校正估值器应运而生。

对于带未知噪声统计信息的系统, 利用Kalman滤波理论设计自校正估值器, 需要在线辨识系统的噪声方差和互协方差。文献[2—4]提出了利用相关方法求系统噪声方差的在线估值器的新方法, 避免了辨识ARMA新息模型, 并且基于观测过程采样相关函数的遍历性保证了噪声方差估值器的强一致性 (即以概率1收敛于真实值) 。在此基础上, 利用动态误差系统分析方法, 文献[3,4]分别得到了以概率1或按实现收敛的自校正解耦信息融合Wiener状态分量滤波器和自校正加权观测融合Kalman滤波器, 但它们都没有解决系统带有未知相关噪声时的自校正融合器的设计问题。

文献[5]将文献[2—4]的方法加以推广, 对于带未知相关噪声的多传感器系统, 用相关方法, 提出了系统噪声方差阵和互协方差的在线辨识方法, 并证明了辨识器的强一致性。该辨识器的获得是通过解一个任意选择的部分相关函数方程组得到的, 是未知参数的一种局部估计。在辨识结果精度未知的情况下, 无法保证辨识结果的收敛速度和精度。将其利用于自校正估计, 可能会导致滤波性能变坏, 甚至发散, 且尚未解决模型参数和噪声统计信息均未知的系统的在线辨识问题。

为了解决这些问题, 本文在文献[5]的基础上, 对多传感器随机系统, 基于ARMA新息模型, 利用相关方法, 提出了多传感器系统模型参数和噪声统计的信息融合两段辨识方法, 并证明了相应的辨识器的强一致性。该方法是利用解不同的线性无关的部分相关函数方程组得到若干不同的局部估值器, 并将局部估值器进行算数平均加权得到的, 可证明它能被解释为最小二乘融合器。故该信息融合两段辨识方法具有一定的保守性, 它在每时刻精度上既不是最高的, 又不是最低的, 而是介于最高、最低之间的, 这就使得该辨识方法具有避免风险的特性———不会因为利用到了一个最差的辨识结果导致滤波估值变坏或发散。

1问题阐述

考虑多传感器随机系统

其中t为离散时刻, q-1为单位滞后因子, q-1x (t) =x (t-1) , yi (t) ∈Rm为系统第i个传感器的输出 (观测过程) , w (t) ∈Rr和vi (t) ∈Rm分别是第i个传感器的输入和观测白噪声, A (q-1) 和B (q-1) 为多项式矩阵, 形如:

且A0=Im, 其中Im为m×m的单位阵, B0=0或B0=Ir。

假设1 w (t) ∈Rr和vi (t) ∈Rm是零均值、方差各为Qw和Rii, 互协方差各为Si和Rij的相关白噪声:

其中E为均值号, T为转置号, δtt=1, δtk=0 (t≠k) 。

假设2 (A (q-1) , B (q-1) ) 左素。

假设3 B (q-1) 已知, A (q-1) , Qw, Si, Rij中有部分参数未知。

问题是基于观测yi (t) (i=1, …, L) , 在B (q-1) 已知情况下, 在线估计A (q-1) , Qw, Si, Rij。

2模型参数与噪声统计信息的两段在线辨识方法

将系统未知模型参数和噪声统计信息的在线辨识分成两个阶段完成, 第一段估计模型参数A (q-1) , 第二段估计噪声统计信息Qw, Si, Rij。

第一段:由式 (1) 有

假设将A (q-1) 分解成为

其中A0 (q-1) 已知, Λ (q-1) 未知, 即A (q-1) 的所有未知参数全部包含在Λ (q-1) 中。令

则式 (4) 化为

而式 (7) 可以写成ARMA新息模型

应用辨识算法 (如:多维递推增广最小二乘法 (RELS) [6]或递推极大似然参数估计算法 (RML) [7]) , 对式 (8) 进行辨识, 可得估值Λi (q-1) , D i (q-1) 和Qεi, 进而利用式 (5) 即可得估值Ai (q-1)

采用算术平均加权算法可以得到系统的信息融合模型参数估计

第二段:引入观测过程

则由式 (4) 有

可见, 式 (12) 右边为两个MA过程之和, 则zi (t) 为一个平稳的随机序列, 记它的相关函数为

由式 (12) 计算相关函数有

其中n0=max (na, nb) , i, j=1, 2, …, L;k=0, 1, …, n0, 且Rij (k) =0, k>n0。

基于到时刻t处的观测过程信号zi (t) , zi (t-1) , …, 将相关函数Rij (k) (k=0, 1, …, n0) 在时刻t处的采样估值定义为

则得到相关函数的递推公式形式

且带初值Rij1 (k) =zi (1) zjT (1-k) 。

将信息融合估值Af (q-1) 引入新的观测过程中有

将zi (t) 代入式 (16) 得到相关函数的采样估计Rtij (k)

