监测灵敏度

监测灵敏度（通用10篇）

监测灵敏度 篇1

1 灵敏监测技术

灵敏监测思想是一种关于监测系统的报警监测、统计自学习以及历史数据存储的新技术。传统的监测一般只对振动的总振值进行监测, 总振值为一标量, 相应的监测为一标量监测。一般对于一个振动测点, 包括两个门限:预报警和主报警。灵敏监测的报警门限则是区分机组振动的分频矢量、振动的矢量变化类型的全方位监测。

1.1 区分振动的分频矢量

灵敏监测是对与机组故障有关的振动信号的各关键分频矢量进行监测, 主要对1X、2X、0.5X、可选倍频、残振 (残振能量) 等进行监测, 不仅分别提供各个分频的棒图、趋势、轴心轨迹分析等, 而且设置了针对不同分频的门限报警, 因此, 大大增加了监测的信息量, 提高了监测的灵敏度。

1.2 残振概念的提出

减小分频监测的工作量。

进一步避免分频监测的盲区。

与分频监测互动, 实现全面分频监测。

1.3 区分振动矢量的变化类型

机组在实际运行过程中发生的故障, 其征兆不仅体现在各倍频矢量的差值变化上, 而且也能体现在该矢量值的跳变或缓变信息上。如:机组转子上物体的突然脱离, 其振动矢量的变化体现为1X的跳变;介质在机组转子上的沉积, 其振动矢量的变化体现为1X的缓变等。

在灵敏监测中, 除了对振动信号的总振值和分频矢量的差值进行监测外, 还对相应信息的跳变值和渐变值进行监测。

1.4 振动的变化趋势统计自学习功能

在灵敏监测的算法中提出了灵敏监测阈值的概念, 它是指灵敏监测学习得到的各偏差门限的最小值, 这在提供的机组运行数据学习样本异常平稳时极为重要。一般为不引起机械运行状况恶化的振动数据波动值, 推荐为正常运行数值的10%左右。

1.5 基于事件的数据存储方式

灵敏监测中的历史数据存储采用了基于事件的数据存储方式。这里的事件是指监测中提取到的所有信息 (包括每个测点的特征值、特征值的跳变与渐变等共18个特征值) 超出了自学习得到的门限。事件发生时, 自动存储机器上所有测点的全部数据。

灵敏监测事件驱动--本系统独有。

1.6 事件驱动方式补充

黑匣子

灵敏监测概念的提出, 极大提高了系统动态响应能力。但其只能存储异常时刻的数据, 而对故障前期和后期发展的宝贵数据及时存储有一定局限性。为了完善这一方法, 提出了黑盒子的事件驱动方式。

变负荷存储

变负荷监测的对象是系统监测的过程量, 通过modbus通讯获得的工艺量以及开关量。当系统监测的过程量或者通过modbus通讯获得的工艺量的新值和基准值相比变化了指定的间隔之后, 便触发了变负荷存储, 这个新值也同时成为新的基准值。

2 灵敏监测技术的应用

某石化企业重油催化机组安装了S8100监测控制系统, 除了可以实时显示被监测点参数外, 还可以进行振动、温度参数的趋势分析, 常见故障的分析诊断, 为保证机组安全运行、科学维护提供了重要技术支持, 在一定程度上改变了以往机组运行不正常、发生故障时, 对故障原因判断的不准确现状。

下面是风机发生一次振动过大的分析诊断过程。

图1为该厂重催机组风机前后轴承4个测点从某工作日17:10:32到21:00:55的振动通频值变化趋势图, 从中可以看到事故发生的时刻是17:33:00。可见四个测点振动位移变化趋势是一致的。

为考查故障发生前几天以内的机组风机振动变化情况, 还观察了某工作日16:48:45到第二日14:45:55风机四个测点的振动变化趋势图, 如图2。

为分析故障原因, 对历史记录数据进行了分析。主要对同一轴截面上呈900布置的两个位移传感器的时域波形与频谱进行分析, 同时还要考查轴心轨迹图变化过程。并与一些典型旋转机械故障特征进行对比分析, 从而判断机组风机发生了何种故障。图3为测点XE-100A在事故发生过程的波形图, 及事故前一秒的频谱图:

为从时域与频域综合分析事故原因, 对振动位移信号进行了时域波形显示与谱分析。图4为测点XE-100A在事故发生时的波形及频谱图, 图5为测点XE-100B在事故发生过程的波形图, 及事故前一秒的频谱图。

从图3可以看出, 故障前的风机转速为6320rpm, 对应工频为105.33Hz。在谱图上出现的峰值点对应频率为105.33Hz, 或工频的倍数。这里工频对应幅值为36。从6.7上可见故障发生后的风机转速为6318rpm, 对应工频为105.30Hz, 频谱图上与工频对应 (下转159页) (上接100页) 的谱峰值为164, 且2倍频值也较大。可见事故发生后, 振动能量增大, 导致工频和2倍频峰值都变大。从频谱上可见, 除了工频和2倍频存在着大的谱峰外, 其它基本上为零, 这种谱图是典型的转子不平衡问题。

图6是主风机后轴承在事故前正常运行时32个周期的轴心轨迹图。

图7是主风机后轴承在事故发生过程中31个周期的轴心轨迹图。

从图6、7可以看出, 轴心轨迹在风机不同运行阶段具有不同的形状。事故发生的前、后, 风机运行是较平稳的, 因此其每个周期的轴心轨迹重合性非常好。在事故发生过程中, 风机是从一个稳定状态向另一个稳定状态过渡, 因此, 其每个周期的轴心轨迹都有很大不同, 重合性不好, 图示表现为杂乱无章。这一点从三个图中的时域波形也可反映出来。事故前的轴心轨迹为一个近似正四边形, 表明不存在转子偏心或存在不大的偏心量 (在允许范围内) , 故障发生后轨迹为一个近似香蕉形, 这是典型的不平衡转子轴心轨迹。因此, 从轴心轨迹上也可以断定发生了不平衡故障。经停机检查后确实发生了风机叶片断裂事故。

总结:上述案例表明, 融入灵敏监测技术的故障诊断对需要借助振动分矢量幅值以及需要判断是否存在分矢量跳变等问题的研究具有很好的实用性。

参考文献

[1]李祥阳, 严洁.往复机构混沌振动响应特征辩识[J].四川有色金属, 2010 (2) .[1]李祥阳, 严洁.往复机构混沌振动响应特征辩识[J].四川有色金属, 2010 (2) .

[2]许光溱, 董龙歧.柴油机运转危险状态故障树分析[J].安徽农学院学报, 1990 (3) .[2]许光溱, 董龙歧.柴油机运转危险状态故障树分析[J].安徽农学院学报, 1990 (3) .

[3]王希民, 平鹏, 徐泽宁, 等.摆线针轮行星减速器点蚀故障的诊断[J].鞍山钢铁学院学报, 1994 (4) .[3]王希民, 平鹏, 徐泽宁, 等.摆线针轮行星减速器点蚀故障的诊断[J].鞍山钢铁学院学报, 1994 (4) .

[4]高万良.故障诊断在烧结SJ9000风机中的应用实例分析[J].包钢科技, 2008 (1) .[4]高万良.故障诊断在烧结SJ9000风机中的应用实例分析[J].包钢科技, 2008 (1) .

浅谈调节灵敏度的测定 篇2

关键词：调节灵敏度 反转拍 调节刺激

在以往的实践教学中，经常有些学生戴着刚刚验配的眼镜问这样一个问题，为什么戴上刚刚验配好的眼镜看远时很清楚，可看近时看不清，尤其在看远后再看近的瞬间会很模糊，但再仔细看一会就又看清楚了。那么当我们为其重新做检查时发现光度、瞳距完全准确，而当我们为其做调节幅度检查时发现其调节幅度大致正常（与其年龄相当）并无多少下降，可是当为其做调节灵敏度检查时发现结果比正常值低。由此我们认为即使是年轻患者，调节幅度在正常范围，可当其调节的灵敏度下降时就会出现上述症状，此时为其制订调节灵敏度的训练方案，效果显著。

一、调节灵敏度

调节灵敏度是人眼对不同的调节刺激所做出的调节反应速度，即快速的放松调节和动用调节的能力。调节灵敏度也是评价眼睛是否能够平稳有效地改变调节量的指标。

二、调节灵敏度的测定方法

其测定的原理是在不同的水平上交替变换调节刺激，每次变换后视标变清晰，请被检者立即报告，并随即变换调节刺激，如此反复，计算1分钟内人眼有效改变调节量的循环数（circle per minute，CPM）。调节灵敏度的常用测定方法主要有两种：远近交替注视法（far-nraralterhate fixation method）和反转拍法（flipper bar method）。

1.远近交替注视法

检测设备：遮盖板、Hart视力卡、秒表。

测定步骤及分析：

在照明充足的环境下，被检者佩戴远用矫正眼镜。

分别在远处和近处放置远用和近用视力卡，将远用视力卡贴在3米远处的墙上，与患者双眼水平一致，近用视力卡放置在眼前40cm处。

让被检查者先注视远视力卡待其看清楚后再立即注视近视力卡，当近视表变清晰后再立即注视远视标，如此循环，检查1分钟内交替注视次数（从远至近再到远为一次）。

检查时先单眼后双眼，叮嘱被检查者在检查时要注意自己看远及看近的清晰时间的区别，比如在看远容易、看近困难时，则其动用调节困难，对于幼小儿童，嘱其正确读出字母或数字，以确定其能看清楚。

2.反转拍法

传统的反转拍测量用±2.00D反转透镜在40cm处施与任何年龄患者，以致结果差异较大，因此近几年有一些学者发现，对于不同的调节幅度的患者应采用不同的检查距离和反转透镜，此法即是基于调节幅度的灵敏度测量方法，其检查距离应为其调节近点的2.22倍，如调节近点为7cm，调节灵敏度的距离应为15.5cm（7×2.22），反转透镜度总量应为调节幅度的30%，如调节幅度为10.00D，反转透镜为﹡1.50D总量为3.00D（10.00D×0.3）。

检测设备：反转拍（±2.00D为例）、秒表、调节灵敏度测试阅读卡。

测定步骤及分析：

在照明充足的环境下，被检者佩戴远用矫正眼镜。

注视眼前40cm处的阅读卡（阅读卡字体大小一般为20/60）。

让被检者手持反转拍，先将反转拍的+2.00D置于双眼前，开始计时，嘱被检者先在阅读卡看清楚（儿童要读出阅读卡上的字母或数字）后，再将-2.00D置于双眼前，再次变清晰后再次反转至+2.00D面，重复该步骤，记录1分钟内翻转的循环次数并做好记录。

遮盖左眼，重复第三步检查右眼并记录。

遮盖右眼，重复第三步检查左眼并记录。

3.正常值（不应低于该值）

双眼调节灵活度如下。

6岁：3.0周/分，7岁：3.5周/分，8～12岁：5.0周/分，成人：8周/分。

单眼调节灵活度如下。

6岁：5.5周/分，7岁：6.5周/分，8～12岁：7.0周/分，成人：11周/分。

三、调节灵敏度测定结果分析

双眼反转拍实验在测试过程中不单纯测量调节灵活度，也涉及了调节和集合两方面的变化，所以调节和集合的异常都将对结果产生影响。当在双眼前加正镜片时，患者放松调节来看清视标，同时调节性聚散功能下降会使双眼向外转，此时患者要动用正融像性聚散来维持双眼单视。当在双眼前加负镜片时，刺激患者调节看清目标，同时调节性聚散功能增强使双眼向内转，此时患者要运用负融像性聚散来维持双眼单视。因此，正镜同时评估放松调节和正融像性聚散功能，负镜同时评估动用调节和负融像性聚散功能。其中，任一障碍均会使其测量结果比正常人差。如果结果正常，表明两种功能正常；如不能通过双眼检测而能通过单眼检测，表明双眼聚散有问题；如同时不能通过双眼检测和单眼检测，表明调节灵敏度有问题。

监测灵敏度 篇3

励磁绕组匝间短路是同步发电机常见的一种电气故障[1,2,3,4],仅中国广东省在2009—2011年期间,就已经有十余台400～1 000 MW等级的发电机出现了该故障,仅2010年就已确认发生了5起。由励磁绕组匝间短路故障引起损失的示例也不胜枚举,上世纪90年代中国某火电厂4台300 MW发电机中就有3台因励磁绕组匝间短路等原因最终导致大轴磁化,其中2台还烧坏护环;2002年某核电站2号发电机组在更换C相主变压器后的起机过程中,由于励磁绕组匝间短路在主变压器事故冲击下发展为接地故障,机组被迫停机检修[1];2005年凤滩水电站6号发电机的励磁绕组匝间短路还引起了主保护动作。

除加工工艺不良以及绝缘缺陷等原因造成的稳定性短路外,发电机转子高速旋转中励磁绕组承受离心力造成绕组间的相互挤压及移位变形、励磁绕组的热变形、通风不良引起的局部过热以及金属异物等是导致励磁绕组发生匝间短路的重要原因。这些原因引起的动态匝间短路故障多在发电机的实际运行中发生。若能在发电机运行中实现对该故障的在线监测,及时发现处于萌芽期的小匝数早期故障,监视其发展并确定是否需要检修,就能避免轻微的故障恶化成为严重的匝间短路或转子接地故障,这对保障发电机的安全运行具有重要意义。

