论文部分内容阅读
随着我国供热体制的深化改革,超声波式热量表在供热计量收费中起到了举足轻重的作用。超声波式热量表采用超声检测技术计量供热流量,在流量计量基础上计算和显示出流量在热交换系统中释放的热能。因此,流量计量是决定超声波式热量表计量精确度的关键环节。但在实际应用中,受载热流体温度的影响流量计量存在不可忽视的误差。目前,国内外超声波式热量表普遍采用查表修正算法改善温度对流量计量的影响,但经过补偿后流量计量误差仍然较大,计量精确度难以达到2级表标准。针对上述问题,本文在分析了温度对DN20超声波式热量表流量计量影响的基础上,提出了基于LMBP神经网络的温度补偿算法,降低了温度对流量计量精确度的影响。本文主要研究内容如下:首先,根据《热量表》(CJ128-2007)行业标准,在课题组设计的DN20户用超声波式热量表硬件基础上进行了软件设计,实现了温度、流量、热量等信息的计算、实时显示和存储等功能。同时,进行了流量检定实验。实验表明,超声波式热量表流量计量精确度受温度影响明显,流量计量存在非线性误差。其次,针对流量计量相对误差受温度影响波动性强和小口径流量计量误差具有非线性特点,设计和实现了LMBP神经网络温度补偿算法。LMBP神经网络采用最速下降与牛顿-高斯法相结合的学习法则,对含有流量计量信息的实验数据进行学习,建立了温度与流量间的非线性映射关系。仿真表明,LMBP神经网络温度补偿算法能够融合和预测所有实验数据,具有准确的泛化能力。最后,为验证LMBP神经网络温度补偿算法的实用性和稳定性,将该算法移植入超声波式热量表内进行实验。实验表明,相比现有查表修正算法,LMBP神经网络温度补偿算法能够更准确地预测各温度下的流量计量值,有效抑制了温度对流量计量精确度的影响。理论分析和实验研究表明,本文设计的基于LMBP神经网络的温度补偿算法补偿性能稳定,达到了2级表标准,具有较强的流量校正能力和较高的工程应用价值。