再将其代入式 (14) 中可得到方程组

从中选择适当的方程, 利用相关方法和文献[5]提出的估计步骤, 可得到估值Qwi, Si和Rij。

由式 (19) 和文献[5]可知, 可以从中选择不同的ni个线性无关的线性方程组, 利用不同的线性方程组就得到了不同的估值iθk, k=1, …, ni0, 其中iθk为包含所有未知噪声方差的向量的θi估值, ni0为从方程组式 (19) 中选择出的不同的线性无关的部分方程组的个数。iθk可以被称为未知参数的局部估计, 因而, 噪声方差的信息融合估计可以定义为这些局部估计的算术平均

则由相同采样估计Rtij (k) 得到的Qw的融合估计为

而Qw的最终信息融合估计为

类似地, Si和Rij的信息融合估计Sif和Rijf也可被得到。

由上面的两段辨识方法, 可以总结出如下定理。

定理1线性离散定常随机系统式 (1) 在假设1—3下, 由式 (10) 可得到系统模型参数的信息融合估值Af (q-1) , 进而通过解方程组 (19) 可得到噪声统计信息的信息融合估值Qwf, Sif和Rijf。

定理2θi的估值iθk (k=1, …, nif) 可以被视为θi的观测。当估值精度的统计信息完全未知时, θi的一个合理的估值是它的最小二乘融合估计iθf, 即

证明可以选择iθf最小化性能指标

置J/iθf=0有

这直接引出式 (23) 。证毕。

3估值器的强一致性

定理3线性离散定常随机系统式 (1) 在假设1—3下, 由定理1确定的信息融合估值Af (q-1) , Qwf, Sif和Rijf是一致的, 即Af (q-1) ※A (q-1) , Q wf※Qw, Sif※Si, Rijf※Rij, w.p.1。

证明利用多维RELS或RML辨识算法得到的辨识结果均是一致的[6,7], 即

由式 (9) 可知

则由式 (10) 有

进而由文献[5]的强一致性定理可得

由式 (20) 则有

证毕。

显而易见, 模型参数和噪声统计信息的信息融合估值是介于最高和最低精度之间的融合估值结果。

4仿真例子

考虑动态随机系统模型

其中w (t) 和vi (t) 是零均值、方差各为Qw和Ri的不相关白噪声, A (q-1) 和B (q-1) 为多项式矩阵, 且B (q-1) 是已知的, A (q-1) 中部分参数未知

其中A0 (q-1) 为参数已知部分, Λ (q-1) 为参数未知部分, 且噪声方差Qw和Ri均未知, 仿真中取

问题是基于观测yi (t) , 在B (q-1) 已知情况下, 如何在线辨识A (q-1) 、Qw和Ri。

对系统式 (31) 应用RML算法可以得到模型参数Λ (q-1) 、Di (q-1) 和噪声方差σ2εi的在线估值, 仿真结果如图1至图4所示, 其中直线表示真实值, 曲线表示估值。

利用式 (9) 可得到局部估值Ai (q-1) , 进而可以得到其信息融合估值Af (q-1) , 仿真结果如图5和图6, 其中直线为真实值, 曲线为估值, 可见融合估计有较好的收敛性。

通过引入新的观测过程z i (t) =Af (q-1) yi (t) , 由式 (18) 计算其相关函数的在线采样估值R tij (k) , 联立方程组式 (19) 可以得到噪声方差的信息融合在线估值Qwf和Rif, 仿真结果如图7和图8所示, 其中直线表示真实值, 曲线表示估值。

5结论

对多传感器动态随机系统, 基于ARMA新息模型, 利用相关方法, 提出了带部分未知模型参数和噪声统计信息的多传感器系统的信息融合两阶段辨识方法, 并证明了相应的辨识器的强一致性, 即它们以概率1收敛于相应的真实值。该信息融合两段辨识方法具有一定的保守性, 它在收敛精度上既不是最高的, 又不是最低的, 而是介于最高、最低之间的, 这就使得该辨识方法具有避免任意选择一个坏的模型参数或噪声方差估值器的风险的特性。该模型参数和噪声统计估值器可用于设计带未知模型参数和噪声统计信息的相关系统的自校正状态估值器。

参考文献

[1]Jang C W, Juang J C, Kung F C, Adaptive fault detection in real-time GPS positioning.IEE Proceedings-Radar.Sonar Navigation, 2000;147 (5) :254—258

[2]贾文静, 张鹏, 邓自立.辨识动态系统噪声方差Q和R的新方法.科学技术与工程, 2006;6 (14) :2008—2011

[3]Deng Z L, Gao Y, Li C B, et al.Self-tuning decoupled information fusion Wiener state component filters and their convergence.Automat-ica, 2008;44 (3) :685—695

[4]Gao Y, Jia W J, Sun X J, et al.Self-tuning multisensor weighted measurement fusion Kalman filter.IEEE Trans on Aerospace and E-lectronic Systems, 2009;45 (1) :179—191

[5]高媛, 王伟玲, 王强, 等.多传感器系统噪声统计辨识的一种相关方法.科学技术与工程, 2009;9 (1) :11—15

[6]Ljung L.System identification, theory for the user (Second Edition) .Prentice-Hall PTR.Beijing:Tsinghua University Press, 1999