近年来国内外专家学者对励磁绕组匝间短路故障进行了广泛的研究,但或无法实现在线检测[5,6,7],或需对发电机一次侧进行改造[8],或仅局限于定性的理论分析与实验研究[9,10,11,12,13]。以实现励磁绕组匝间短路故障在线监测为目标,目前已研究实现了对该故障的数学建模及其实验验证[14,15],并对故障后的电气特征及其机理进行了全面分析[16]。文献[17]在对故障后进入各种主保护的不平衡电流进行计算与分析的基础上,提出了基于主保护不平衡电流有效值的故障监测原理。该原理解决了用不平衡电流中的单次谐波进行故障监测所带来的一系列问题,并可实现对故障特征量(即不平衡电流中所有分数次及偶数次谐波)的最大程度提取。

本文以三峡及彭水发电机现场录波数据为研究对象,对该原理的监测灵敏性及其影响因素进行分析。进而在该原理的基础上,提出一种考虑正常运行时固有不平衡电流影响的监测方案。通过灵敏度分析表明,该方案的灵敏监测范围得到了显著提高。文中还对监测的防误判措施、定值整定原则及动作特性进行了探讨,并基于该方案研制了故障在线监测装置。

1 对基于主保护不平衡电流有效值监测原理的灵敏度分析

1.1 监测灵敏度的校核方法

为定量描述监测原理反映励磁绕组匝间短路故障的灵敏性,定义监测的灵敏系数ksen为故障时定子不平衡电流总有效值Ik与监测定值(即监测报警值)Iset的比值:

$k{}_{\text{s}\text{e}\text{n}}=\frac{{\rm I}{}_{\text{k}}}{{\rm I}{}_{\text{s}\text{e}\text{t}}}(1)$

显然对于不同匝数的短路故障,监测的灵敏系数也不同。而由于汽轮发电机的转子为分布式的励磁绕组,不同励磁槽内同心式线圈的节距不等,不同槽内励磁绕组发生相同匝数短路时的定子不平衡电流有效值不相等。因此对于汽轮发电机,监测的灵敏系数还与短路位置有关。

采用励磁绕组匝间短路故障的数学模型[14,15]可计算出不同位置、不同匝数短路时的不平衡电流有效值,进而得到发生相应短路故障时监测的灵敏系数。当灵敏系数ksen≥1.3时,认为监测能灵敏反应于该位置下该匝数的短路故障,反之则认为监测不能灵敏反应于该故障。

1.2 三峡发电机监测灵敏度的分析

图1所示为三峡VGS发电机(基本参数见附录A)所配置的主保护,其中完全裂相横差和零序电流型横差保护可反应于励磁绕组匝间短路故障引起的定子相绕组内部的不平衡电流。图中:TA表示电流互感器。

为校验监测原理的灵敏性,并进一步定量分析正常运行时的固有不平衡电流对故障监测的影响,本文实录了三峡发电机正常运行时的不平衡电流。图2所示为三峡左岸VGS 7号发电机额定联网负载正常运行时,进入完全裂相横差保护的不平衡电流波形及其频谱图(折算到电流互感器一次侧,下文同)。

从图2(b)可见,三峡VGS发电机的固有不平衡电流中含有较大的基波(有效值为208.8 A)和3次谐波(有效值为46.8 A)。经计算可知,该不平衡电流的总有效值为269.5 A,从而各分数次谐波的总有效值约为163.8 A。

利用故障的稳态数学模型[15]对该发电机发生的励磁绕组匝间短路进行计算。为使计算值与实测值具有可比性,计算条件(励磁电流、机端电流、机端电压等)均与实测一致,计算出短路匝数分别为1～8时,对应的进入完全裂相横差保护的稳态不平衡电流有效值分别为166.9,334.1,501.7,669.6,838.1,1 007,1 176,1 345 A。如果将此时的报警值整定为该固有不平衡电流有效值的1.2倍,保证能可靠躲过固有不平衡电流。则短路匝数为3(短路匝比为0.278%)时的灵敏系数ksen=1.55,此时监测可灵敏报警。

图3所示为三峡左岸VGS 7号发电机额定联网负载正常运行时进入零序电流型横差保护的不平衡电流波形及其频谱图。对比图2和图3可见,正常运行时进入零序电流型横差保护的不平衡电流较完全裂相横差保护要小,不平衡电流中主要为基波(有效值为151.4 A)和3次谐波(有效值为23.6 A)分量。经计算可知,该不平衡电流的总有效值为154.2 A,各分数次谐波的总有效值仅约为17.3 A。

一般说来,对于同一台发电机,正常运行时进入零序电流型横差保护的固有不平衡电流都较裂相横差保护及不完全纵差保护要小。这是因为,零序电流型横差保护的不平衡电流中没有因电流互感器特性不一致引起的分量。另外,对于因电机制造偏差等原因引起的不平衡电流,裂相横差保护及不完全纵差保护中包含了正序和零序分量,而零序电流型横差保护中仅包含零序分量。

同样,利用稳态模型计算短路匝数分别为1～8时,进入零序电流型横差保护的稳态不平衡电流有效值分别为121.1,241.8,360.2,481.1,600.4,721.1,841.4,962.5 A。如果此时仍将报警值整定为固有不平衡电流有效值的1.2倍,则短路匝数为2(短路匝比为0.185%)时的灵敏系数ksen=1.31,此时监测即可较灵敏报警。

可见,即使不对正常时的固有不平衡电流加以分辨,对于该台三峡发电机而言,基于主保护稳态不平衡电流有效值的故障监测已具有较高的灵敏性。

1.3 对彭水发电机监测灵敏度的分析

下文分析另一台彭水ALSTOM 1号发电机(基本参数见附录B),图4所示为该台发电机采用的主保护方案及配置的电流互感器示意图。该发电机配置了完全纵差、不完全纵差及不完全裂相横差3种保护,但未配置零序电流型横差保护。其中不完全纵差及不完全裂相横差保护中的不平衡电流可反映出励磁绕组匝间短路的故障特征量。

以B相为例,以相电流为基准电流,当发生励磁绕组匝间短路时,进入不完全裂相横差一次侧的不平衡电流为:

$i{}_{\text{d}}=\frac{5}{2}i{}_{\text{Τ}\text{A}4}-\frac{5}{2}i{}_{\text{Τ}\text{A}6}(2)$

同样,进入不完全纵差一次侧的不平衡电流为:

id=5iTA5-iTA11 (3)

图5所示为实录彭水ALSTOM 1号发电机额定联网负载正常运行时进入不完全裂相横差保护的不平衡电流波形及其频谱图。该不平衡电流中含有较大的基波分量(有效值为326.1 A),而不平衡电流的总有效值为432.6 A。

采用稳态数学模型计算励磁绕组短路匝数分别为1,3,5,7,9,11,13,15(励磁绕组总匝数为1 190)时,进入不完全裂相横差保护电流互感器的不平衡电流有效值分别为63.5,189.5,316.6,443.2,569.9,696.6,823.7,950.9 A。如果仍将此时的监测报警值整定为不平衡电流有效值的1.2倍,则短路匝数为11(短路匝比为0.92%)时的灵敏系数ksen=1.34,此时监测才可较灵敏报警。

同样还可以对不完全纵差进行分析,发现正常运行时进入该保护的不平衡电流大小与不完全裂相横差保护相当(有效值为436.4 A),而不同匝数短路时进入不完全纵差保护的不平衡电流计算值与进入不完全裂相横差保护的完全相同。由此可见,对于这台彭水发电机,基于主保护稳态不平衡电流有效值的故障监测原理仅能监测到约0.92%的励磁绕组匝间短路,灵敏性还不够高。

2 考虑固有不平衡电流影响的灵敏监测方案

由上文分析可知,虽然基于主保护稳态不平衡电流有效值的故障监测原理实现了故障特征的最大程度提取,但由于发电机机端和中性点两侧的电流互感器特性不完全一致,以及发电机的制造偏差等原因,正常运行时也会有不平衡电流进入故障监测装置。如果采用实际不平衡电流的总有效值作为监测参考量,将这一部分正常时的固有不平衡电流不加分辨及处理地计入其中,为防止监测误报警,必须适当提高动作整定值以保证躲过正常运行及外部故障时的最大不平衡电流,因此,会相应降低监测的灵敏性。对于某些正常时不平衡电流较大的发电机(如彭水发电机),当发生故障特征量不明显的小匝数短路时,较难通过前文方法分辨得到。因此,需要在监测原理基础上进一步探索更灵敏的监测方案。

2.1 对不平衡电流进行移相叠加的监测方案

考虑到发电机正常运行时的固有不平衡电流主要以基波及奇数次谐波为主,若能将这些基波和奇数次谐波滤除,那么剩下的谐波分量将全部为励磁绕组匝间短路的故障特征量。而一般的滤波器很难把全部的基波和奇数次谐波完全滤除,且不同工况下不平衡电流的基波和谐波分量都不相同,而滤波器更无法保证所有工况下的有效滤波。一种简单的处理方法是首先求出总的不平衡电流有效值,即

${\rm I}=\sqrt{\frac{1}{{\rm T}}{\displaystyle {\int }_0^{{\rm T}}i}{}^2\text{d}t}(4)$

式中:i为不平衡电流;T为该电流的周期;I为不平衡电流的有效值。

然后再从中除去直流分量、基波和奇数次谐波(由傅里叶分解求出),便可得到所有故障特征量的总有效值。但当短路匝数较小时,不平衡电流中的故障特征量很小,主要为基波及奇数次谐波,而根据式(4)求出的总有效值及利用傅里叶算法计算的基波及奇数次谐波都存在一定的误差。因此,该方法可能存在两个相近的“大数相减”的问题,使小匝数短路时求出的结果可能存在较大偏差,不利于小匝数短路的灵敏监测。将不平衡电流表示为故障特征量(分数次和偶数次谐波)和非故障特征量(基波和奇数次谐波)之和:

$\begin{array}{l}i{}_{\text{d}}={\displaystyle \sum _{k=1,3,\cdots }{\rm I}}{}_{\text{d}k}\cos k(\omega {}_{1}t+\phi {}_{\text{d}k})+\\ {\displaystyle \sum _{\begin{array}{l}k=1/{\rm P},2/{\rm P},\cdots \\ k\ne 1,3,\cdots \end{array}}{\rm I}}{}_{\text{d}k}\cos k(\omega {}_{1}t+\phi {}_{\text{d}k})(5)\end{array}$

式中:Idk和φdk分别为定子不平衡电流k次谐波的幅值和相角;P为发电机极对数。

若将该电流在t轴方向向左平移1/(2f1)(f1为同步频率),这时有:

$\begin{array}{l}i{}_{{\text{d}}^{\prime }}={\displaystyle \sum _{k=1,3,\cdots }{\rm I}}{}_{\text{d}k}\cos k(\omega {}_{1}t+\phi {}_{\text{d}k}+\text{π})+\\ {\displaystyle \sum _{\begin{array}{l}k=1/{\rm P},2/{\rm P},\cdots \\ k\ne 1,3,\cdots \end{array}}{\rm I}}{}_{\text{d}k}\cos k(\omega {}_{1}t+\phi {}_{\text{d}k}+\text{π})(6)\end{array}$

将式(5)和式(6)相加,得

$\begin{array}{l}i{}_{\text{p}}=i{}_{\text{d}}+i{}_{{\text{d}}^{\prime }}=\\ {\displaystyle \sum _{\begin{array}{l}k=1/{\rm P},2/{\rm P},\cdots \\ k\ne 1,3,\cdots \end{array}}{\rm I}}{}_{\text{d}k}\cos k(\omega {}_{1}t+\phi {}_{\text{d}k})+\\ {\displaystyle \sum _{\begin{array}{l}k=1/{\rm P},2/{\rm P},\cdots \\ k\ne 1,3,\cdots \end{array}}{\rm I}}{}_{\text{d}k}\cos k(\omega {}_{1}t+\phi {}_{\text{d}k}+\text{π})=\\ {\displaystyle \sum _{\begin{array}{l}k=1/{\rm P},2/{\rm P},\cdots \\ k\ne 1,3,\cdots \end{array}}2}{\rm I}{}_{\text{d}k}\cos \frac{k\text{π}}{2}\cos \left(k(\omega {}_{1}t+\phi {}_{\text{d}k})+\frac{k\text{π}}{2}\right)(7)\end{array}$

由式(7)可见,通过将定子不平衡电流与其在t轴方向左移1/(2f1)后的波形相加,可以完全滤去基波和奇数次谐波而保留1/P,2/P等分数次谐波和偶数次谐波,这样处理后的谐波分量均为励磁绕组匝间短路的故障特征分量。

由此,如图6所示,本文提出一种励磁绕组匝间短路故障监测方案。将采集到的定子不平衡电流分为两路输出id和id′,其中id′较id延时1/(2f1),利用两路叠加后的电流ip进行故障监测,经过上述处理后的固有不平衡电流有效值会大大减小。

但有一点需要指出,故障情况下不平衡电流由式(7)可知,经过处理之后的k次谐波幅值由Idk变为2Idkcos(kπ/2)。对于某k次谐波当cos(kπ/2)>0.5时,处理过的该次谐波幅值将增加,如对于所有的偶数次谐波(1对极汽轮发电机的故障特征),处理后的幅值都将是原幅值的2倍,因此,对于1对极的汽轮发电机采用该方法是可行的。而对于某k次谐波当cos(kπ/2)<0.5时,处理过的该次谐波幅值将减小,如对三峡VGS发电机存在的39/40次谐波。因此,对于该方案的可行性和灵敏性还需经过进一步的计算与分析论证。

