羅 浩

(新疆維吾爾自治區(qū)水利科技推廣總站，烏魯木齊 830000)

1 概 述

流量測(cè)量是對(duì)大量流體運(yùn)動(dòng)的量化，流量測(cè)量有多種方法，可以是接觸式或非接觸式傳感器，其他間接流量測(cè)量方法大多通過測(cè)量已知區(qū)域內(nèi)流體的速度來測(cè)量流量。從定性和經(jīng)濟(jì)角度來看，準(zhǔn)確的流量測(cè)量是必不可少的。在非接觸式流量測(cè)量中，超聲波流量測(cè)量以其分辨率高、噪聲對(duì)輸出干擾小等優(yōu)點(diǎn)被廣泛應(yīng)用于流量測(cè)量，但超聲波流量計(jì)的非線性特性限制了其應(yīng)用[1-2]。

為了克服超聲波流量計(jì)非線性響應(yīng)特性所面臨的限制，本文提出一種智能流量測(cè)量技術(shù)。通過比較不同算法和方案的最小均方誤差(MSE)和回歸分析(R)，得出最優(yōu)神經(jīng)網(wǎng)絡(luò)。用優(yōu)化后的神經(jīng)網(wǎng)絡(luò)訓(xùn)練系統(tǒng)獲得線性度，并使輸出適應(yīng)管徑、液體密度和液體溫度的變化，所有這些都在一個(gè)范圍內(nèi)[3]。

2 超聲波流量計(jì)

圖1所示超聲波流量計(jì)(UFM)是一種廣泛應(yīng)用于液體流量測(cè)量的非接觸式流量計(jì)。它不僅限于清潔的液體，而且能夠精確測(cè)量泥漿和不純凈液體的流量。超聲波流量計(jì)是測(cè)量管道中流量的最精確儀表之一。圖1顯示的是基本超聲波流量計(jì)的布置，其中管道兩側(cè)都安裝了發(fā)送和接收傳感器。接收傳感器接收發(fā)射傳感器從管道一側(cè)傾斜角度發(fā)送的超聲波信號(hào)。接收傳感器根據(jù)流向計(jì)算兩個(gè)不同的時(shí)間，分別稱為正向時(shí)間和反向時(shí)間。這兩次(運(yùn)輸時(shí)間)的差與管道中的流速成正比。

圖1 超聲波流量計(jì)布置

為了克服超聲波流量計(jì)非線性響應(yīng)特性所面臨的限制，提出了幾種技術(shù)，但其中有些是乏味和耗時(shí)的。此外，每次管道直徑或液體密度發(fā)生變化時(shí)，需要重復(fù)校準(zhǔn)過程或更換/調(diào)整校準(zhǔn)電路。當(dāng)液體溫度發(fā)生變化時(shí)，超聲波流量計(jì)的非線性響應(yīng)特性問題將進(jìn)一步加劇，因?yàn)槌暡髁坑?jì)的輸出依賴于溫度的變化。從圖1可以得出：

(1)

(2)

ΔT=Tup-Tdown

(3)

頻率：FIN=1/ΔT

式中：M為超聲波信號(hào)向前/向后傳播的次數(shù)；Co為超聲波信號(hào)在靜態(tài)流體中的速度；D為管徑；V為流體速度。

超聲波信號(hào)的速度取決于液體的密度，表示為：

(4)

式中：k為體積模量；ρ1為溫度t1下的液體比密度；ρ0為溫度t0時(shí)液體的比密度；Pt1為溫度t1下的壓力；Pt0為溫度t0時(shí)的壓力；E為液體彈性模量；α為液體溫度系數(shù)。

UFM的輸出是頻率，它被應(yīng)用到信號(hào)調(diào)節(jié)中，然后由頻率-電壓轉(zhuǎn)換器產(chǎn)生電壓。從式(1)-式(4)可以看出，超聲波流量計(jì)在感應(yīng)到流量后會(huì)產(chǎn)生頻率損耗。

3 傳統(tǒng)流量測(cè)試

圖2為傳統(tǒng)流量測(cè)量技術(shù)框圖。通過超聲波流量計(jì)檢測(cè)以及傳輸流量信號(hào)，最終在超聲波流量計(jì)輸出端將頻率轉(zhuǎn)換為有源信號(hào)輸出，電壓轉(zhuǎn)換器設(shè)計(jì)了校準(zhǔn)電路，以映射F-V轉(zhuǎn)換器輸出電壓對(duì)應(yīng)的流量。

圖2 傳統(tǒng)流量測(cè)量技術(shù)框圖

傳統(tǒng)的校準(zhǔn)技術(shù)有兩個(gè)缺點(diǎn)：①這是一個(gè)耗時(shí)的過程；②只要系統(tǒng)參數(shù)(管徑、液體密度或液體溫度)中的任何一個(gè)發(fā)生變化，就需要進(jìn)一步重新校準(zhǔn)，從而限制了輸入范圍的滿標(biāo)度。為了克服這些局限性，智能系統(tǒng)與超聲波流量傳感器配合，在輸入的滿量程上產(chǎn)生線性輸出，并使系統(tǒng)在管徑、液體密度和液體溫度變化時(shí)更具適應(yīng)性。

本文將優(yōu)化后的模糊控制器與超聲波流量傳感器一起作為智能系統(tǒng)。所設(shè)計(jì)的優(yōu)化模糊邏輯模型具有如下屬性：①適應(yīng)管道直徑的變化；②適應(yīng)液體密度的變化；③適應(yīng)液體溫度的變化；④輸出與輸入流量呈線性關(guān)系。