正确理解传感器的特性参数篇6

1 线性度

线性度是描述传感器静态特性的一个重要指标。它表示传感器实际的校准(calibration)特性曲线与某一参考直线不吻合程度的最大值。常用的线性度有端点线性度(end point linearity),最佳直线线性度(best straight line linearity)和最小二乘最佳拟合直线线性度(least squares best fit straight line linearity)[3]。对于端点线性度,其所采用的参考直线为传感器校准曲线两端点间的连线。

传感器的参考直线可以用以下表达式描述:Y=MX+b,其中Y表示传感器输出,M表示该参考直线的斜率,X表示被测物理量,b表示零点漂移。从图1可以看出真实输出曲线和参考直线的最大偏差为ΔYmax,因此端点线性度可以表达为:±ΔYmax/YFS×100%,其中YFS表示传感器全量程位置输出量。端点直线只考虑了实际标定的两个端点,而对于其他测点的实际分布情况并没有考虑,因此实测点对上述参考直线的偏差分布也不合理,最大正偏差与最大负偏差的绝对值也不会相等。为了尽可能减小最大偏差,可将端点直线平移,使最大正、负偏差绝对值相等,这条参考直线就是所谓最佳直线(BSL),那么对应的线性度就是最佳直线线性度如图2所示。

但需要注意的是,在传感器的输入输出校准曲线图中可以很容易建立最佳直线,但是当面对一系列数值时就很难建立这样的直线了。实际中需要更快,更好,更统一的方法以确定最佳参考直线。解决这个问题的方法是通过最小二乘法(least squares method)拟合输入输出数据点以确定参考直线。这是一种统计方法,它可以以数学的方式在所选择的任何范围内确定参考直线,这对于计算机化的标定系统是最有价值的方法。

最小二乘最佳拟合直线(best fit straight line,BFSL)方法被大多数传感器制造商优先使用,因为,它对所有数据点进行了最佳拟合,并且在常规应用中最适合计算机化的标定系统。最小二乘最佳拟合直线方法是一种统计方法,它不是一种纯粹的方法,但是假若传感器的特征在设计和开发阶段得到正确的优化,并且以连续的光滑曲线表现出来,那么这种评估是有意义的和正确的。

实际上,要想获得最小二乘最佳拟合直线,必须在传感器的工作范围内获取多达20个校准点,并且每一个测量点的输入和输出值都将用于计算最小二乘最佳拟合直线的斜率,其计算公式为:undefined其中Xn为已知的输入数据点,Yn为对应每一个输入点的传感器的真实输出点,n为数据点的数量。在获得最佳拟合直线的斜率以后,就可以确定所有测量点中到这条直线的最大偏移量,从而获得最小二乘最佳拟合直线线性度(如图3所示),其计算公式为undefined,其中Xfr表示被测物理量的范围。必须注意的是,因为该线性度评估方法是基于传感器的整个工作范围,因此对于诸如线性可变差动变压器(LVDT),通用称重传感器,差压传感器等双极性的传感器,最小二乘最佳拟合直线可能不经过零点。不过这对实际应用影响不大,因为零位输出通常可以进行电子调节[4]。总的来说,该方法是目前最有效的方法,但是在使用时必须小心和理解其中的含义。很明显,由于其统计性,数据点的数量将对评估结果的终极有效性产生影响。在实际中,特征曲线越不规则,那么需要测量的数据点就越多,以考虑非线性的增加所带来的影响。

2 精度

对于传感器而言,精度也是一个非常重要的性能指标。简单的说,精度描述了真值和测量结果之间的接近程度,它同时考虑了所有与应用过程相关的误差源的影响[5]。精度经常会与线性度混淆,但是实际上线性度仅仅是精度中潜在的误差源之一,虽然是比较值得注意的误差源。一个线性度为0.1% FS的传感器在正常工作条件下它的整体精度很容易退化到1%～2% FS。事实上,在实际中,测量结果所提供的精度至少应考虑以下部分误差源,如果可能的话最好考虑以下所有误差源:线性度,重复性,分辨力,迟滞,零点温度系数,增益温度系数,长期稳定性,校准装置的误差和校准标准。很明显,精度可以根据一系列给定的操作条件针对性定义,但是如果希望得到更好的结果,考虑所有的影响因素是非常重要的。进一步需要记住的是,并不是所有的传感器制造商都是以完全相同的方式来定义这些参数,因此为工作任务挑选最佳的传感器是一件充满挑战的事情。前面关于线性度的讨论,就可以看出对于这个简单概念的具体定义,它都存在明显差别。因此对测量结果的精度正确评估会有很大影响。这些潜在的误差源主要分为两个方面。首先是传感器本身的固有性能,其次是校准装置本身的性能。