2.2 新监测方案的可行性及灵敏性分析

采用稳态模型计算三峡VGS发电机一极内励磁绕组短路匝数分别为1～8时,进入零序电流型横差保护的不平衡电流按上述方法进行移相叠加处理后得到的ip稳态有效值分别为147.1,294.2,441.2,589.0,736.4,884.9,1 032.8,1 179.7 A。可见,电流ip的稳态有效值也与短路匝数近似成线性关系。对比进入零序电流横差保护的稳态不平衡电流有效值可知,不平衡电流有效值较移相叠加处理前还略有增加。如前所述,这与短路后不平衡电流的频谱分布有关。

对实测的三峡左岸VGS 7号发电机正常运行时进入零序电流型横差保护的不平衡电流(见图3)也按前文提出的方法进行移相叠加处理。图7所示为经移相叠加处理后的波形及其频谱图。

由图可见,经移相叠加处理后的不平衡电流ip中基波分量完全被抵消,经计算可知,不平衡电流的总有效值仅为8.5 A,而该发电机励磁绕组短路1匝时的稳态计算有效值已达到147.1 A。若仍将此时的监测报警值整定为该不平衡电流有效值的1.2倍,则短路1匝的灵敏系数ksen=14.4,远大于1.3,此时的监测能灵敏报警。这说明对该台发电机而言,采用移相叠加方案可实现对其发生的励磁绕组匝间短路故障的无死区监测,励磁绕组任意极下的任意匝数短路均可灵敏反应。这除了反映出监测方案的高灵敏性外,还取决于这台发电机制造偏差较小的客观有利因素。

下面再对彭水发电机进行分析。采用稳态模型计算彭水发电机一极内励磁绕组短路匝数分别为1～8时,进入不完全裂相横差保护的不平衡电流按监测方法进行移相叠加处理后得到的ip稳态有效值分别为52.6,107.5,163.4,219.8,271.5,326.6,380.2,436.0 A。

同样,对实测的彭水ALSTOM 1号发电机正常运行时进入不完全裂相横差保护的不平衡电流(见图5)也进行移相叠加处理,图8所示为处理后的波形及频谱图。

经计算可知,经过移相叠加处理后的不平衡电流ip的有效值为116.5 A。计算该发电机励磁绕组短路4匝(短路匝比为0.34%)时ip的有效值为219.8 A,灵敏系数ksen=1.57,大于1.3,此时的监测可灵敏报警。相比移相叠加前能灵敏监测的短路11匝而言,监测范围得到了显著的提高。但因该发电机正常运行时,因电机制造偏差等因素引起的分数次谐波固有不平衡电流比三峡发电机的大,且这一不平衡电流的谐波成分与励磁绕组匝间短路故障特征相同,决定了很难对其发生的故障实现无死区监测。

3 防误判措施

由于采用不平衡电流的稳态值作为故障的监测依据,为躲过发生其他故障或操作(如非同期合闸等)时暂态过程可能引起的监测误判,采取监测延时出口的办法提高防误判性能。并且考虑对短路严重程度的区分,同时设置了两段监测报警定值,报警Ⅰ段为低定值段,报警Ⅱ段为高定值段。为保持前后文统一及论述的方便,本节的监测定值均为电流互感器一次值,在实际应用中可以采用电流互感器二次值,这时只需根据互感器的实际变比进行相应折算即可。

当定子不平衡电流有效值达到或超出Ⅰ段低监测定值IsetⅠ时,报警Ⅰ段启动,经过一个较长的延时tⅠ后报警Ⅰ段信号出口。在报警启动后的延时tⅠ内,如果出现以下两个条件之一时,启动将快速返回。

条件1:计算出的不平衡电流有效值低于监测定值kreIsetⅠ,其中返回系数kre取0.85～0.95。

条件2:前后相隔0.02P′(P′为不平衡电流的周期)计算出的不平衡电流直流分量两者之间的相对偏差大于5%,该条件的设定是为了判断不平衡电流是否处于稳态。

同样的,当定子不平衡电流有效值达到或超出Ⅱ段高监测定值IsetⅡ时,报警Ⅱ段启动,经一个短延时tⅡ出口报警(同样需要在tⅡ内满足以上两个条件则监测启动不返回)。这样做还能使机组运行人员根据相应的报警信号及时了解励磁绕组短路的严重程度,当监测Ⅰ段报警时应密切关注发电机的运行情况,而当监测Ⅱ段报警时应尽快转移机组负荷平稳停机进行检查。为保证条件2的判断,两段的延时tⅠ和tⅡ均应不小于0.02P′。

4 监测方案的定值整定

4.1 两段监测报警的定值整定方法

为使监测能可靠躲过正常运行时的不平衡电流,可将Ⅰ段的低监测定值取为:

IsetⅠ=krelⅠIunb.N (8)

式中:krelⅠ为Ⅰ段可靠系数,可取为1.2～1.5;Iunb.N为发电机额定运行时最大不平衡电流有效值,为取得较高的监测灵敏度,应采用实测方式取得。

而将Ⅱ段的高监测定值取为:

Iset Ⅱ=krelⅡIunb.N (9)

式中:krelⅡ为Ⅱ段可靠系数,其大小可结合正常运行时实测的不平衡电流以及不同匝数短路的计算结果确定,一般应取为1.5以上。

4.2 浮动门槛式动作特性

上文根据发电机额定运行时的不平衡电流整定监测的报警定值,实际中发电机可能带有不同的负载,也可能工作在过励或欠励状态,这时的固有不平衡电流与额定运行时有可能不同。对于励磁绕组匝间短路故障监测仅关心不平衡电流中的分数次及偶数次谐波分量,分析表明,正常运行情况下其有效值近似与励磁电流成正比。

为充分考虑不同励磁电流时,发电机固有不平衡电流中分数次谐波及偶数次谐波有效值的变化,保证在高励磁时监测不误报警,同时在一定的低励磁范围内保持监测的灵敏性,本文采用浮动门槛式动作特性。图9所示为浮动门槛式动作特性的示意图,横坐标为励磁电流的标幺值(基准值取为额定励磁电流IfN),B点对应的横坐标值$\underset{¯}{{\rm I}}{}_{\text{f}.\text{r}\text{e}\text{s}}$取0.7～1.0。

以Ⅰ段的低监测定值为例,C点处的报警值IsetⅠ等于发电机额定正常运行时的最大不平衡电流Iunb.N的实测值与可靠系数krelⅠ的乘积,当励磁电流在$[\underset{¯}{{\rm I}}{}_{\text{f}.\text{r}\text{e}\text{s}},\underset{¯}{{\rm I}}{}_{\text{f}.\max }]$的范围内变化时,监测定值呈现浮动门槛特性。由于励磁电流为零时不平衡电流也为零,则IsetⅠ.min和IsetⅠ.max分别为直线OC在$\underset{¯}{{\rm I}}{}_{\text{f}.\text{r}\text{e}\text{s}}$及最大励磁电流$\underset{¯}{{\rm I}}{}_{\text{f}.\max }$处的取值。在按发电机额定运行时的不平衡电流整定监测的报警定值后,该动作特性可通过监测装置的软件实现,无需再进行人工干预。

5 监测装置的研发及初步应用

为进一步验证本文提出的“对不平衡电流进行移相叠加的监测方案”的可行性,以期应用于工程实际,研发了“PCS-988A发电机励磁绕组匝间故障监测装置”。

PCS-988A的产品部署视图如图10所示。装置可接入机端电压互感器(TV)、机端电流互感器、励磁变压器电流互感器(得到励磁电流,用于浮动门槛式动作特性)、中性点电流互感器以及零序电流横差电流互感器,现场应用时可根据实际情况有选择地接入全部或部分电压互感器和电流互感器的模拟量。

为验证PCS-988A发电机励磁绕组匝间故障监测装置的电气量采样、电气量计算以及逻辑判别的正确性及可靠性,在动模样机上对该装置进行了动模测试。该装置除了能够准确反应于动模样机上发生的励磁绕组匝间短路故障,在该样机上进行的零起升压、灭磁、并网、甩负荷、机端三相短路、机端两相短路以及定子匝间短路故障等实验中,装置均未出现误报警。

在2012年3月浙江新安江水电站2号发电机技术改造时,将研制出的“PCS-988A发电机励磁绕组匝间故障监测装置”首次投入了现场运行。把该发电机的零序电流横差电流互感器(5P10,1500 A/5 A)的二次回路接入PCS-988A装置,用以反应励磁绕组匝间短路故障引起的定子不平衡电流。实测该发电机空载及各种负载工况时的零序电流横差电流互感器的不平衡电流,最大时的有效值不超过0.04(标幺值)。最终将监测Ⅰ段的定值取为0.06(标幺值),延时2.0 s;监测Ⅱ段的定值取为0.10(标幺值),延时1.0 s。

目前监测装置运行平稳,可实现对该发电机励磁绕组匝间短路故障的在线监测,并积累运行经验以进一步完善监测方案。

6 结语

本文首先对基于主保护不平衡电流有效值的励磁绕组匝间短路故障监测原理进行了灵敏度分析,在此基础上提出了一种对不平衡电流进行移相叠加的监测方案。计算及分析表明,该方案能更加灵敏地反应于励磁绕组小匝数短路故障。根据该监测方法研制的故障在线监测装置通过了动模测试,并已应用于实际运行中。

不过,对于某些正常时固有不平衡电流中分数次或偶数次谐波较大的发电机(如彭水发电机),尽管文中所提出的监测方法已尽可能大地提取故障特征量并尽可能大地消除非故障特征量,但由于这些固有不平衡电流是由于制造偏差引起的,使得基于稳态电气特征量的故障监测灵敏性不佳。对这类发电机,若想实现无死区灵敏监测,须研究新的监测原理,这将是下一步的工作重点。

另外,除少数俄供汽轮发电机外,中国绝大多数的大型汽轮发电机中性点仅引出3个端子,未安装分支电流互感器,使得基于定子相绕组内部不平衡电流的监测原理应用受到了限制,目前的研究遇到了瓶颈。进一步可通过故障前后励磁磁动势的变化规律、故障时机组的独有振动特征及其影响因素的分析着手。

附录见本刊网络版(http://aeps.sgepri.sgcc.com.cn/aeps/ch/index.aspx)。

高灵敏度GPS捕获技术研究综述 篇4

摘要：介绍了高灵敏度GPS捕获技术的概念，按照提升灵敏度方式的不同将当前高灵敏度GPS捕获技术分为信噪比提升方法、互相关干扰抑制方法和辅助GPS捕获方法，分析了三种方法各自的特点及提高灵敏度所采用的途径，论述了高灵敏度GPS捕获技术的国内外研究现状，指出了高灵敏度GPS捕获技术的关键技术和未来的发展趋势。

关键词：GPS；高灵敏度；信噪比；互相关干扰；辅助GPS

中图分类号：TN911.25；P228.4 文献标识码：A 文章编号：1673-5048（2014）02-0019-08

0、引言

GPS全球卫星导航系统以其全球性、全天候、高精度等特点，在航空、航天、航海、大地测量、工程测量、交通、资源勘探等领域得到了广泛应用。由于GPS在军事和民用方面都存在着极高的应用价值，世界各国都加大了对自身的卫星导航系统研究、建设和开发。俄罗斯开发的GLONASS卫星导航系统于2011年底实现全球覆盖，欧盟正在逐步研制以高质量民用服务为主的伽利略卫星导航系统。捕获技术作为GPS导航定位的首个环节，其优劣直接关系到GPS接收机的性能。

目前，正常状态下的GPS捕获技术已经发展得比较成熟。但是，当用户处于信息化战场、丛林、城市峡谷、立交桥、隧道、森林和室内等微弱信号或强干扰环境下，GPS信号由于一些自然或人为原因受到严重削弱，给GPS信号捕获带来麻烦，使GPS信号的品质严重恶化，可用性大幅下降。这时，普通的GPS接收机将难以对卫星信号进行成功捕获，而高灵敏度GPS捕获技术就是解决在弱信号、高动态、强干扰等复杂环境下GPS接收机能够正常捕获信号的技术。

高灵敏度GPS捕获技术与传统的捕获技术相比，有以下几方面优势：

（1）在低信噪比环境下，缩短了GPS接收机的首次定位时间，同时延长了捕获过程的积分时间，提高了信噪比；

（2）在弱信号环境下，能够提高接收机的捕获性能：

（3）有效消除了捕获过程中强信号对弱信号的互相关干扰，提高了接收机捕获灵敏度；

（4）限制了高动态环境下的多普勒频移和伪随机码动态延时，缩短了重捕获时间，提高了接收机捕获动态性能。

由于高灵敏度GPS捕获技术的高度优越性以及巨大的应用潜力，已成为GPS技术研究的一个重要发展方向，本文对其研究现状和发展趋势进行综述。

1、高灵敏度GPS捕获技术研究现状

20世纪末，高灵敏度GPS捕获技术开始受到关注，美国的SiRF公司和瑞士的U-blox公司对此已有十多年的研究历史，并且取得了一些重要成果。SiRF五代芯片可以达到-148 dBm的捕获灵敏度，而U-blox公司推出的G6000芯片也可以达到-144 dBm的捕获灵敏度。日本NEC公司生产的GPS接收机能够捕获到-152 dBm的GPS信号，并且在建筑物内可以精确定位。另外，国外一些著名高校和研究机构也在高灵敏度GPS捕获技术领域开展了广泛的研究。其中，加拿大的卡尔加里大学PLAN研究小组在高灵敏度捕获算法以及硬件研制方面处于世界领先地位。

