油料机消耗数圆化齿轮自动勘验模式

来源：塑胶五金网发布时间：2014-11-05 15:45:31点击率：

　　对于椭圆齿轮油耗传感器，在压力不高(压力值小于6.4MPa)的情况下，压力对精度的影响不大，不需要进行压力修正[4]。本文重点讨论粘度和温度对流量计精度的影响及修正方法。

　　对计量精度的修正实际上是对仪表系数K的修正。仪表系数主要用作单位换算，把椭圆齿轮油耗量测量传感器的输出脉冲转换为工程单位，它的物理意义是流过流量计单位容积的流体发出的脉冲数。修正后的仪表系数K′为K′=K[1E2-E1-T(t2-t1)](2)式中E2用户介质偏差中值，岜甓ń橹势钪兄担瑃2工况介质温度，℃t1标定介质温度，℃T流量计壳体膨胀系数，/℃在测得脉冲频率F的情况下，将修正后的仪表系数K′代入式(1)便可得到被测介质的体积流量QV=FK[1E2-E1-T(t2-t1)](3)工况下椭圆齿轮油耗量测量模型综上所述，当柴油的体积流量和工况下的密度为已知时，柴油的质量流量为Qm=QV(4)其中=0/[1(t2-t1)]式中Qm柴油质量流量，kg/s工作温度t2时的柴油密度0温度t1时的柴油密度柴油体积膨胀系数，1/℃将式(3)代入式(4)，可得工况下椭圆齿轮油耗量测量传感器计量模型Qm=F0K[1E2-E1-T(t2-t1)][1(t2-t1)](5)2柴油机油耗量模型智能优化校正为了进一步提高柴油机油耗量测量模型的精度，以及防止环境条件发生变化时，测量模型的特性发生变化而导致柴油机油耗量测量使用过程中的模型参数“漂移”现象，采用函数链神经网络[5～7]技术对柴油机油耗量测量模型进行在线校正。

　　假设经校正后柴油机油耗量智能测量输出值可以用幂级数n次多项式(一般取n=3)描述X(xi)=c0c1xic2x2ic3x3i(6)式中xi柴油机油耗量第i个测量输出值给出了函数型连接的示意图，它清楚地表明，在这个基于数学的、适用于并行分布处理的网络概念化模型中，一旦一个节点(如节点k)被激励，就会有许多附加函数功能也被激励，即不仅能得到xk，而且还能得到g0(xk)，g1(xk)，…，gn(xk)。原则上，只要使用函数链方法，总可以用单层网络实现监督学习。

　　所示为一函数链神经网络。图中Wj(j=0，1，2，3)为网络的连接权值。连接权值的个数与反非线性多项式的阶数相同。假设神经网络的神经元是线性的，则函数链神经网络的输入值为：1，xi，x2i，x3i。

　　一般而言，权值W0、W1为同一数量级，W2比W1至少低一个数量级，W3比W2低更多的数量级。所低的数量级由传感器非线性特性的非线性程度确定。当得到解W0、W1、W2、W3后，有c0=W0，c1=W1，c2=W2，c3=W3，将所求得的待定系数c0、c1、c2、c3存入内存。

　　油耗测量模型应用椭圆齿轮油耗传感器每转脉冲数为4，齿轮精度为5，仪表系数K为1.553pulse/m3，其它基本参数如所示。495型柴油机试验台有盛装0号轻柴油的上、下两个油箱，高差3.5m，用油泵将下油箱的油液抽到上油箱。油液经滤清器和椭圆齿轮油耗传感器流到下油箱，同时在油路上安装科里奥利质量流量计，用节流阀控制流量进行对比试验。以不同体积流量QV下科里奥利质量流量计测得的柴油椭圆齿轮油耗传感器参数质量流量为基准，柴油机椭圆齿轮油耗量测量模型校正前后的相对误差的趋势如示。

　　体积流量QV在20～70L/h之间，经函数链神经网络校正后的柴油机椭圆齿轮油耗量测量模型相对误差在0.85左右，而未经函数链神经网络校正的柴油机椭圆齿轮油耗量测量模型相对误差在0.975左右，但在体积流量QV小于20L/h，柴油机椭圆齿轮油耗量测量模型相对误差均急剧变大，这可能是由于小流量时的泄漏量所占比例较大所致。由此可见，经函数链神经网络校正后，柴油机椭圆齿轮油耗量测量模型的精度很高，完全可以实现柴油机椭圆齿轮油耗量在线测量。

　　结论(1)将椭圆齿轮油耗量测量传感器测量机理与函数链神经网络校正相结合，建立了柴油机油耗量测量模型，使在线测量困难的柴油机油耗量变成可以监测其变化的参数，为柴油机工作过程智能控制提供了保证。(2)椭圆齿轮油耗量测量模型经函数链神经网络校正后，其相对误差平均降低了0.125，具有很高的精度，可以实现柴油机椭圆齿轮油耗量在线测量。

上一篇：齿轮计量准确工程和它估量办法

下一篇：热整治及切削技艺在加碳材车体齿轮剩余应力的制约

转载请注明：转载自塑胶五金网技术频道 http://www.sjwj.com/Liter/
本文链接：http://www.sjwj.com/Liter/LiterDetail_30828.html
版权声明：1.塑胶五金网转载作品均注明出处，本网未注明出处和转载的，是出于传递更多信息之目的，并不意味着赞同其观点或证实其内容的真实性，您同意将自行加以判断并承担所有风险。 2.如转载作品侵犯作者署名权，或有其他诸如版权、肖像权、知识产权等方面的伤害，并非本网故意为之，在接到相关权利人通知后将立即加以更正。联系电话：15014822798
投稿声明：可将稿件直接发至邮箱：234145668@qq.com（主题注明“投稿”），也可直接联系