重复性描述的是传感器对于同一个测点进行连续多次测量,其测量结果间保持一致的能力。对于不同测试原理的传感器,其重复性是不一样的。比如,电感式传感器和电容式传感器总是潜在地比应变片式传感器的重复性要好,通常前者大概为0.001%FS,而后者大约为0.05%FS。分辨力是指传感器能感受到的被测量的最小变化的能力,对于现在大部分的传感器而言分辨力都比较高,它主要受相关电子线路的噪音水平限制。通常,对于诸如应变片式,电感式,电容式等大多数传感器,其分辨力都很高,可以做到0.0001%FS,但是对于电位式,数字式的传感器会直接由设计要求决定,并且主要受位数所决定。因此,分辨力在所有的这些误差源中是最少需要考虑的,因为它有明确的定义且影响很有限。迟滞表示传感器在输入量由小到大(正行程)及输入量由大到小(反行程)变化期间其输入输出特性曲线不重合的程度。通常,迟滞现象会在那些依赖于压某种材料的传感器当中发生。对于低成本的传感器,其迟滞最差可以达到0.2%FS。对于诸如电感式或者电容式,这些依靠位移改变的传感器,其迟滞误差一般很小,因为在工作中没有包含通过压某种材料来将被测量转化为电信号的过程。

这三种误差因素在某些测量情况下,可以贡献高达0.26%FS的误差。对于给定类型的传感器,这些参数是固定的,并且不受温度的影响。下面将介绍由温度系数和校准设备所引入的误差,以及所有这些误差源对最终被测量的精度的影响。

所有类型的传感器拥有两种温度误差源,一种来自于零点温度系数,一种来自于增益温度系数[6]。有时,这两种因素可以用一个复合的系数来表示,但是这种做法并不一定就是将零点温度系数和增益温度系数简单的相加,需要记住的是这些系数的数值有可能是正的,也有可能是负的。零点温度系数表示当输入信号为零时,其输出值大小随温度的改变而改变的程度,通常用全量程百分率每摄氏度(FS/℃)来表示。零点温度系数受传感器的很多因素影响。比如,各种机械零件的膨胀和收缩,整个电子线路中电阻,电容或者电感的改变,或者对于某些传感器其磁性质的改变。进一步而言,如果传感器包含有复杂的电子元件,那么随着周围温度的改变,这些电子元件的性质必然发生改变。来自于零点温度系数的误差,对于非电传感器通常大概在±0.001%～±0.01% FS/℃,对于包含有内置电子线路的传感器,其通常在±0.01%～±0.02% FS/℃。随着温度的改变,增益系数同样也会发生改变,因此对灵敏度(sensitivity)也有直接的影响。来自于增益温度系数的误差范围通常与来自零点温度系数的误差范围相当。通过对两种误差进行简单相加,对于电子传感器两者的总误差大约为0.04%FS/℃量级。实际中,零点温度系数和增益温度系数的复合误差将在0.02～0.03%FS/℃左右。这种误差在某些情况下可以通过使用特殊的补偿技术加以改善。

通常制造商很少提供传感器长期稳定性参数,但是在某些应用情况下是必须要考虑的。很明显,长期稳定性数据只能通过在特定的条件下长期进行监测获得。对于小型的相对便宜的传感器而言提供长期稳定性数据是没有必要的。实际中,长期稳定性数据主要基于制造商的长期经验,以及从设计中所涉及的技术和元件的知识来获得的。很明显,传感器的使用条件的改变将增加获得长期稳定性数据的难度。一般,在相当温和的环境下,长期稳定性数据大概在0.05%～1%FS/年,但环境比较恶劣时,该数值会明显提高,因此有必要对传感器经常进行校准。

校准过程通常在环境温度为20℃的环境下进行[7]。通常,校准过程中只有两种误差源:(1)人为误差。很明显,在整个校准过程由人为因素造成的误差应该尽可能降到最低。现在很多校准过程已经实现计算机化,因此所有计算过程是精确的,并且是保持一致的。(2)设备误差。校准过程的终极精度最终主要取决于测试过程的校准标准。通常认可的规范是校准设备的精度要比传感器的精度高5倍以上,并且对设备需要经常按照国家标准进行检查。

3 结束语

总结影响精度的各种因素,考虑到线性,重复性,滞后,分辨率,温度系数,长期漂移和校准误差,传感器能够在100℃范围内达到1% FS的精度就已经非常好了,能够达到0.5% FS的精度就几乎不可能了。实际中,对于大部分的工业应用,最大温度范围为50℃,在这样的条件下,传感器精度不会超过1% FS。

参考文献

[1]孙圣和.现代传感器发展方向[J].电子测量与仪器学报,2009,23(1):1-10.

[2]孙圣和.现代传感器发展方向(续)[J].电子测量与仪器学报,2009,23(2):1-9.

[3]樊尚春.传感器技术及应用[M].北京:北京航空航天大学出版社,2004:27-37.

[4]王雪文,张志勇.传感器原理及应用[M].北京:北京航空航天大学出版社,2004:155-160.

[5]Wilson J S.Sensor technology handbook[M].Oxford:Elsevier,2005:21-26.

[6]郁有文,常健,程继红.传感器原理及工程应用[M].西安:西安电子科技大学出版社,2008:25-47.