国内卫星导航领域研究起步较晚，目前的GPS芯片大多来自国外，国内主要进行二次开发，侧重于普通环境下GPS接收机的应用研究，如大地测量、车辆导航等，对复杂微弱信号环境下的GPS技术研究涉及得很少。近年来，国内一些高校虽然也开展了一些高灵敏度GPS捕获技术研究，但是，总的来说还处在理论研究阶段，离实际工程应用还有较大距离。

目前，导航比特符号翻转、多普勒频移以及强信号对弱信号的互相关干扰是限制捕获灵敏度提高的三大因素。按提高捕获灵敏度的方式不同，可以将高灵敏度GPS捕获技术分为信噪比提升、互相关干扰抑制和辅助GPS捕获等三种方法。

1.1 信噪比提升方法

信噪比提升方法是指在控制导航比特符号翻转以及多普勒搜索频点数增加的条件下，有效延长相干累积和非相干累积时间，提高累积增益，从而达到提高信噪比的目的。相干累积是提升信噪比最显著的手段，但相干累积时间的增加会导致搜索的多普勒频点数增加，同时导航电文的存在以及比特边界的未知也限制了相干累积时间，另外，接收机的晶振稳定性抑制了最大相干累积时间。非相干累积可以有效地避免相干累积存在的这些问题，但由于平方损耗的影响，增益提升随着累积时间的增加效果越发不明显，还会遇到计算量和存储资源等问题，需要以快速算法提高信噪比。因此，目前的研究热点集中在快速有效地延长累积时间以及捕获速度优化方法等方面。

1.1.1 快速有效地延长累积时间

延长累积时间的基本方法包括相干累积和非相干累积。2000年，Chansarkar M等。分析了在无辅助信息情况下，长时间相干累积方法捕获的局限性及其理论限制。2001年，Psiaki M L等对相干累积和非相干累积的理论可用性进行了进一步探讨，指出相干累积受累积时间限制，非相干累积受“平方损耗”影响。Choi I H等等对非相干累积的方法进行修正，使平方损耗小于常规的方法。针对非相干累积的平方损耗问题，卡尔加里大学的Shanmugam S K等提出了一种提升方法——差分相干累积，并通过硬件资源和重构的GPSC/A码实现了弱信号捕获。差分相干累积用在GPS信号捕获时，可以有效避免比特极性的影响。1 ms相干累积值延迟差分后就可以进行长时间相干积分，但是差分过程会造成信噪比的损耗。根据Yu Wei等的分析，差分相干累积比非相干累积会有1.2～1.6 dB的性能提升。近年来，许多学者致力于研究不同基本方法的组合模式，Esteves P等提出了差分相干一非相干结合捕获算法，并可以根据信号强弱自适应调整积分时间，为室内或峡谷定位提供了可能。

导航比特符号翻转是限制累积时间延长最主要的因素，学者对如何快速有效地去除导航比特符号翻转做了大量的研究。2000年，Lin D M等提出了一种半比特捕获算法，将20 ms数据分成两块，每一块独立地进行10 ms相干积分，再将相干积分的结果进行多次非相干积分，避免了比特符号翻转的影响。2004年，Ziedan N I等提出估计导航数据最佳组合的圆周相关法，这种方法首先估计出长积分时间内导航数据的最佳组合，消除导航数据造成的相位反转影响，实现累积时间内的同号相干积分累加。和相干、非相干积分法相比，估计导航数据最佳组合的圆周相关法具有更好的性能，但这种方法计算比较复杂，需要很大的运算量，不适用于软件接收机。2006年，ChuangMing-Yu等提出了一种自适应捕获算法，它实质上是一种寻找比特符号翻转沿的方法，根据信噪比调整非相干累积次数，提高了复杂环境下捕获信号的累积时间。2012年，Ding Ren-Tian等提出了一种低复杂度的捕获算法，利用匹配滤波原理，去除了导航比特符号翻转带来的影响。

1.1.2 捕获速度优化方法

高灵敏度捕获技术若要真正实用，不能只停留在对累积时间的要求上。真正成熟可靠的高灵敏度接收机，还要实现尽量快速定位，要求尽量短的首次定位时间（TFFF）。首次定位时间主要依赖于采取的捕获算法能达到的平均捕获时间。频率搜索范围、频率槽的大小或者搜索单元的数目、每个搜索单元驻留时间都关系着平均捕获时间。而且，延长累积时间会导致在捕获信号过程中进行大量的相关运算，从而导致接收机负担极重。

为了解决此问题，一些学者从减少相关运算次数、优化捕获算法等层面展开研究。1991年，Van Nee D J R等首次提出提高捕获速度是优化捕获技术十分重要的问题，并提出了一种基于FFF/IFFT的时域并行搜索方法，极大地降低了时域并行中的运算复杂度。2001年，针对提升信噪比最显著的相干累积方法，Lin D M等提出了双块补零（DBZP）法，利用更少的运算量来处理相干累积，此方法已广泛应用于高灵敏度捕获技术中。Starzyk J A等提出了一种通过减少循环相关点数来减少运算的方法，将属于同一码片的采样值相加，来减少点数。2006年，Burgi C用了超大量的并行相关器，同时搜索所有卫星的PRN码相位和多普勒频率，完成快速首次定位。OHanlon Bw等采用DSP结合大规模相关器阵列完成相关运算和累积时间，实现快速捕获。莫建文等在2011年提出了一种新的高灵敏度捕获思路，利用随机共振进行微弱信号检测，避免了传统的增加积分时间来提高捕获灵敏度，同时采用FFF谱分析方法，实现了信号的高灵敏度快速捕获。2012年，Tamazin M等将快速正交搜索法用在了信号捕获方面，减小了均方误差，提高了信噪比。

此外，一些学者利用统计学原理对不同信噪比提升方法的性能进行了理论上的分析对比。ODfiscoll C详细分析了弱信号并行捕获中残留载波多普勒、码多普勒和导航数据调制对捕获判决量的影响之后，推导了采用不同积分方法的判决量统计特性，为判决门限的设置奠定理论基础。BofioD 针对非相干累积，提出了一种更好的评价其性能的指标参数——等价相干输出信噪比。对于差分相干累积，其判决量的统计特性的分析较为繁杂。Rodfiguez J A A等对一种特殊形式的差分相干累积判决量的统计特性进行了分析。YuWei等不仅对差分相干累积进行了高斯近似的分析，还给出了差分相干累积的蒙特卡罗仿真结果，即差分相干累积相对于非相干累积能够提高约1.6 dB的捕获灵敏度。陕西科技大学的陈景霞等根据统计学知识，提出一种采用序贯概率比检测GPS高灵敏度捕获方法，能够适应不同强度信号的捕获，有效缩短强信号的捕获时间，提高了信噪比。卡尔加里大学的ODfiscoll c利用统计学理论，详细地分析了考虑噪声以及导航比特符号翻转时，不同捕获方法的捕获概率与载噪比、累积时间之间的关系。

1.2 互相关干扰抑制方法

在强、弱信号共存的条件下，某些信号被遮挡，而其他的可见卫星信号可以直达接收机，当这些强信号和弱信号的功率差超过24 dB时，某些码相位和载波频率上，强信号和弱信号对应的互相关值会超过弱信号的自相关值，信号不能被检测，导致捕获失败，限制了接收机灵敏度的提高。因此，需要通过跟踪获得的强信号信息，重构强信号，以此为基础估计并消除互相关，以检测到弱信号。互相关干扰抑制方法的实现流程如图1所示。

Holtzman J M在1994年做出了开拓性的工作，提出了连续干扰消除法，即在跟踪到强信号后，对强信号的幅度、相位、频率进行估计，根据估计结果重构强信号，并从原信号中减去，再进行弱信号处理。此方法需要大量的存储单元用于信号的存储。连续干扰消除法已用于GPS伪卫星技术中。Zhao L等在2003年提出了子空间投影法，通过设计匹配信号检测器，将强信号投影到信号的子空间，可以有效地抑制互相关干扰。2007年，Morton Y T等对该算法的性能进行了详细分析，指出该算法需要频繁矩阵求逆操作，实时性较差。互相关干扰方面的权威专家新南威尔士大学的Glennon E P于2005年提出了一种新的GPS互相关抑制方法，这种方法改变码周期中1和-1的个数，均衡了码的特性。2006年，GlennonE p又提出了一种互延迟并行互相关干扰消除法。在该算法中，首先估计互相关干扰，然后从弱信号的自相关结果中减去互相关干扰部分，从而消除强信号对弱信号检测结果的影响。该算法能有效消除互相关效应的影响，但是，对每个弱信号卫星的检测需要重建所有强信号通道，而通道太多难以硬件实现。2010年，Sousa F 针对互相关干扰对捕获性能的影响，对子空间投影法做了一系列的改进，可以较好地将强、弱信号进行分离，达到抑制互相关干扰的目的。

此外，国内学者对互相关干扰抑制方法也有一定的研究。唐卫涛等提出采用Q路滤波法，能够完全消除互相关干扰，但同时也会使信噪比下降3 dB左右。梁坤等将频差因子引入信号互相关检测中，并与并行互相关消除法结合，无需考虑量化位数的影响，且计算量较小，理论上取得了较好的效果。2011年，宋新刚等利用一个通道重构所有强信号，并从自相关结果中去除互相关部分，在强弱信号相差30 dB的条件下，有效地消除了互相关干扰。

1.3 辅助GPS捕获方法

辅助GPS捕获方法主要指从良好信号环境下的定位服务器获取辅助信息，以实现信号的捕获。应用最广的辅助GPS捕获方法是惯导（SINS）辅助GPS捕获技术。在高动态环境下，载体和GPS卫星之间的高速运动使得信号产生了很大的多普勒频移，对信号捕获频域的搜索带宽提出了较高的要求，使得搜索频点数增加，导致数据处理量增大。由于惯导系统具有自主性强、连续性好等特点，能够即时提供载体的位置、速度和姿态等信息，使接收机可以预估出高速运动产生的多普勒频移，进而减少频率搜索和缩短捕获时间。惯导辅助GPS捕获方法的实现流程如图2所示。

由跟踪环锁定检测器启动信号粗捕获模块。粗捕获模块根据惯导提供的速度和位置信息及历书，可以解算出载体和卫星之间的多普勒频移；利用惯导位置信息结合历书的辅助，可以计算出伪距，从而得到码偏移。将估计的频偏量和码相位偏移作为搜索范围的中心，并根据惯导信息的不确定性设定搜索边界，控制本地载波和码NCO在此范围内搜索，从而大大减小载波频率和码相位两个方向的搜索范围，提高信号捕获的速度。完成粗捕获过程，并将结果送给精捕获部分。在惯导预计的多普勒频点附近进行时长为一个导航数据位的相干积分，完成精捕获。

2001年，Djuknic G M等首次提出了辅助GPS捕获的概念，并表示辅助GPS捕获技术可以预估码和多普勒频率的位置，以消除导航比特符号翻转的影响和延长累积时间。2003年，Choi I H等指出，可以利用惯性导航提供的导航数据辅助GPS捕获，提高捕获动态能力。卡尔加里大学的Gao Guo-Jiang等针对复杂微弱信号环境，详细地阐述了惯导辅助GPS捕获技术的原理，指出可以大大减小多普勒的搜索范围。2007年，Liu Zhi-Xing等提出了定时移动网络辅助GPS捕获技术，可以缩短首次定位时间和减小PN码的搜索范围，以延长相干累积时间。2008年，Dovis F等提出了一种辅助高灵敏度GPS捕获方法，通过辅助信息，提高灵敏度的同时，降低了捕获复杂度，可以提高相干累积时间到2 s。2011年，SoghoyanA等开发了一套NI LabVIEW辅助GPS仿真器，为弱信号环境下的接收机提供星历参数，并在FP-GA上对性能进行了验证。2012年，Shafiee M等提出了一种无线网络辅助GPS捕获方法，利用无线网络提供参考时间，大大缩短了首次定位时间，提高了捕获灵敏度。同年，Sadrieh S N等提出了双接收机辅助GPS捕获方法，利用正常环境下接收机的解算多普勒和钟差，对复杂环境下的接收机捕获过程进行辅助，实验表明可以提高200 ms的相干积分时间。

国内学者对辅助GPS捕获方法的研究主要集中在惯导辅助方面。南京航空航天大学的袁俊刚、北京航空航天大学的张敏虎、沈阳理工大学的赵晴等人，都提出了利用惯导速度信息辅助GPS方法，可以有效缩小多普勒频率搜索范围，缩短捕获时间，同时提高捕获灵敏度。

2、高灵敏度GPS捕获技术性能分析

信噪比提升方法、互相关干扰抑制方法和辅助GPS捕获方法针对不同的环境、采取不同的途径来提高GPS的捕获灵敏度。表1对高灵敏度捕获技术的不同方法进行了性能对比。通过对比可以发现，信噪比提升方法主要解决的两大问题是去除导航比特符号翻转以及提高捕获增益，其针对的主要是弱信号环境提高捕获灵敏度的问题。互相关干扰方法主要解决的是强信号对弱信号造成的干扰问题，所研究的方法集中在如何去除强信号和弱信号的互相关方面，也有方法兼顾了导航比特符号翻转问题。辅助GPS捕获方法主要是解决高动态环境下的GPS信号捕获问题，处理方法集中在减小多普勒搜索范围以及缩短首次定位时间等方面。

图3更直观地展示了高灵敏度GPS捕获技术的发展历程、特点和相应的高灵敏度产品，并且预测了未来高灵敏度捕获技术的发展方向。从20世纪80年代开始，高灵敏度GPS捕获技术的研究逐渐展开，起初主要针对信噪比。

