超声波式热量表温度补偿研究

超声波式热量表温度补偿研究

李宁1郭明宽2

陕西省计量科学研究院 陕西西安 710100

摘要：随着我国供暖体制改革的深入,超声波式热量表在供暖收费计量中发挥着重要作用。超声波式热量表采用超声波测量方法测量热量消耗,根据流量测量,计算并显示热交换系统中消耗的热能。

关键词：超声波式；热量表；温度补偿；

前言：目前国内超声波温度计普遍采用计数器校正算法来改善温度对流量测量的影响,补偿后流量测量误差仍然较大测量精度很难达到2级表标准。

一、主题意义

超声波温度计的耐用性和可靠性的关键因素。中国计量协会对温度计的耐久性进行了实验,如果要求累积电流的体积和热量与相应平均值的偏差不超过15%,则误差率仍为11.5%。因此,提高热量计测量精度是热量计测量技术服务于低碳节能战略的重要保证。中国的温度计类似于欧洲国家的发展史,经历了风扇等机械温度计,电磁感应等电磁温度计,数字集成等电子热表,现在已经过渡到基于多功能微处理器芯片的智能热表,其中超声波温度计是典型的代表。超声波温度计以其先进的超声波检测技术和测量精度,压力损失小安装和维护方便等特点,在市场上广受欢迎。超声波热量计主要通过测量温度和流量来实现热量测量。目前,温度测量技术较为成熟,如金属电阻完全满足承重液体温度测量的要求。流量测量取决于温度、流场分布、装置位置以及其他对热量测量精度有很大影响的因素。因此,超声波温度计测量热量的误差主要与流量测量有关。综上所述通过改进流量计量来提高超声波温度计的测量精度,实现真正的节能技术,对于确保热量计量服务于国家节能低碳深化供热体制改革具有深远的意义。

二、超声波式热量表补偿概况

从超声波温度计的流量测量原理和实验分析来看,流量测量的相对误差很大程度上取决于液体的温度,不同温度下的测量精度有很大的差异。目前,在硬件修正和软件补偿方面,流量测量过程基本上得到了改进。流量测量是确定超声波温度计测量精度的关键环节。但在实际应用中,受加载热液体温度影响的流量测量存在不容忽视的误差。硬件校正流量测量方面主要包括一对超声波转换器,以保证上下流量转换器的一致性防止零漂移现象,提高超声波传播时间的测量精度;温度传感器焊接解决温度漂移问题,提高温度测量精度采用多通道测量技术,了解流场分布规律,提高流量测量精度等。设备校正方法为流量测量提供了稳定的基础,提高了测量的可靠性。目前的设备校正技术趋于成熟但也满足了技术要求的瓶颈,但在实际应用中仍不可避免地会产生较大的流量测量误差。流量测量补偿软件主要包括流场数值模拟、雷诺数系数分析和分布、管道内流速精确补偿对信号采集时间进行温度补偿,减少测量介质中的噪声干扰,提高测量时间差的准确性根据温度和流量值检查表格,获得校正系数,实时补偿流量等。采用交通测量补偿软件具有成本低灵活性高补偿空间大等优点。

三、超声波式热量表温度补偿方法

超声波温度计流量测量原理表明,流量测量主要取决于液体温度、管道内流场分布等因素。对于受温度影响的超声波传播速度,具有非线性特性,管道内流速与表面流速的比值,以及超声温度计测量误差的特性,现有校正计数器的方法采用四行程流量计,系数计数器和超声速传播计数器进行对流补偿,提高了不同温度下各个流点的流量测量精度。从温度计的测量特性可以看出,温度计口径越小,管道内流场分布越复杂,流量测量精度越差。根据温度计的测试结果,在设计中通常使用流量点来初步调整测量流量。流量点表的校正原理是根据测量的瞬时流量得到一个修正系数,该修正系数乘以瞬时流量,得出修正后的流量值。准流量修正系数;当瞬时流量在两个测试流之间时,流量修正系数根据瞬时流量与相邻测试流的第四类的比率计算。流场分布的状态对流量测量有较大的影响,由流场分布不均匀引起的流量测量误差不容忽视。流场是包括过渡流分布状态在内的紊流分布状态,在实际流量测量过程中不能直接得到相应的流速修正系数,受温度和流速影响的流量具有规律性。因此,根据测量的温度和流量值,流量测量通常通过经验表进行补偿。在测量超声波流速时,超声波在液体中的传播速度与温度呈非线性关系,导致流量测量误差较大。针对这个问题,在流量测量过程中,根据测得的温度计得到超声波在流体中传播速度与传播速度平方比然后调整流量。综上所述,表校正算法具有成本小、易于实现等特点,但这种方法更依赖于经验数据,实用性差,在此基础上,在实际工程应用中仍需要进行复杂的二次校正。