多参数传感器篇7

电力系统作为关系经济、民生的基础性行业, 其安全运行是非常重要的, 其中电力设备自身的安全运行问题是影响电力系统安全稳定运行的一个重要方面, 而变压器作为电力系统中的主要电气设备一旦发生事故将造成严重的损失并且需要较长时间去修复。长期以来, 电力系统内对变电站中变压器的运行和维护主要是采用事后维修、预防型维修和计划检修等方式, 但是, 这些检修方式都存在着一些不可避免的弊端。随着电力系统的不断发展, 电力设备由定期检修逐渐向状态检修转变已成为了一种发展趋势, 于是设备的在线监测系统就应运而生, 因此对变压器的状态进行实时监测对于电网来说意义重大, 传感器网络是由许多在空间上分布的自动装置组成的一种计算机网络, 这些装置使用传感器协作, 监控不同位置的物理或环境状况 ( 比如温度、湿度、声音、振动、压力、运动或污染物) 。无线传感器网络的发展最初起源于战场监测等军事应用。而现今无线传感器网络被应用于很多民用领域, 如温湿度监测、环境与生态监测、健康监护、家庭自动化、以及交通控制等。

1 关键技术

系统采用B/S与C/S相结合的架构模数。 C/S结构用于数据采集, 能更好的保证数据采集的实时性与准确性, 两者结合, 发挥各自的优势。 B/S模式中, 除数据采集模块之外的功能都予以实现, 如:实时监测、历史查询与分析等。

编程工具采用基于Windows平台的Visual Studio2010 软件开发, 包含.NET Framework及ASP.NET程序开发服务器, 并支持Windows7 操作系统。数据库采用SQL Server2008 实现整个系统的数据交互业务, 可以将结构化、半结构化和非结构化文档的数据直接存储到数据库中, 并对数据进行查询、搜索、同步、报告和分析。

通信方式为串口通信 ( Serial Communications) , 它的概念非常简单, 串口按位 ( bit) 发送和接收字节。尽管比按字节 ( byte) 的并行通信慢, 但是串口可以在使用一根线发送数据的同时用另一根线接收数据。它很简单并且能够实现远距离通信。串口通信最重要的参数是波特率、数据位、停止位和奇偶校验。对于两个进行通信的端口, 这些参数必须匹配。

2 系统功能结构分析

系统结合温度监测管理系统, 参考相关程序软件的设计, 在管理平台中设置不同的权限管理, 具有数据实时监测、采集、查询分析等功能。

3 系统设计

3.1 数据库设计

系统通过数据E-R ( 实体—联系) 图分析, 最终确定了数据库表, 主要包括:实时节点数据表、基础设置表、用户表、角色表、用户角色关系表等。实时节点数据表:日期、时间、节点信息等;基础设置表:数据采集周期、节点数量、检测节点编号、比特率等;用户表:用户ID, 用户名, 密码, 姓名等。

3.2 主题结构与功能设计

3.2.1 登录模块

登录模块通过调用数据库中用户信息来验证用户名和密码, 同时判断用户的权限, 实现相关业务操作。

3.2.2 实时监测功能模块

在C/S架构中, 实时监测的同时, 进行数据的存储, 将有效的实时信息添加到数据库中。如有数据在设定的温度范围之外的, 用红色高亮显示。在B/S架构中, 实时监测模块读取数据库中当前最新一条数据, 当作实时数据。

这个功能模块中, 通过serial Port控件进行串口通信, 传输前, 由程序控制, 自动打开传输接口, 传输结束时, 立刻关闭, 以免影响下一下传输工作。同时结合了picture Box控件, 每秒更新picture Box中的折线图数据, 从而达到实时显示的目的。动态显示的表格则结合了data Grid View控件。

在B/S结构中, 使用的数据是由数据库中读取的最新一条数据当作当前节点数据 ( 只考虑正在监测时) , 故不存在通信模块。这里的绘图控件highcharts, 显示原理是:每秒给highcharts的数据源添加一个新的对值, 即[时间, 节点温度], 该控件将剔除最早的一个数据, 加入最新的这个数据, 形成一个新的动态实时监测图形。

3.2.3 历史数据查询与图表分析模块

历史数据查询分为单节点和多节点查询。根据节点号、日期、时间进行精确查询, 对于查询结果, 可以选择性打印。此外, 便于用户更直观的了解节点的信息, 对于可以选择打印, 或生成对应的统计图。

4 结束语

传感器网络节点参数 ( 温度) 监测系统可用于生产生活中的环境监测, 24 小时实时动态监控, 进行分析和预警。用户可通过对历史数据的分析, 更好的提高作业效率或做好相应措施。该系统通过全面的测试与实际运行, 效果良好, 数据稳定。

摘要：无线传感器网络由大量低成本、低功耗的微型传感器节点通过自组织方式连接而成, 能够实时感知、监测和采集覆盖区域内的各种环境信息, 并进行处理后报告给感兴趣的用户。其具有部署灵活、可靠性强、扩展方便、经济性好等特点, 在军事安全、工业控制、医疗卫生及环境监测等领域具有广泛的应用前景, 受到学术界和工业界的高度重视, 分析了传感器参数监测软件的现状, 设计了一种B/S与C/S结构相结合的系统软件。通过各个功能模块, 实现了对环境参数的实时监测, 并为监测数据提供了高效的查询分析功能, 为监测工作提供了一个有效的信息化管理平台。

关键词：传感器参数监测,C/S架构,B/S架构

参考文献

[1]孙燮华.Visual C#.NET编程与实验[M].机械工业出版社, 2010:428-459.