提升方法展开研究，提出了最基本的相干累积和非相干累积方法，并对方法进行改进以及开展新的捕获方法研究。20世纪90年代，信噪比提升方法方面最有代表性的研究成果为基于FFT快速捕获算法的出现。另外，研究学者也开始重视强信号干扰问题及互相关干扰问题。进入21世纪，随着人们所处环境的复杂化，高灵敏度捕获技术成为导航领域研究的热点，研究成果也不断出现，很多公司都推出自己的高灵敏度GPS芯片，如表2所示。另外，辅助GPS捕获方法也发展到利用无线通信网络提供卫星钟差、参考频率、比特符号翻转

3、高灵敏度GPS捕获技术发展趋势

随着计算机、信号处理等技术的不断发展以及各类导航系统的不断完善，高灵敏度GPS捕获技术日趋成熟。但由于用户所处的环境越来越复杂，目前，在高灵敏度GPS捕获技术方面发展主要有以下几个方面：

（1）高灵敏度GPS捕获技术深入研究

高灵敏度GPS捕获技术中，无论信噪比提升方法、互相关干扰抑制方法还是辅助GPS捕获方法，都面临着一个共同问题——导航比特符号翻转。能否快速准确地去除导航比特符号翻转的影响，成为决定捕获方案性能的关键。从目前的研究情况来看，已有的半比特算法、全比特算法以及圆周相关算法，捕获增益提高不够明显，计算过于繁琐，降低了捕获的灵活性。尤其是在信号极弱的环境下，导航比特符号翻转无法避免地会限制捕获灵敏度。因此，如何设计出快速准确估计导航比特符号翻转的方法，并应用于高灵敏度捕获技术，将是未来研究的热点。

（2）高灵敏度GPS捕获技术的硬件实现

捕获环节是接收机处理的第一个步骤，其灵敏度直接关系到GPS接收机整体的性能。目前，射频前端产品以及GPS接收机性能的不断完善，为高灵敏度捕获技术的硬件实现打下了良好的基础。但是，目前针对高灵敏度GPS捕获技术的硬件实现方法，以及弱信号和高动态环境的高灵敏度GPS接收机的开发还相对较少。虽然国外某些公司已经开发出几款高灵敏度GPS接收机，但缺乏技术细节，难以采用。因此，有必要进一步进行高灵敏度捕获技术的硬件实现方法的研究。

（3）高灵敏度双频接收机捕获技术研究

随着GPS现代化进程，用户波段新添加了L2C以及被称作“生命安全”的L5波段，L2C和L5波段信号具有先进的码结构以及提供电离层、对流层误差修正等特点，与传统的L1波段信号组成双频接收机，可以大幅度提高定位精度，欧洲航天局已经推出了L5波段的研究规划，双频接收机成为近几年的研究热点。

目前，双频接收机的研究仍处在开发和调试阶段，虽然Grant H等人率先开展了弱信号条件下L5波段信号捕获技术研究，但是，如何在微弱信号环境下对L5波段信号进行有效捕获，以及如何提高双频接收机的捕获灵敏度，还需进行大量的研究工作。

4、结束语

激光探测灵敏度精确测量技术 篇5

激光探测灵敏度检测手段一般采用激光测距机 (或固体激光器) 配套激光衰减片的组合方式。激光探测设备的光学组件主要由前向截止滤光片和视场光栏组成, 探测窗口一般比较大, 而实际有效通光孔径为光电探测器光敏面直径, 直径一般不到1 mm, 因此检测激光探测灵敏度的测试激光功率稳定性和能量密度分布均匀性是决定检测准确性的主要因素。而一般激光器的基模激光主光斑能量分布为准高斯分布, 光斑能量随机起伏较大, 分布不均匀, 能量密度分布起伏约5倍左右, 对激光探测灵敏度的测量会产生数倍的随机偏差, 不能定量的准确测定灵敏度最小值, 对灵敏度的动态范围更是很难标定。实测激光光斑能量分布如图1所示。

由此可见, 检测激光光斑功率稳定性和能量密度分布均匀性直接决定着检测结果的可信度和准确性, 而检测激光光斑非均匀性分布造成的测量误差要远远大于激光脉冲功率稳定性所造成的误差。

2 激光探测灵敏度精确测量设计

2.1 技术路线

为提高检测激光脉冲功率稳定性和光斑能量密度分布均匀性, 同时尽可能地增大检测激光功率精确调节范围, 并保障检测设备使用便捷, 采取了以下5种技术措施。

(1) 激光光束均匀整形技术。为精确模拟远场平行光, 确保能量分布的均匀性, 主要采用积分球式能量均化方式、微透镜阵列式能量均化光学装置等对检测激光光束进行均匀整形, 保证输出激光能量分布的均匀性。

(2) 超小型激光器功率稳定设计技术。为尽可能使激光器输出功率时刻保持高稳定状态, 不但要尽可能降低激光器本身的输出激光功率起伏, 同时还要严格控制激光器输出激光光束的能量密度分布起伏。开发超低功率高稳定YAG激光器, 采用精确温控制措施和主动电光调Q方式, 确保激光器输出功率的稳定性。同时, 采用高集成、超小型化设计, 尽最大可能减小体积和质量, 以满足手持式使用要求。

(3) 激光精确衰减数控调整技术。为了适应对不同激光探测设备检测需要, 同时具备精确测量和标定探测灵敏度动态范围的能力, 采用激光精确衰减数控调整技术, 利用嵌入的大量激光衰减片组和自动解算数控调整机构, 可实时显示检测激光的功率密度值, 实现对检测激光的精确衰减和调整能力。

(4) 激光远场平行光准直模拟技术。根据激光探测设备作战使用环境, 需要在近场模拟远场平行光特性, 采用光束准直技术, 利用离轴扩束和消球差设计等方式, 提高光束质量和平行度, 模拟出远场平行光。

(5) 激光功率密度自动解算处理技术。一般激光探测设备具有多个激光探测单元, 测试时需对每一个探测单元进行多次测量, 测试工作量较大。为方便使用, 采用激光功率密度自动解算处理技术, 经程序设定后, 按设定频率和次数自动工作, 对测量结果统一记录并提供检测结论, 自动生成检测数据文档, 方便调用和查阅。

对激光能量均匀化光学处理技术, 经试验验证, 处理后的激光光束近似为激光远场平行光光束效果, 激光能量密度分布起伏小于10%, 确保了激光光斑能量空间均匀性, 能较好满足激光探测灵敏度测量要求。激光能量均匀化后实测的光斑能量分布如图2所示。

2.2 样机及工作原理

激光探测灵敏度检测设备原理样机主要由稳压电源模块、冷却装置、检测信号驱动模块、超小型高稳定激光器、激光能量均化光学装置、数控衰减光学装置、扩束准直光学装置、激光功率密度解算处理模块和综合数据处理模块组成。组成框图见图3所示。

图3中稳压电源模块负责为各单元提供稳定的直流源;冷却装置根据驱动模块信号和温控设备反馈数据自动调整开关和制冷强度, 使激光器在运行期间环境温度始终保持在一定温度范围内, 确保激光输出功率稳定;检测信号驱动模块为激光器提供驱动信号, 控制激光器开关;数控衰减光学装置可以实现以1 dB为步长精确调整激光输出功率密度;激光功率密度解算处理模块可根据需要计算衰减装置的组合方式, 并自动解算和显示当前激光输出功率密度值;激光能量均化光学装置把能量分布为抖动起伏较大的激光光束整形为能量均匀分布的匀场光束;扩束准直光学装置对激光光束进行整形, 使输出近似远场匀场激光光束;综合数据处理模块可自动设置测试方式, 记录并保存测试数据, 所有数据可通过USB接口自动传输。

3 验证试验

3.1 试验方法

(1) 将激光探测灵敏度检测设备和激光空间能量密度检测设备分别放置在光具座导轨上。

(2) 调整激光探测灵敏度检测设备和激光空间能量密度检测设备使其准直并使激光探测灵敏度检测设备出光孔径中心对准激光空间能量密度检测设备探测光学系统孔径中心, 同时DELIXI单相接触调压器接市电, 用UT53万用表监测调整单相接触调压器至220 V。

(3) 在激光探测灵敏度检测设备不同档位上发射单脉冲激光, 与其同时调整激光空间能量密度检测设备测量档位, 分别测试激光探测灵敏度检测设备1~63 dB不同档位的激光功率密度。

3.2 试验条件

(1) 激光空间能量密度检测设备:2 f J/mm2;

(2) 光具座:1 500 mm;

(3) UT53万用表;

(4) DELIXI单相接触调压器。

3.3 试验结论

激光探测灵敏度检测设备输出激光功率密度最小值为0.32×10-6W/mm2。激光探测灵敏度检测设备激光功率不确定度变化范围为2.0%~9.1%, 与通常使用的激光探测灵敏度检测方式所造成的灵敏度检测最大偏差数倍相比, 大大提高了激光探测灵敏度测量准确性, 确保了检测结果的可信性。激光探测灵敏度检测设备输出激光功率密度范围为0.32×10-6~1.43 W/mm2, 动态范围为66 d B。

4 结论

基于数值仿真的电价灵敏度分析 篇6

在过去的20多年中, 世界上许多国家开展了以“厂网分开、竞价上网”为主要特征的电力工业市场化改革, 电力企业从垄断型经营模式向竞争性经营模式转变, 电力市场成为国家经济格局中的重要组成部分。其中, 电价作为市场的核心问题, 直接关系到整个市场的发展和稳定。在电力市场环境中, 电价具有较高的波动性和随机性, 其正常波动是电力市场赖以生存和发展的基本条件, 对市场的健康发展具有积极的正面效应;反之, 电价的异常波动将加剧市场成员的运营风险, 并影响电力市场的稳定发展。尤其是2000年美国加州电价的暴涨给美国加州的经济和生活带来了巨大损失, 也引起人们对电价风险问题的普遍关注。然而, 由于电力市场的特殊性, 如何借鉴金融市场风险管理理论进行电价风险分析还有待研究。目前, 已有一些学者对电价问题展开了较为深入的研究, 并取得了丰硕的研究成果, 其研究主要集中在电价预测[1]、波动性分析[2,3,4]、概率分布[5,6,7,8]等方面。

总体而言, 灵敏度分析是常用的风险分析技术, 能够直观地表征自变量与因变量变化之间的内在联系, 这对于电价风险研究而言, 具有重要的理论意义和实用价值。究其原因, 电力市场因素的不确定性具有其客观必然性, 所以, 进行市场因素变化与电价变化之间的定性和定量分析, 以挖掘市场因素不确定性与电价不确定性之间的潜在规律, 实现对电价风险的深层次分析, 具有极其重要的意义。

目前的灵敏度分析方法已在金融资产市场风险分析中得到较为深入的研究和应用[9], 其研究方法大多是直接对目标变量与自变量之间的数学模型进行求导计算灵敏度系数。在电力系统分析领域, 灵敏度分析被广泛应用于系统仿真[10]、保护控制[11,12]、系统稳定性分析[13]等方面, 这些研究大多基于明确的数学模型或系统, 通过灵敏度分析实现对模型变量及参数的动态分析。然而在电价研究方面, 由于价格本身的复杂性和电力市场的特殊性, 对于电价及其影响因素的显示建模存在较大困难, 从而制约了解析法在电价灵敏度分析方面的应用。为解决该问题, 文献[14]提出了电量电价灵敏度矩阵的计算方法, 此方法所求的电价灵敏度是一种静态量度, 对于电价的动态灵敏度问题不适用。

本文从数值仿真的角度, 提出了一种新的电价灵敏度分析模型。该模型首先根据统计学习理论, 建立基于支持向量机的电价仿真模型, 并对电价影响因素进行小扰动模拟, 然后根据智能仿真结果, 计算电价的灵敏度。该模型将支持向量机的黑箱建模技术与灵敏度分析有机结合, 所建模型原理简单、适用性较强。

1模型原理

首先对电价灵敏度模型进行基本定义。设y (t) 为目标交易时段t的电价, x1 (t) , x2 (t) , …, xn (t) 为电价解释变量, 即模型计及的影响因素, 例如历史电价、负荷、网间交换功率、系统可调发电容量等, x (t) =[x1 (t) , x2 (t) , …, xk (t) ]T∈Rk, 且为避免影响因素数据级和单位差异所引起的灵敏度数量级上的差别, x已进行归一化处理。这里定义电价影响因素与电价之间的映射关系为:

$y(t)=f(x{}_1(t),x{}_2(t),\cdots ,x{}_k(t))(1)$

简记为y=f (x) 。则电价y的全增量Δy可近似表达为:

$\begin{array}{l}\text{Δ}y=\frac{\partial f(\mathit{x})}{\partial x{}_1}|{}_{\mathit{x}\stackrel{(0)}{{\displaystyle }}}\text{Δ}x{}_1+\frac{\partial f(\mathit{x})}{\partial x{}_2}|{}_{\mathit{x}\stackrel{(0)}{{\displaystyle }}}\text{Δ}x{}_2+\\ \cdots +\frac{\partial f(\mathit{x})}{\partial x{}_k}|{}_{\mathit{x}\stackrel{(0)}{{\displaystyle }}}\text{Δ}x{}_k=\\ \beta {}_1\text{Δ}x{}_1+\beta {}_2\text{Δ}x{}_2+\cdots +\beta {}_k\text{Δ}x{}_k(2)\end{array}$