对于受温度影响的卡路里计流量的超声波测量,本文将通过融合样本数据来训练神经网络,以实现点到表面温度补偿的流量测量。考虑到温度对不同流域的影响,标准数据用于训练温度补偿算法,测试数据通过模拟实验验证算法的温度补偿效果。为了提高温度补偿模型的训练效果,每个温度点与附近的实测温度点共享实验数据,如实际流量、实测流量值等样本数据的一般实验采集,以加快网络学习的收敛速度,样本数据归一化,即网络的输入和输出数据分别显示在0~1范围内。改革可能导致选择性维度数据被合并为非维度数据,强调数据的基本含义。但是,当数据离开网络时,需要反向归一化,以便将网络预测转换为相应的流量值。一旦神经网络中的预测值达到误差平方和最小目标值,流的预测值就会被反向正态化处理。但是,在回归正态化过程中,预测误差增加,这会影响预测流量的可靠性。由于网络初始化的随机性,数次训练后的数值和门槛值不完全相同,在该结构中引入了预测流量反正则化值的判断环节,即要求预测流量值和实际流量值之间的误差在一定范围内结束网络训练,输出网络权重矩阵和门槛矩阵。

温度补偿算法的建模和仿真为了表征温度相关流量测量误差,分别使用表面准算法和神经网络来建立温度补偿网络模型,以实现温度、测量流量和实际流量之间的非线性显示。考虑到流量测量误差变化率的差异,测量流量值和实际流量值,以提高补偿模型数据的融合能力。工作时超声波热量表根据补偿前流量选择高低流量区温度补偿模型，结合所测温度进行数据预测同时,每个温度点使用对应于相邻采集温度的数据,如在60°C、56°C下采集的实验数据模拟数据分析可用,基于最小二乘曲面的温度补偿模型可以匹配和预测大多数标准数据和测试数据,但小流点的流量误差具有较大的波动性和较差的预测效果,总共有流点误差,即流量误差点。总体而言,测量具有温度补偿的流量的目标已经实现。神经网络是基于最大下降方法的多层供给网络,由输入层、隐式层和输出层组成。理论上证明,包含隐藏层的神经网络可以以任何精度接近任何连续非线性函数。神经网络补偿算法在补偿过程中应根据收集的温度选择统一和反向流量值;根据测量流量选择高、低流量温度补偿模型。流量正常化后,进行网络预测,然后反向统一预测值,以获得流量的预测值,并通过温度补偿完成流程。

结论:本文实现了温度、流量、热量等信息的计算、实时显示和存储等功能。同时,还进行了试验验证。超声波温度计流量的测量精度明显取决于温度,流量的测量存在非线性误差。神经网络温度补偿算法可以组合和预测所有实验数据,并具有准确的泛化能力。

参考文献：

［1］姚滨. 智能超声波热量表的开发与研究［D］. 浙江大学，2019

［2］王翥雷. 超声波传感器接收信号强度非对称性分析及对策［J］. 传感技术学报，2021，28(1)：81-85.

［3］耿广生. 关于超声波热量表准确度检测的几个问题［C］//第二十五届全国水动力学研讨会暨第十二届全国水动力学学术会议文集 (下册). 2021.