[2]马浇波, 王国胜, 张石磊.C#程序开发实用教程[M].清华大学出版社, 2013:32-45.

多参数传感器篇8

气体绝缘金属封闭开关设备 (GIS, 含HGIS、罐式断路器) 由于其一体化、紧凑型、免维修、受外界干扰少等优点在高压输变电系统中的应用比例越来越高[1], 早期设备已处于寿命中后期, 因生产工艺不良、安装调试不当、运行维护不到位等原因引起的GIS设备停电事故越来越多[2], 尤其是绝缘失效事故呈逐年增多趋势[3,4]。为及时发现GIS内部存在的故障缺陷, 开展局部放电检测是目前维护GIS设备的重要手段[5]。特高频 (UHF) 法是近年发展起来的一种新检测技术并得到了迅速发展和广泛应用[6,7,8,9,10,11]。大量实际应用经验表明, 这一技术对应的众多产品性能差异很大[12,13,14], 加之该技术评价标准的空白, 进一步放大了此类技术推广应用的负面效应[15]。

以下基于GTEM室的局部放电特高检测标定平台, 在两种典型的GIS盆式绝缘子外表面结构 (工装) 上, 对4种UHF传感器进行了等效高度测试, 研究了不同传感器、不同工装、不同安装角度下的参数差异。

1 GTEM室及传感器等效高度

为了克服传统的横电磁传输室的可用频率上限低的缺点, 提出了吉赫横电磁传输室 (Gigahertz TEMcell, 缩写为GTEM) [17]。随后将GTEM利用至UHF传感器时域测量领域[18,19], 并实现了对局部放电UHF传感器的标定[20,21]。

基于GTEM室的脉冲时域参考测量标定系统由标准脉冲信号源、GTEM室、单极标准探针、高速数字示波器、测控计算机、测控分析软件及各种线缆附件等构成, 如图1所示, 系统实物如图2所示。

假定通过标定信号源注入脉冲电压V1至GTEM, 假设此信号在GTEM内部产生的电场为E1。参考传感器和被测传感器测量产生的电压输出分别为VMr和VMs。设GTEM室的传递函数为Hcell, 单极标准探针传感器的传递函数为Href, 待测传感器的传递函数为Hsens, 测量系统的传递特性为Hsys, 则参考传感器和待测传感器的测量输出可分别表示为

由 (1) 中的上下两式左右相除, 可得到用参考传感器的传递函数来表示待测传感器传递函数的表达式:

由 (2) 式知, 利用参考传感器的传递函数Href及参考传感器和被测传感器对于注入脉冲信号的电压响应, 即可求得待测传感器的传递函数特性。

设E (t) 为GTEM室内被测天线所在位置处的电场, U (t) 为天线输出的电压信号。天线的作用即是将入射电场转换为电压信号输出, 根据入射电场和输出电压的关系, 即可得到天线的传递函数H (f) :

式中, U (f) 为输出电压U (t) 的FFT变换, E (f) 为入射电场E (t) 的FFT变换;电压的单位为V, 电场单位为V/mm, 所以H (f) 的量纲为mm, 故此也称其为频域等效高度。该参数反映了天线的接收能力, 对于同样的入射电场而言, 天线输出信号的电平越高, 则表示其耦合能力越强, 也即等效高度越大。将传感器在300~1 500 MHz测试频带内各频率点等效高度的累计平均值, 称为平均等效高度He (f) 。

2 UHF传感器响应特性测评

2.1 典型安装结构

GIS局部放电UHF传感器的安装结构 (工装) 分为外置式和内置式两种:内置式工装就是在GIS腔壁上开孔, 将UHF传感器安装于孔内;外置式工装就是将UHF传感器放置在GIS盆式绝缘子外表面。内置式工装的检测灵敏度高于外置式工装, 但是内置式传感器的引入必将改变GIS结构, 使得制造和改造成本大幅增加, 目前主要采用外置式工装进行检测[22]。外置式工装又分为裸盆子式 (开放式) 工装和带有浇注口 (屏蔽式) 工装。开放式工装是把UHF传感器直接安装于盆式绝缘子法兰处, 法兰外没有金属屏蔽圈;屏蔽式工装是在盆式绝缘子法兰处设置有外金属屏蔽圈以消除可能存在的不可靠因素 (紫外线、螺栓紧固力及螺母嵌件尖角) [23], 并在屏蔽圈上开有安装UHF传感器的浇注口。

2.2 不同UHF外置传感器

对3个厂商的5支UHF外置传感器进行检测, 其中PDS-620W型号传感器2支, GWA型号传感器2支, SPM-2/GPD型号传感器1支, 测试结果如图2所示。

测试结果表明:利用GTEM室可以进行UHF传感器的标定测评。对于同一厂商生产的传感器, 等效高度曲线一致性有两种表现:如图5 (a) 两支PDS-620W型传感器一致性较好, 且平均等效高度值也较大;如图5 (b) 两支GWA型传感器一致性表现尚可, 但是平均等效高度较差。对于不同厂商的传感器, 等效高度曲线有较大差异, 且平均等效高度值差异也很大, 如图5 (c) 三厂商传感器平均等效高度最大相差超过4倍。