式中:βi定义为相对于负荷、历史电价等不同影响因素的电价灵敏度, 且由于x为归一化数据, 所以灵敏度单位与电价单位一致。

进一步将Δy分解为:

$\text{Δ}y={\displaystyle \sum _{i=1}^k\beta }{}_i\text{Δ}x{}_i={\displaystyle \sum _{\underset{i\ne j}{{\displaystyle i,j=1}}}^k\frac{\text{Δ}y}{\text{Δ}x{}_i}}|{}_{\begin{array}{l}\text{Δ}{}_{x{}_i}\ne 0\\ \text{Δ}{}_{x{}_j}=0\end{array}}\text{Δ}x{}_i(3)$

于是, 构建电价灵敏度模型的步骤如下:首先, 建立基于支持向量机的电价仿真模型;然后, 利用该模型, 进行电价的数值仿真;最后, 根据仿真样本, 求解灵敏度系数。

2模型实现

针对动态电价灵敏度研究中存在的有限样本和价格本身的复杂性等问题, 本文提出基于支持向量机的黑箱建模技术, 通过对初始状态附近的各市场因素波动及电价响应的数值仿真, 研究影响因素变化与电价变化之间的动态关系, 实现电价灵敏度分析。

2.1建立基于支持向量机的电价回归模型

电力市场中电价与市场因素之间的回归建模属于复杂的高维非线性回归建模问题。在诸多的回归算法中, 支持向量机作为一项新的数据挖掘技术, 借助于最优化方法解决机器学习问题, 有效地克服了传统算法的“维数灾”和“过学习”等问题, 成为解决高维非线性回归问题的新工具, 已在时间序列预测[15,16]方面得到较广泛的应用。因此, 为保证后续灵敏度模型的准确性, 本文提出基于支持向量机的电价仿真模型。设对于任意交易时段t, 给定电价及其影响数据的训练样本集为:

$[(\mathit{x}{}_1,y{}_1),(\mathit{x}{}_2,y{}_2),\cdots ,(\mathit{x}{}_l,y{}_l)]\in (\mathit{x}\times y){}^l$

式中:x∈Rk;y∈R。

根据统计学习理论, 模型采用非线性映射Φ将数据映射到高维特征空间, 然后在该空间内进行线性回归。设电价仿真模型为:

$f(\mathit{x})=\mathit{\omega }{}^{\text{Τ}}\mathit{\Phi }(\mathit{x})+b(4)$

采用ε-不敏感函数时, 得到优化问题:

$\{\begin{array}{l}\min \frac{1}{2}\mathit{\omega }{}^{\text{Τ}}\mathit{\omega }+C{\displaystyle \sum _{i=1}^l\xi }{}_i\\ \text{s}.\text{t}.|\mathit{\omega }{}^{\text{Τ}}\mathit{\Phi }(\mathit{x}{}_i)+b-y{}_i|\le \epsilon +\xi {}_i\xi {}_i\ge 0\end{array}(5)$

通过引入拉格朗日算子αi, α*i, γi≥0, 得到优化问题的对偶形式[17]:

$\{\begin{array}{l}\max W(\alpha ,\alpha {}^{*})={\displaystyle \sum _{i=1}^l(}\alpha {}_i-\alpha {}_i^{*})y{}_i-\\ {\displaystyle \sum _{i=1}^l(}\alpha {}_i+\alpha {}_i^{*})\epsilon -\frac{1}{2}{\displaystyle \sum _{i,j=1}^l(}\alpha {}_i-\alpha {}_i^{*})\cdot \\ (\alpha {}_j-\alpha {}_j^{*})\mathit{\Phi }{}^{\text{Τ}}(\mathit{x}{}_i)\mathit{\Phi }(\mathit{x}{}_j)\\ \text{s}.\text{t}.{\displaystyle \sum _{i=1}^l(}\alpha {}_i-\alpha {}_i^{*})=00\le \alpha {}_i,\alpha {}_i^{*}\le C\end{array}(6)$

记K (xi, xj) =ΦT (xi) Φ (xj) 。由于上述优化过程只考虑高维特征空间中的内积运算, 因此可采用核函数, 实现电价非线性回归建模, 建立电价仿真模型如下:

$f(\mathit{x})={\displaystyle \sum _{i=1}^{{\rm I}}(}\alpha {}_i-\alpha {}_i^{*}){\rm K}(\mathit{x}{}_i,\mathit{x})+b(7)$

在此模型的基础上, 进一步利用测试集样本进行电价仿真模型的效验。具体地, 基于支持向量机的电价仿真模型实现流程如图1所示, 通过枚举迭代进行寻优, 在参数调整中考察训练误差和测试误差 (见式 (8) ) , 并选取测试精度最高的模型为电价仿真模型。根据该流程, 对各交易时段分别建立模型。

$\{\begin{array}{l}E{}_{\text{m}\text{a}\text{p}\text{e}}=\frac{1}{d}{\displaystyle \sum _{i=1}^d\left|\frac{y{}_{\text{实}\text{际}\text{值}}-y{}_{\text{预}\text{测}\text{值}}}{y{}_{\text{实}\text{际}\text{值}}}\right|}\times 100％\\ E{}_{\text{m}\text{s}\text{e}}=\sqrt{\frac{1}{d}{\displaystyle \sum _{i=1}^d\left(\frac{y{}_{\text{实}\text{际}\text{值}}-y{}_{\text{预}\text{测}\text{值}}}{y{}_{\text{实}\text{际}\text{值}}}\right)}{}^2}\times 100％\end{array}(8)$

2.2数值仿真和电价灵敏度系数求解

该模块利用前述的电价仿真模型, 实现市场因素变化与电价变化之间的数值仿真。

设市场因素与电价的初始状态为[x (0) , y (0) ], 其中, x (0) =[x1 (0) , x2 (0) , …, xk (0) ]T∈Rk。对于任意的电价影响因素xi (i=1, 2, …, k) , 其第s次迭代新值为xi (s) , 且x${}_i^{(s)}$=x${}_i^{(0)}$+sη (xi) 。其中:η (xi) 为xi的迭代步长;s=1, 2, …, mi;mi为xi的仿真次数。相应地, Δx${}_i^{(s)}$=sη (xi) 。同时, xj (j=1, 2, …, k且j≠i) 保持不变, 将此时的影响因素矢量x (s) =[x1 (0) , x2 (0) , …, xi (s) , …, xk (0) ]T输入电价仿真模型, 进行电价增量的估计, 记为Δy (s) =y (s) -y (0) , 得到因素xi变化与电价变化的仿真样本集:

$\begin{array}{l}[(\text{Δ}x{}_i^{(0)},\text{Δ}y{}^{(0)}),(\text{Δ}x{}_i^{(1)},\text{Δ}y{}^{(1)}),\cdots ,\\ (\text{Δ}x{}_i^{(m{}_i)},\text{Δ}y{}^{(m{}_i)})]{}_{x{}_j=x{}_j^{(0)}}\end{array}$

式中:j=1, 2, …, i-1, i+1, …, k。

根据上述样本集绘制电价波动与影响因素xi发生小扰动时的数据曲线, 其切线的斜率即为式 (3) 中电价对市场因素xi的灵敏度系数。以次类推, 建立最终的电价灵敏度模型。

3算例分析

本算例采用2002年10月—12月美国新英格兰现货电能量市场的负荷、网间交换功率和电价实际数据, 构建基于智能仿真的电价灵敏度模型, 并进行有效性验证。其中, 10月和11月的相关数据用于电价仿真模型的训练, 建立12月1日的电价灵敏度模型。

设y为t交易时段的系统边际价格, 电价影响因素x1和x2分别为同时段的负荷和网间交换功率, 则电价灵敏度模型形如Δy=β1Δx1+β2Δx2。首先对负荷和网间交换功率数据进行归一化处理, 根据本文的建模方法, 建立基于支持向量机的电价仿真方程, 其中, 核函数取线性核函数。在此基础上, 对负荷、网间交换功率及电价变化进行智能仿真, 仿真过程中负荷和网间交换功率均采用±3%基值以内之间的均匀波动, 输出为电价波动的仿真结果, 从而建立电价灵敏度模型。所建电价灵敏度模型的相关数据如图2和图3所示。图2为2002年12月1日6:00的电价灵敏度曲线。由图知, 电价与负荷、网间交换功率变化之间存在明显的线性相关性。于是, 求出该交易时段电价对负荷和网间交换功率的灵敏度系数分别为3.972 6美元/ (MW·h) 和-3.312美元/ (MW·h) 。由此发现负荷和网间交换功率对电价变化的不同贡献, 总体而言, 该交易时段电价对负荷和网间交换功率的灵敏度数值大致相同, 但不同因素引起的电价变化却刚好反向。

图3为2002年12月1日24个交易时段的电价灵敏度系数曲线。易见, 各交易时段电价对负荷和网间交换功率的灵敏度系数并不相同。但总体而言, 电价对负荷的灵敏度系数为正数, 说明电价变化与负荷变化方向相同, 即负荷增大时电价有增大的趋势;而在多数交易时段内, 电价对网间交换功率的灵敏度系数却为负数, 且绝对值略小, 说明多数时段内电价变化与网间交换功率变化方向相反, 即网间交换功率增大时电价有减小的趋势。

此外, 算例还将电价对负荷与网间交换功率的灵敏度系数进行了数值比较, 所得的灵敏度系数比率曲线如图4所示。可见, 在绝大多数交易时段, 电价对负荷的灵敏度系数与电价对网间交换功率灵敏度系数的比率都大于1。尤其是在9:00和12:00两个交易时段, 甚至超过10多倍。这说明在这些时段, 负荷对电价的影响占主要地位, 网间交换功率的影响占次要地位。例如12:00的电价灵敏度模型为:

$\text{Δ}y=9.6209\text{Δ}x{}_1-0.2315\text{Δ}x{}_2$

当负荷和网间交换功率都变化3%时, 电价变化0.281 7美元/ (MW·h) , 其中负荷引起的电价变化为0.288 6美元/ (MW·h) , 网间交换功率引起的电价变化为-0.006 9美元/ (MW·h) , 易见2个影响因素对于电价变化贡献的较大差异, 这种波动量分解有助于更好地分析和理解电价波动。另一方面, 当比率远小于1时, 则说明此交易时段网间交换功率占主要地位, 负荷影响占次要地位, 例如在第4个交易时段。

从以上分析可见, 本文灵敏度分析模型原理简单, 易于理解和操作, 且建模过程可解释性强。

4结语

本文基于数值仿真的思想, 提出了一种新的电价灵敏度模型。该模型充分利用支持向量机的黑箱建模技术, 通过对市场因素波动的模拟, 考查不同市场情景下的电价动态响应。再根据激励与响应之间的对应关系, 成功求解出电价灵敏度系数。而且, 本文模型适用于电力市场下的小样本条件, 模型泛化能力较强。但是, 由于本灵敏度分析以回归模型为基础, 电价模型的回归精度会对灵敏度准确性有一定的影响。

基于参数灵敏度的结构性能优化 篇7

完整的结构优化设计过程包括尺寸优化、形状优化和拓扑优化几个不同阶段和层次。尺寸优化是在保证零件拓扑结构不变的前提下优化截面面积、筋板厚度等参数;形状优化是在保证设计域内的拓扑结构关系保持不变条件下,寻求最理想的边界和几何形状;拓扑优化可以在给定的设计空间中确定最优的材料分布,设计最优的零件几何、框架、加强筋布局,减少非关键区域的材料分布。连续体结构的拓扑优化包括结构边界形状的优化,通过去除材料,可在结构内部形成孔洞,拓扑优化比形状优化具有更大的自由度和开放性,而且不局限于参数形式,因此拓扑优化是高层次的优化,难度也最大,被公认为是结构优化领域最具挑战性的研究课题之一[1,2]。

从尺寸优化、形状优化到拓扑优化的这一过程提供了新产品在设计中的优化策略:①首先根据产品的工作范围确定设计空间,选择能完全覆盖零件设计区间的简单初始形状进行无参数化的拓扑优化,根据各截面的优化结果组合产生最佳的轮廓形状和孔洞分布模型;②根据拓扑优化结果修改零件初始结构,并进行参数化定义,产生拓扑优化结构;③在设计目标约束下采用尺寸优化对拓扑优化结构的设计参数进行调整;④根据尺寸优化结果对拓扑优化结构进行修改,产生最终优化结构零件。

本文采用一种基于参数灵敏度的振荡优化方法,通过令所研究结构的质量上下波动,在变形极小化目标控制下使结构参数不断发生变化,最终得到质量不变、性能更优的新结构,通过与有限元分析软件结合,这一过程很容易通过程序实现,而且能够快速收敛。

1 变量定义及有限元模型参数化

图1所示为高速铣床的横梁结构,外观的七面体结构是通过拓扑形状优化产生的,在结构细化阶段,通过参数优化确定最佳尺寸组合,使在滑板铣头组合重力和切削力作用下变形最小,并具有较高的初阶固有频率。

在方案设计阶段,横梁的外观尺寸L、W、H是根据加工零件特点初步确定的参数,H1、W1在拓扑优化阶段可以初步确定其与H、W的比例,H1、W1可以作为确定量,也可作为优化变量来定义。控制结构的变量分为形状变量和厚度变量,通称为结构参数。