4 方案優(yōu)化分析

優(yōu)化后的模糊控制器克服了傳統(tǒng)標(biāo)定電路的缺點(diǎn)，見圖3。模糊控制器的輸入?yún)?shù)為F-V轉(zhuǎn)換器的輸出、被測(cè)流體的實(shí)際溫度、已知管徑和液體密度值。以這種方式設(shè)計(jì)的模糊邏輯控制器產(chǎn)生流量，并用顯示器顯示。

圖3 擬用流量測(cè)量技術(shù)框圖

該模糊控制器模型是利用MATLAB。不同于以調(diào)節(jié)回路輸出電壓、管徑、液體密度和液體溫度的組合作為輸入?yún)?shù)，而是以相應(yīng)的流量作為模糊控制器的輸出編輯。通過在級(jí)聯(lián)中添加一個(gè)帶數(shù)據(jù)轉(zhuǎn)換器單元的最佳人工神經(jīng)網(wǎng)絡(luò)(ANN)模型，克服了前文所討論的缺點(diǎn)。

開發(fā)神經(jīng)網(wǎng)絡(luò)的第一步是創(chuàng)建一個(gè)用于訓(xùn)練、測(cè)試和驗(yàn)證的數(shù)據(jù)庫(kù)。特定流量、管徑、液體密度和液體溫度的數(shù)據(jù)轉(zhuǎn)換單元的輸出電壓存儲(chǔ)為一行輸入數(shù)據(jù)矩陣。輸入流量、管徑、液體密度、液體溫度及其在數(shù)據(jù)轉(zhuǎn)換單元輸出端的相應(yīng)電壓的各種組合被用來形成輸入數(shù)據(jù)矩陣的其他行。輸出矩陣是目標(biāo)矩陣，由與流量呈線性關(guān)系的數(shù)據(jù)組成，并適應(yīng)管徑、液體密度和液體溫度的變化。

找到權(quán)重以獲得期望輸出的過程稱為訓(xùn)練。通過考慮隱含層數(shù)目變化的不同算法，得到優(yōu)化的神經(jīng)網(wǎng)絡(luò)。均方誤差(MSE)是輸出和目標(biāo)之間的平均平方差。MSE值越小越好，當(dāng)值為0時(shí)，表示沒有錯(cuò)誤?；貧w(R)衡量產(chǎn)出與目標(biāo)之間的相關(guān)性，回歸值等于1表示密切關(guān)系，為0表示隨機(jī)關(guān)系。

用4種不同的方案和算法來尋找優(yōu)化的神經(jīng)網(wǎng)絡(luò)。它們是Levenberg-marquardt算法(LMA)、人工蜂群算法(ABC)、蟻群優(yōu)化(ACO)、由蟻群優(yōu)化(ACO) BP神經(jīng)網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)的優(yōu)化首先假設(shè)只有一個(gè)隱含層；記錄MSE和R值；隱含層增加到2層并重復(fù)計(jì)算；這個(gè)過程持續(xù)到4個(gè)隱含層。在所有情況下，MSE和R均已注明，見表1。圖4和圖5為對(duì)應(yīng)于不同算法和隱含層的MSE和R的網(wǎng)格。從表1、圖4和圖5可以清楚地看出，假設(shè)期望的均方誤差為閾值，由蟻群算法訓(xùn)練的BP網(wǎng)絡(luò)能產(chǎn)生最優(yōu)化的網(wǎng)絡(luò)。由ACO訓(xùn)練的具有2個(gè)隱含層的BP被認(rèn)為是最優(yōu)化的ANN，可獲得期望的結(jié)果精度。

表1 隱含層數(shù)與R和MSE的比較

圖4 網(wǎng)格顯示不同ANN模型對(duì)應(yīng)的MSE

圖5 網(wǎng)格顯示不同ANN模型對(duì)應(yīng)的R值

根據(jù)上述細(xì)節(jié)對(duì)網(wǎng)絡(luò)進(jìn)行優(yōu)化、驗(yàn)證和測(cè)試。網(wǎng)絡(luò)模型優(yōu)化結(jié)果見表2；優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型的具體參數(shù)見表3。

表2 網(wǎng)絡(luò)模型優(yōu)化結(jié)果

表3 神經(jīng)網(wǎng)絡(luò)輸入具體參數(shù)

5 結(jié) 論

用智能模糊邏輯代替?zhèn)鹘y(tǒng)的標(biāo)定電路，以適應(yīng)液體溫度、液體密度和管徑的變化型號(hào)。技術(shù)分析表明，采用優(yōu)化的模糊邏輯模型系統(tǒng)，可以在全尺寸范圍內(nèi)產(chǎn)生線性輸入輸出特性輸入范圍。利用仿真數(shù)據(jù)對(duì)優(yōu)化后的神經(jīng)網(wǎng)絡(luò)進(jìn)行計(jì)算、驗(yàn)證和測(cè)試。在相應(yīng)的規(guī)定范圍內(nèi)，對(duì)不同的管道直徑、液體密度和液體溫度進(jìn)行不同的試驗(yàn)輸入。最終通過比較基于均方誤差最小化(MSE)和回歸法的各種方案和算法，考慮一個(gè)最優(yōu)的人工神經(jīng)網(wǎng)絡(luò)，其中流量范圍為0.0～0.002 5 m3/s，管徑范圍為0.1～0.3 m，液體密度范圍為500～1 500 kg/m3，液體溫度為25℃～75℃。