2.3 不同工装UHF外置传感器

以4支来自不同厂商生产的传感器为测试对象, 在图4所示两种典型的外置工装下测得的等效高度曲线如图3所示。

测试结果表明:不同的工装对传感器信号接收性能有显著影响, 传感器在开放式工装上的信号接收性能显著优于在屏蔽式工装上的。开放式工装可形成有效的电磁泄漏窗口;对于带有浇注口的屏蔽式工装, 因电磁泄漏口很小而使信号受到不同程度的衰减, 传感器不能有效接收到相应频段的信号, 因此其等效高度比开放式显著降低。从传感器的平均等效高度测试结果看出, UHF传感器在开放式和屏蔽式两种工装下的平均等效高度最大相差超过百倍。

2.4 不同安装角度UHF外置传感器

在实际的测试中, 由于条件的限制使得传感器并不能比较理想地被安装于各种工装上。以4个来自不同厂商生产的传感器为测试对象, 工装为开放式工装, 分别测试传感器在0°、90°、180°角度下的等效高度曲线, 结果如图4所示。

测试结果表明:不同的安装角度对传感器检测性能有影响。0°和180°下传感器等效高度曲线基本一致, 而在90°下等效高度曲线明显下降, 这一结论印证了UHF传感器具有方向性的说法[22]。4传感器的平均等效高度如表1所示, 可以看出, 在0°和180°下传感器平均等效高度约为90°下的2~5倍。

3 结束语

基于GTEM的局部放电特高检测标定平台可以对UHF外置传感器进行等效高度参数测试, 测试结果表明:

1) 不同的传感器等效高度曲线具有较大差异, 测试的5支传感器平均等效高度最大相差超过4倍;

2) 开放式的工装更有利于传感器接收信号, 在两种典型工装上测试的4支传感器平均等效高度最大相差超过百倍;

3) 在进行传感器安装时, 不同的安装角度对传感器的接收性能也有较大影响, 在0°和180°下测试的4支传感器平均等效高度较90°下最高超过4倍。

利用基于GTEM室的局部放电特高检测标定平台, 可对云网在运的UHF局部放电监测系统用的外置UHF传感器开展性能评价, 可对拟装及拟购的UHF局部放电监测系统或仪器开展性能评价, 以确保在运系统的有效性和拟装及拟购系统或仪器的可用性。

参考文献

多参数传感器篇9

刀具的刃口钝化技术可以有效的解决刃磨后的刃口微观缺陷,使其锋值减少或消除,从而使刃口达到圆滑、平整,既锋利坚固又耐用的目的。经钝化后的刀具同时能有效提高刀具寿命和切削过程的稳定性。目前国外的刀具产品都是经过良好的钝化处理,故其性能较佳。因此国内刀具制造企业要使刀具产品具有很好的切削性能,就应该对刀具产品进行合理的钝化,并加强对刀刃钝化参数的精密检测。

在实际生产中,像麻花钻这样的螺旋刃口的测量是比较复杂的有条件的工厂企业可以利用“三坐标测量机”来进行测量。但是由于“三坐标测量机”的价格昂贵,维护复杂,很多企业没有这类设备。而一般情况下,对于强化后刀刃的外形的检测,工厂企业应用比较广泛的仪器是“万能工具显微镜”,该仪器价格低廉,能解决麻花钻螺旋刃口的测量[3]。但是这样测量读数过程繁琐、测量时间长。

所以研究设计一种可以方便准确检测刃口参数的测量系统是十分有必要的。本论文利用轮廓放大测量方法[1],对刀具刃口部位进行测量的一种检测系统,是对刀具钝化检测技术的进一步研究。

1 常用的钝化形式

麻花钻的钝化形式包括锐刃、倒棱刃、消振棱刃、白刃、倒圆刃等。根据麻花钻刃口钝化形式的多样化,可以根据不同的刃口钝化形式选择适合的测量。下面就该系统对倒棱刃的测量进行简单叙述,其他对前刀面进行处理的刃口形式与之相同。

倒棱刃是在刃口附近的前刀面上,刃磨出很窄的负前角棱边。大连吉瑞精密钻头有限公司对大连柴油机厂改进的一种内冷钻头,就是采用了这种倒棱刃处理,取得比较理想的效果,钻头的使用寿命提高将近25%。下图是做倒棱刃处理以后的刃口部分放大150倍后的图片:

对于这种倒棱刃钝化方式的测量一般需要控制的几何参数有两个:一个是刃口处理负倒棱的角度γ,另一个是宽度W。而在实际测量过程中,只要将前刀面扫描完整得出轮廓数据拟合出合理的轮廓线,就可以方便的得到这两个参数。钻头钝化角度几何参数的示意图如下:

用于检测工件表面的方法很多,从数据的可靠性和安装定位的简易性来看,触针法是最适用的[2],目前触针法大多用于表面粗糙度测量。国内外也有不少有关的文献资料介绍触针法对表面粗糙度的测量。但这些文章着重于对表面粗糙度评定参数的分析,而还没有刀具刃口测量的文献。本文主要针对系统的几个重要部分进行阐述。