形状变量为H1、W1、KX、n,厚度变量为C1~C7。

要对结构进行性能优化,将有限元模型参数化是首要前提,因为只有带参数的结构模型才能通过参数提取,分析参数变化对目标的影响,最终达到参数优化的目的。

2 变量对结构性能的灵敏度分析

结构参数变化对质量、变形、应力和频率等性能参数皆有影响,但不同部位的形状和尺寸参数对结构性能的影响程度不同[3],通过单变量改变结构参数的大小,总结归纳对结构整体性能的重要程度,为书写方便将参数用x1~x11表示。

横梁最大变形U为结构参数的函数,U=u(x1,x2,…,x11),任意一组变量增量d x1,d x2,…,d x11引起的最大变形改变量dU可以表达为

其中,u/xi为对变量xi求偏导数,称为变量xi对函数U的灵敏度,记为ξi。如果要分析某一变量(如xk对函数U的影响),应将其余的变量固定,因此上式中除了d xk外,其他变量的增量均为0,式(1)变为

得到xk的灵敏度

当dxk=1时,,从式(2)可以得到灵敏度表达的意义:变量对函数的灵敏度即变量的单位改变量对函数值产生的影响。

对于复杂的结构,不可能写出变形与变量之间的函数关系式,因此式(2)只有理论意义。有限元分析为我们提供了求解灵敏度的工具,比如要求解变量xk对结构变形的灵敏度,先计算出变量为xk时的变形量u1,再计算出xk增加一个单位(d xk=1)时的变形量u2,则

u1、u2可以通过两次有限元计算得到,灵敏度为“正”表明函数随该变量的增大而增大,灵敏度为“负”表明函数随该变量的增大而减小。

表1的数据反映了变量对优化目标的影响程度,通过灵敏度分析,得到以下四点结论:

(1)变量对变形的影响程度从大到小依次是:x8(-),x11(-),x4(-),x10(-),x7(-),x3(-),x9(-),x6(-),x5(-),x1(-),x2(+)。各变量后面的“-”号表示增大该变量变形减小,“+”号表示增大该变量变形增加。

(2)变量对结构应力的影响程度从大到小依次是:x11(+),x4(-),x8(-),x5(+),x7(-),x9(-),x10(+),x6(+),x2(+),x1(+),x3(-)。各变量后面的“-”号表示增大该变量应力减小,“+”号表示增大该变量应力增加。

(3)变量对结构质量的影响程度从大到小依次是:x11(+),x10(+),x5(+),x4(+),x7(+),x8(+),x6(+),x9(+),x3(+),x2(+),x1(+)。各变量后面的“+”号表示增大该变量质量增加。

(4)变量对结构频率的影响程度从大到小依次是:x11(+),x10(+),x3(+),x8(-),x7(-),x4(-),x9(+),x6(+),x5(+),x1(+),x2(+)。各变量后面的“-”号表示增大该变量频率减小,+”号表示增大该变量频率增加。

结构优化的目的是:减小变形(提高静刚度),增大固有频率(提高动刚度),减小结构质量[4,5],如果某变量的改变同时能实现上面三个目标,那么此变量在优化过程中为优先调整的变量,但从图2所示的变量对优化目标的影响综合来看,一个变量最多能使两个目标情况变好,但同时会使

另一个目标变坏,比如增大x1、x3、x5、x6、x9、x10、x11会达到减小变形、提高频率的目的,但会使质量增加;减小x4、x7、x8会达到提高频率、降低质量的目的,但会使变形增加,结构优化过程就要使各目标合理地达到平衡。从控制变形提高结构静刚度方面考虑,应采取的措施是:减小x2,增加x8、x11、x4、x10、x7、x3、x9、x6、x5、x1,变量的增减幅度与该变量对变形的灵敏度有关,灵敏度大的改变幅度大些,假设采用线性增减规律:

通过变换式(1)可得

得到

因此,若已知变形控制量dU,通过上式可得到变量的允许改变量,对结构频率和质量的控制采用同样的方法进行分析。图3反映了结构变形质量和频率变化时各变量的变化趋势。

3 单位质量的灵敏度分析

仅分析变量对目标的灵敏度似乎不能准确定义参数对目标函数的影响程度,因为某个变量对变形的灵敏度可能较大,但如果对质量的灵敏度同样很大,则该变量对控制变形不一定是关键变量,因为它本质上是通过增加结构质量来达到控制变形的目的的。基于这方面的考虑,定义变量xi的形质灵敏度Γi为变形灵敏度(ξi)和质量灵敏度(ζi)的比值

同理,定义变量xi的频质灵敏度Ψi为频率灵敏度λi和质量灵敏度ζi的比值:

变量xi的形质灵敏度的意义是:xi代表的部分结构单位质量的改变对变形产生的影响,因此形质灵敏度反映了单位质量的材料增减对变形的影响程度,比变形灵敏度指标更能揭示变量对变形的影响。为减小结构变形,假设变量按形质灵敏度的大小采用线性增减规律:

经变换式(1)可改写为

得到

因此基于形质灵敏度又定义了一组变量增量dx1,dx2,…,dx11,表2的分析数据表明,同样使结构变形减小25%,采用形质灵敏度定义的变量增量使结构质量由2.803t增加到3.184t,增加了13.6%,采用变形灵敏度定义的变量增量使结构质量增加到3.371t,增加了20.2%,因此形质灵敏度用于结构性能优化更有效率。基于形质灵敏度和变形灵敏度,当变形减小25%时各变量的变化趋势分析图如图4所示,变量x11为横梁中间加强筋个数,为离散变量,计算时四舍五入取整数。

4 基于变量灵敏度的结构优化

结构优化大多以控制变形为主,过程表现为在不增加结构质量的前提下,使变形极小化[6,7]变量的形质灵敏度在减小质量和减小变形方面具有更高效率,对于一组初始变量x1,x2,…,xn,变形和质量的函数为

结构变量的形质灵敏度、变形灵敏度和质量灵敏度分别为Γi、ξi、ζi,质量增量为

第一步先使质量增加d m,为限制变形的增加,变量按形质灵敏度的大小采用线性增减规律:

式(6)可改写为

得到

将这一步得到的增量组记为da xi:

变形增量

第二步使质量减小dm,恢复到原始水平,为限制变形的增加,变量按形质灵敏度的大小采用线性反比增减规律:

式(6)可改写为

得到变量增量

将这一步得到的增量组记为db xi,则

变形增量:

经过两步变换,结构质量保持不变,结构参数变为

结构变形为

由于结构参数随质量变化采用不同的增减规律,所以da xi+db xi不等于0,经过参数变换产生新的结构,与原始结构相比,结构质量未变但变形已经减小。

下一个循环是将得到的新结构作为初始结构,计算产生新的形质灵敏度Γi、变形灵敏度ξi和质量灵敏度ζi指标,进行同样的两步操作,当两次循环得到的变形差小于预先设定的收敛精度时计算终止。这一优化方法通过令质量上下波动,在变形极小化目标控制下使结构参数不断发生变化,最终产生质量不变、性能更优的新结构,因此可称为振荡循环优化。表3中的数据经过7次振荡循环,横梁结构质量未发生变化,但最大变形从0.032 07mm减小到0.021 58mm,优化效果非常明显,图5所示为各变量在优化过程中的变化趋势曲线,从图5中看出,变量x1、x3、x5变化最剧烈。

5 基于参数灵敏度优化程序的一些验证模型

5.1 验证模型1

对于二元函数

变量的初始值x1=15,x2=-3。

在函数T保持不变的前提下,计算函数U的极值。

初始变量下函数T的初值为

函数U的初值为

设定的函数T振荡百分比为1%,经过93次循环优化计算,得到当x1=-0.68,x2=4.84时函数U取得极小值,此时T=9,U=99.69。

5.2 验证模型2

图6中立方体体积V=x1x2x3;表面积S=2x1x2+2x1x3+2x2x3

设定变量的初始值:x1=8,x2=13,x3=22。

在S保持不变前提下计算函数V的极值。函数S的初值S0=1132。函数V的初值V0=2288。

设定函数S振荡百分比为2%,经过25次循环优化计算得到,当x1=13.62、x2=13.65、x3=13.90时,函数V取得极大值,此时S=1130,V=2584。

理论解为:当x1=x2=x3=S/6=13.73时函数V有极大值,此时V=2591,优化解与理论解差0.3%。

将面积和体积函数反过来,即在体积不变条件下求表面积的极值时,循环振荡的次数处于不确定状态,可见在体积一定的条件下表面积的极值会趋向无穷大。

5.3 验证模型3

如图7所示,从O点等角度发出n条线段,连接端点a1,a2,…,an构成封闭图形,第i个三角形的信息如下:

顶点角

底边长

面积

整个封闭图形面积

整个封闭图形边长

因此,我们构造了两个函数S、P。现在来计算:在保证封闭图形长度P不变的前提下,寻求面积函数S的极值条件。

假设n=10,则图形的控制变量为r1、r2、…、r10共10个,设定变量的初始值为:r1=8,r2=8,r3=9,r4=11,r5=10,r6=9,r7=9,r8=10,r9=11,r10=9。

函数P的初值为

函数S的初值为

设定的函数P振荡百分比为0.1%,经过67次循环优化计算,当r1=9.17、r2=9.18、r3=9.34、r4=9.58、r5=9.82、r6=9.96、r7=9.94r8=9.78、r9=9.53、r10=9.30时函数S取得极大值,此时P=59.11,S=268.85。

对于外凸多边形,在边长总和给定的条件下,当ri相等时面积存在极大值:

因此,ri=9.567,面积的极大值为S=269。优化解与理论解的误差为0.06%。

6 结束语

优化技术的广泛采用让设计具有了更大的创造性,对提高产品性能、创新设计思路、降低产品的价格有巨大作用,并且使CAE应用达到一个新的高度。振荡循环优化方法易于编程实现,可以应用于各种参数化有限元分析领域,笔者最早将其应用于多连杆机构的优化设计中,相信该方法是对其他优化方法的一个有益拓展和补充。基于参数灵敏度的快速优化算法,经一些数学模型和实际工程应用检验,分析结果是可信的,因此本课题从理论上是可行的。

摘要：在对数控机床横梁参数优化的基础上,提出了一种基于参数灵敏度的振荡优化方法,通过令所研究的构件质量上下波动,在变形极小化目标控制下使结构参数不断发生变化,最终产生质量不变、性能更优的新结构。通过与有限元分析软件相结合,该方法很容易通过程序实现,且优化效果明显。基于参数灵敏度的快速优化算法,经一些数学模型和实际工程应用检验,分析结果是可信的,从理论上是可行的。

关键词：尺寸优化,形状优化,拓扑优化,优化设计,灵敏度,振荡循环

参考文献

[1]唐文艳,顾元宪.遗传算法在结构优化中的研究进展[J].力学进展,2002,32(1):26-40.

[2]荣见华,姜节胜,胡德文,等.基于应力及其灵敏度的结构拓扑渐进优化方法[J].力学学报,2003,35(5):584-591.

[3]王成端,杨肃.动态优化中的灵敏度分析研究[J].计算结构力学及其应用,1991,8(1):77-83.

[4]钱令希.工程结构优化设计[M].北京:水利电力出社,1983.

[5]隋允康,金雪燕.应力和位移约束下的板壳结构截面优化[J].力学学报,2004,36(6):701-708.

[6]王晓明,刘震宇,郭东明.基于均匀化理论的微小型柔性结构拓扑优化的敏度分析[J].中国机械工程,1999,10(11):1264-1267.

机械天平灵敏度的影响因素分析 篇8

关键词：机械天平,灵敏度,影响因素

一、机械天平的简介与分析

(一) 天平的基本结构简介。

天平是一种历史悠久的计量器具, 最原始的天平其形式是一根中间带有提纽的细杆, 在杆的两端等距点各系一个小圆盘, 可以在其间放置砝码或是物体, 在19世纪20年代, 伦敦有一位叫罗宾逊的仪器设计师, 他设计和制造出了分析天平, 他用空心材料作为横梁, 把横梁做成三角形并在竖梁中间安装了指针, 有刻度的游码与横梁的天平大约也在19世纪诞生了。随着时间的推移, 科技日益进步, 生产逐渐进步, 天平的结构也越来越复杂, 越来越完善, 但是基本结构还是差不多相同的, 主要有以下几个部分:横梁, 其上方有作为支点的支点刀和作为承受重量的承重刀。秤盘, 吊耳;指针、标牌;天平开关系统;吊耳、承重横梁、立柱与底座;可根据需要设置的光学读数装置、阻尼器、机械加减码装置等等。

(二) 机械天平的称量原理。

机械天平的原理是杠杆原理, 杠杆是一种在外力作用下能够绕固定点转动的物体, 当杠杆平衡时, 作用在杠杆上的所有的外力对转轴的力矩之和等于零, 我们称之为杠杆平衡原理。根据这个原理, 当天平处于平衡状态时, 对于天平来说, 其支点左边的力矩之和必然等于支点右边的力矩之和, 但力矩的矢量方向位于转轴的轴线上。机械天平就是根据杠杆原理用砝码质量来表示物体质量的一种平衡器。

二、机械天平的基本计量性能

(一) 精度级别。

天平的主要性能是以精度来衡量的, 以天平的名义分度值与最大载荷比把天平分成了10级, 常用的机械天平主要有半机械加码电光天平、全机械加码电光天平、微量天平、阻尼天平、全机械加码单盘天平。

(二) 灵敏度。

灵敏度是指在天平的某一盘上增加1mg的质量, 天平指针的平衡点移动的分度值, 即天平能觉察置于两秤盘上重物的重量差的能力, 而不论这种重量差是由于重物重量不相等, 或由于在两重物之一上增加物体而产生的缘故。其偏移的格数越多, 能觉察的重量差越小, 也就表示天平的灵敏度越高。

