一种基于广义回归神经网络的超声波流量传感器系数求解方法.pdfVIP

第28卷 第 1期 传 感 技 术 学 报 Vo1．28 No．1 2015年 1月 CHINESE JOURNALOFSENSORSANDACTUATORS Jan．2015 A Solution M ethodofUltrasonicFlow SensorCoefficientBasedon GeneralizedRegressionNeuralNetwork CHENZifing，ZHUXiaoliang (EnergyandEnvironmentInstituteofSoutheastUniversity，Na ng210096，China) Abstract：Inordertosolveandimprovethemeasurementaccuracyofuhrasonicflow sensorinunsteadyflow condi． tions，thegeneralregressionneuralnetworkwasintroducedtoobtaintheflow sensorcoefficient．Andthroughthees— tablishmentoftheflow sensorcoefficientmodelandthetrainingofinputsamples，moreaccurateflow sensorcoeffi— cientsandhighermeasurementaccuracywereobtained．Sothefeasibilityofthismethodfortheflow measurementin non．idealflow fieldconditionsbyultrasonicflow sensorshadbeenverified．andthepracticalreferencevalueofthis methodalsohadbeenreflected． Keywords：ultrasonicflowmeter；flow sensorcoefficient；generalizedregressionneuralnetwork；CFD EEACC：7820；7320W doi：10．3969／j．issn．1004-1699．2015．01．011 一 种基于广义 回归神经网络 的超声波流量 传感器系数求解方法 陈子静，朱小 良 (东南大学能源与环境学院，南京 210096) 摘 要 ：为了解决和提高不稳定流场条件下的超声波流量传感器的测量精度问题，文章将广义回归神经网络引入到流量传 感器系数获取当中，并通过建立流量传感器系数模型和样本输入训练 ，获得了较为准确的流量传感器系数和较高的测量精 度 ，从而验证了本方法对超声波流量传感器在不稳定流场中进行流量测量的可行性，具有总要的实际应用借鉴价值。 关键词：超声波流量计；流量传感器系数；广义回归神经网络；CFD 中图分类号：TK313 文献标识码 ：A 文章编号：1004-1699(2015)01-0056-06 超声波流量计与传统流量计相 比，具有不影响 直管段长度 ，管道 内流态分布复杂，流量传感器系数 流场、无可动部件、无压力损失、测量范围宽、以及在 K发生较大的变化，若用于不稳定流场条件下的流量 管内湍流充分发展条件下测量精度高等优点，其中 测量 ，如在 90。单弯管下游 19D处的测量误差可以超 最为重要的是可用于大 口径管道流量的测量，并能 过4％ 。因此研究一种如何准确得到流量传感器系 够保持较高的精度。 目前，超声波流量传感器 已广 数K的求解方法，具有非常重要的工程应用价值。针 泛应用到国内外大型电站流量测量 中。 对这一问题，本文在研究流场对流量传感器系数K影 超声波流量传感器测量的是超声波传播途径上 响的基础上，采用