2 系统的构成及原理

本系统是由软件控制进行采集检测信号的。数据采集卡采用较高性能价格比的PCL-813b。该卡具有A/D、D/A、计时计数等功能。查询、中断等采集方式。可根据实际需要分别进行采用。总体上可分为数据采集处理和机械结构两个部分。下面分别介绍各部分的构成及系统的测量原理。数据采集与处理部分是由电感传感器、信号处理放大电路板、数据采集卡和计算机组成。数据采集系统结构如图:

该测量系统的机械结构主要由刀具夹具装置、回转台、xy工作台、传感器部分等等。测量示意图如下:

测量原理:将被测钻头固定于回转工作台上,通过转动调整使钻头的刃口垂直于触针运动方向,将触针置于刃口上合适的位置。在驱动装置的驱动下,触针以固定的速度沿着刃口垂直方向运动,从而使触针对刃口表面进行扫描。刃口表面的轮廓使测针产生微小的位移量,电感传感器将测针的位移量转换为电信号,该电信号被送至信号处理电路经过调制、放大、滤波等处理就获得能够反映刃口表面轮廓的数字信号,然后由软件系统对数据进行处理并输出轮廓线。

在测量过程中,x方向的位移传感器等间距地发出位移信号,同时对y向电感传感器传感器进行数据采样。对于实际轮廓上的任一被测点,每一个xi均有y向位移传感器的读数yi与之相对应。假设一个轮廓上测量n点,那么这些点的集合0代表实际轮廓。

3 评定参数的定义

为了满足对表面不同的功能要求,国家标准规定的表面轮廓高度特征参数、间距特征参数和形状特征参数。高度特征参数有轮廓算术平均偏差Ra,轮廓均方根偏差Rq,轮廓最大高度Ry等。其数学定义为¹:

式中:Y(x)—x处的轮廓曲线的纵坐标;Yi—第i个轮廓曲线的纵坐标;Ypi、Yvi—最大轮廓峰和最小轮廓谷;l—取样长度;n—取样长度内所测点的数目。

对表面轮廓参数的评定可以使用labview软件中的的概率与统计、数学比较运算等功能模块。

4 模拟信号的输入

模拟电压信号由传感器输出,经过单路放大电路,传递给数据采集卡,最终进入计算机中。PCL813b数据采集卡是台湾研华公司推出的一款工业标准的经济型数据采集卡,是一款32录的单端带隔离的模拟量输入卡,用于模拟信号的采集和处理及各类控制信号的输出。

大多数的外设和接口卡都是通过计算机的I/O口来控制的,他们各自都有一个独立的存储空间来避免地址冲突,PCL-813b使用了16个连续的地址空间,地址的选择可通过面板上的6位DIP开关设置来设定。PCL-813b的有效地址范围是000到3F0。根据系统的资源占用情况,给PCL-813b分配正确的地址。

在数据采集应用中,模拟量输入基本上都是电压信号输入。为了达到准确测量并防止损坏应用系统,正确的信号连接是非常重要的。当测量一个电压信号时,将信号一端接入到一个输入端子上,信号源另一端接到地端子上(五个模拟地中的任何一个)。

5 刃口轮廓曲线的显示

轮廓曲线显示部分采用labview8.5进行编程,Labview丰富的控件为虚拟仪器提供了极大的方便,在函数库和控件库里选取所需的功能模块,为他们设置合适的属性。

程序图中目前主要包含采集设置,数据采集及处理两个大部分,采集设置包括设备通道和放大倍数的选择;数据处理采用最大、最小函数得出参数Ry,由均方差函数得出Ra。

由于轮廓数据曲线可视为是随机信号,所以测量所得的轮廓数据包含着触针在刃口表面测量行程上有可能获得的所有数据信息。对数据的处理可以使用labview软件中的的信号测量与处理功能模块。

6 结束语

1)该系统在设计过程中,以PCL-813B为硬件平台,用labview8.5进行软件开发,采集速度可达100KS/s。系统具有良好的扩展性,经过对刃口轮廓的实际测试,结果表明,该系统简单、可靠、方便使用,并且能够满足刃口钝化参数的基本检测要求。

2)系统对钝化尺寸的掌握有很大的帮助,能够方便准确的实现在刃口钝化参数上的检测,促进钝化尺寸控制的进一步研究,使刀具钝化技术提高一个新水平。

摘要：为了能够准确,方便的检测出刀具刃口部位的参数,研制了一种刃口参数检测系统。采用了差动式电感传感器和水平移动光栅,使用轮廓放大测量方法[1],用数据采集卡读取电感数据,通过光栅数值采集卡采集x坐标数据,以获得表面轮廓的二维坐标,从而得到刃口的轮廓线。

关键词：轮廓放大,轮廓数据采集,串口通讯,刃口检测

参考文献

[1]杨振祥.硬质合金可转位刀片刃口钝化方法及刃口圆弧半径的测量[J].工具技术,1990(10).