(三) 示值变动性。

示值变动性指的是在不改变天平状态的情况下, 多次开关后天平恢复位置的重复再现性。

(四) 不等臂性。

不等臂性就是有天平梁不等臂而引起的误差, 即不等臂误差。不等臂误差可忽略不计的情况一般是天平两臂长度的差不超过十万分之一。

三、天平灵敏度的测定

先开动天平, 调节天平的零点使其与投影屏上的标线重合。在天平盘上加一个校准后的10mg砝码, 再开动天平, 标尺移到9.9~10.1mg范围内, 如果不符合要求, 则应调节灵敏度。当载重时, 灵敏度也有微小的变化。必要情况下可以制作灵敏度校正曲线, 并绘制出灵敏度曲线。

四、影响机械天平灵敏度的主要因素

(一) 横梁臂长度, 质量和重心距的影响。

依据天平的角灵敏度公式不难发现天平的灵敏度似乎与天平的臂长成正比, 但这是有一定条件的, 即不考虑横梁的扰度和假定横梁本身的重量不随臂长的增长而加大, 但实际情况并非如此。因为天平横梁应用有必要强度, 以便尽可能减小受载后扰度, 在增加臂长时, 就要同时增加横梁的高度和厚度, 因而就要增加横梁自身的重量, 而且横梁重量的增加, 比臂长增加速度要快, 因此随着臂长的增加, 天平灵敏度反而会下降。从天平灵敏度公式中不难发现, 当横梁质量R增加时, 天平灵敏度降低;R减小时, 天平灵敏度升高。这说明选用质量轻而刚劲的材料制造横梁, 对提高天平的灵敏度是非常有利的。在天平灵敏度公式中, 因He在分母上, 所以重心在支点以下越低, He越大, 天平灵敏度越低, 也就是支点到重心的距离与天平灵敏度成反比。因此从平天推导公式可知, 横梁的重心距与横梁的质量是影响天平灵敏度的重要因素。

(二) 指针的影响。

在天平线灵敏度公式中可知, 灵敏度的大小与指针的长度成反比。但实际中天平指针的长度充分受到天平框的尺寸限制, 无限增加指针长度虽可以提高天平灵敏度, 但与此同时稳定性也降低了, 故只能增长到一定程度。因此将标牌刻密刻细, 制成微标牌, 然后用适当光学数据放大, 来达到提高天平灵敏度的目的。

(三) 刀子、刀垫、刀承材料对灵敏度的影响。

天平有三个刀口和刀垫, 而支点刀与刀垫受的力最大, 天平的两边刀所承受的载荷全都集中在中刀刃上, 所以中刀刃与刀垫对天平灵敏度的影响最大。选择适当的材料制作刀子刀承, 可以提高天平的灵敏度, 支点刀子刀承材料越硬, 天平的灵敏度就越高。如果在使用天平过程中升降枢开关速度太快或是不关闭天平就增减砝码, 导致天平吊耳脱落, 横梁倾斜, 都可能造成刀口缺口, 灵敏度下降。

(四) 载荷Q、P与透光的影响。

在灵敏度公式分母中, 有Hm这一项, 支点刀刃到两边刀刃连线的距离为Hm, 当Hm>0, 正透光, 人们常称这种现象为“正感”, 三刀刃处于离线状态, 当秤盘和物体越重, 灵敏度越低, 即随着称量物的增重, 灵敏度越来越低;当Hm<0, 负透光, 人们常称这种现象为“倒感”, 三刀刃处于吃线状态, 当秤盘和物体越重, 灵敏度越高。也就是说, 随着称量物的增加, 灵敏度则越来越高, 但是如果称量物的重量过重, 天平的横梁在力的作用下变形, 变形的方向是离线的方向, 此时天平的灵敏度又会逐渐降低;当Hm=0时, 三刀刃在一条直线上, 是我们所想达到的理想状态。

(五) 环境因素对机械天平灵敏度的影响。

放置机械天平的房间室内的温度、震动、气流的流动和环境的不清洁等外界环境因素, 也会影响机械天平计量的准确性与灵敏度。若放置机械天平的房间室温不稳定, 会导致横梁受热不均, 波动显著, 使机械天平的臂比发生变化, 在这些状态下机械天平零件的内部结构和装配螺钉会发生热胀或者冷缩的变化, 由于热胀冷缩的作用它们之间的结构会发生变化, 造成机械天平的螺丝留有余量, 三把刀子移位, 横梁重心下降等等变化, 最终导致灵敏度下降。如果放置机械天平的房间机器的轰鸣或其他声音等造成震动太大, 会使机械天平的刀子和刀承接触部位发生移动, 最终影响机械天平计量的准确性。如果放置机械天平的房间因风力等因素造成气流流动较快, 会影响机械天平测量时的平衡位置, 最终严重影响机械天平的准确性。相对气流的影响, 环境空气的不清洁主要是指空气中灰尘或者杂质等落在机械天平上, 或者是室内环境的湿度太大, 使机械天平的刀子和刀承表面产生一层水汽, 影响天平测量时的正常摆动, 最终影响机械天平计量的灵敏度和准确性。

五、结语

综上所述, 在实际生活中得到广泛应用的机械天平, 其灵敏度与计量的准确度会受到多方面因素的影响, 这其中不仅包括放置机械天平的房间室内的温度、震动、气流的流动和环境的不清洁等外界环境因素, 还包括横梁臂长, 质量和重心距, 刀子、刀垫、刀承材料, 指针的长度等内在结构变化因素。但是不考虑天平的稳定性而只是单纯提高灵敏度是没有意义的, 只有全面考虑稳定性与灵敏度的关系, 与此同时克服和改进影响机械天平灵敏度的因素, 才能使天平的称量得到一个精确的结果。

参考文献

[1] .赵亚军.天平砝码秤使用与维修大全[M]北京:中国计量出版社, 2009

监测灵敏度 篇9

美国全球能源公司设计了一台精巧的微波炉，能将各种各样的石油制成品还原成燃油和可燃气体。

这项工艺的关键是一台拥有1200个不同微波频率的机器，可以对特定的碳氢化合物进行处理。当原料在适当波长的微波作用下被粉碎时，其中的部分碳氢化合物被分解成柴油和可燃气体。如果用这台机器处理9.1千克碾碎的轮胎，就能生产出4.54升柴油、1.42立方米可燃气体、1千克钢铁和3.4千克炭黑。这台机器被称为“鹰－10”，其缩小版的机器如同一台配有机械装置的工业用微波炉，其扩大版的机器就像一台混凝土搅拌机。

打哈欠可提高大脑灵敏度

美国心理学家征募了多名大学生，让他们单独观看人们打哈欠的影片，并记录每名志愿者“传染性”打哈欠的次数。科学家发现，观看别人打哈欠时，那些被要求正常呼吸或用口呼吸的人有一半打哈欠：而被要求用鼻呼吸的人没有一个打哈欠。科学家还发现，那些前额上放一个冷敷包的人没有因观看影片而“传染”上打哈欠，而那些前额上放热敷包的人则受到“传染”而打上了哈欠。

科学家由此认为，打哈欠能够“冷却”大脑。鼻腔中的血管可以向大脑输送温度较低的血，因此通过鼻呼吸或冷却前额，能够起到与打哈欠类似的效果，使得人们没有必要再打哈欠。而除此之外的许多人都打上了哈欠，则反过来证实了打哈欠具有“冷却”大脑的功效。研究人员由此推测，大脑在“冷却”状态时工作效率会更高，因此打哈欠也许有助于提高大脑灵敏度和增强大脑功能。

午睡可能影响智力活动

长久以来，父母们都认为孩子睡午觉是个有利于健康的好习惯。但科学家的最新研究结果发现，午睡不仅影响孩子们晚间的正常睡眠，而且会削弱他们的大脑活动。

上述研究成果是由美国科学家得出的，他们对数十名学龄前儿童进行测试后发现，那些睡午觉时间越长的孩子，成功解决难题的数量就越少；而且他们晚间睡觉的时间越晚，他们的表现就越差。

压电传感器横向灵敏度改善方法 篇10

压电传感器作为典型的力电转换元件, 工程上经常用于加速度、振动、冲击等的测量。在测量过程中, 影响压电传感器工作性能的因素有很多。其中有系统的因素, 如传感器重量的负载影响、安装差异的影响、高低频响应相移的影响、横向灵敏度以及环境温、湿度的影响等;也有随机的因素, 如声场效应、电磁场效应、基座应变效应等。在这里主要讨论横向灵敏度问题。

2 横向灵敏度的概念及影响因素

2.1 基本概念

横向灵敏度是衡量横向干扰效应的指标。压电加速度传感器的横向灵敏度是指当加速度传感器感受到与其轴向灵敏度方向垂直的单位加速度振动时的灵敏度, 一般用它与主轴向灵敏度的百分比来表示, 称为横向灵敏度比。

2.2 影响横向灵敏度的因素

压电加速度传感器横向灵敏度产生的原因有很多。 (1) 结构设计不合理。压电加速度传感器有很多种结构型式, 压缩式、剪切式等, 不同的结构对横向灵敏度的影响是不一样的。 (2) 机械加工精度不够。压电加速度传感器中的零部件, 它们的表面粗糙度、形位精度等都会使装配后的压电加速度传感器的最大电信号灵敏轴与主轴方向不重合, 从而输出横向电信号。 (3) 装配精度不够。装配工艺是加速度传感器生产中的一个重要环节, 实验表明, 装配精度不够所带来的误差很容易造成横向灵敏度超差现象。除此之外, 压电元件本身的横向压电效应以及压电元件自身各部分的压电常数不一致等也是产生横向灵敏度的原因。

横向灵敏度比指标集中反映了一只压电加速度传感器的内在质量缺陷, 它是衡量压电加速度传感器质量的一项极其重要的技术指标。国家标准规定, 振动用的加速度传感器横向灵敏度比应小于5%, 冲击用的加速度传感器横向灵敏度比小于10%。由此可见, 采取措施减小压电传感器的横向灵敏度误差具有一定的现实意义:一方面, 它能进一步提高压电传感器的使用性能, 为高冲击下的精确测量提供可靠的数据;另一方面, 它可以提高该指标的合格率, 降低成本, 为企业增加经济效益。

3 减小横向灵敏度的方法

3.1 采用合理的结构及尺寸

压电传感器产生横向灵敏度的主要表现就是有横向电信号输出, 因此, 减小横向信号输出是减小横向灵敏度的有效途径。从结构上说, 压电加速度传感器分为压缩型 (通过拧紧质量块对压电片施加预压缩力) 和剪切型 (利用压电元件受剪切应力而产生压电效应) 。剪切型结构具有很高的灵敏度, 而且横向灵敏度小, 其他方向的作用力造成的测量误差小。事实表明, 剪切型结构可以将横向灵敏度控制在3%以内, 比压缩型结构的横向输出信号更小一些。对于压缩型而言, 当质量块重心离压电组件重心较远时, 若加速度传感器受到横向振动就很容易产生横向信号输出, 故采用压缩型结构时在布局上应该使质量块的重心与压电组件的重心尽量趋近。

对于石英晶片来说, 我们把沿X轴方向施加作用力产生电荷的压电效应称为“纵向压电效应”, 而把沿Y轴方向的力作用下产生电荷的压电效应称为“横向压电效应”。当人们用石英制成压缩型结构的压电加速度传感器时, 正是利用了“横向压电效应”来进行测试的。此时X轴是压电传感器的主轴, 而石英的Y轴又恰好垂直于加速度传感器的主轴, 当传感器受到垂直于主轴的横向作用力时, 由于石英“横向压电效应”的存在, 故传感器必然会有电信号输出, 这便产生了横向灵敏度。“横向压电效应”的表达式为

式中d12—压电系数 (C/N) ;

FY—沿机械轴Y方向施加的作用力 (N) ;

a—石英晶体切片沿Y轴方向的尺寸;

b—石英晶体切片沿X轴方向的尺寸。

由式 (1-3) 可知, 要减小横向信号输出即减小横向灵敏度, 在切割石英压电元件时, 应尽量增大X轴方向的尺寸而减小Y轴方向的尺寸。

3.2 减小零件形位误差及表面粗糙度

压电加速度传感器中压电元件、质量块、壳体、基座等零件, 它们两表面的平行度、圆柱面与端面的垂直度、表面的粗糙度误差等过大都会导致装配后传感器其主轴与最大电信号灵敏轴不重合, 从而产生横向灵敏度。因此, 对零件的关键表面, 在考虑加工成本的基础上, 尽量使形位误差和表面粗糙度越小越好。为了满足国家标准对横向灵敏度大小的要求, 一般来说, 对于零件关键表面之间的不垂直度和不平行度的允许误差要求应根据具体的几何尺寸而定。而对零件关键表面的粗糙度Ra的最低要求是不能高于0.8, 一般都应达到0.2左右。

3.3 针对装配环节进行调整与修正

我们知道, 压电加速度传感器的横向灵敏度是有方向性的, 在装配传感器的过程中, 通过仔细调整压电转换元件, 总能找到一个较为理想的位置使横向灵敏度的值不会很大。

此外, 在装配压电传感器时, 由于零件本身迭加并施加有一定的预紧力, 这样就很容易在里面产生一些附加应力。在进行传感器标定时, 应力分布的不均将增大横向电信号的输出进而产生横向灵敏度。减小的方法就是消去应力, 比较简单的做法是可以将装配好的传感器放置一段时间, 等应力自然消除后再进行标定。

4 结语