CN102298072B - 一种微差压式高精度测风装置及其测量方法 - Google Patents

Abstract

本发明公开了一种微差压式高精度测风装置及其测量方法。本发明的测风装置包括皮托管、微差压传感器、数据采集处理单元、固定支架。该装置以水平方向上四个相互垂直的皮托管作为测风探头，使用四个配套的高精度微差压传感器对各皮托管输出进行检测，并利用数据采集处理单元把传感器的输出转换为差压值。本发明的测量方法是利用在各种标准风速风向时输出的差压值实验样本，通过训练完成的BP神经网络对四个差压输出数据进行插值处理，取得对应的风速与风向值。本发明无可动部件，避免了依靠转动部件测量风速风向时的机械磨损等问题，具有瞬时性好、精度高、寿命长、可靠性好以及受环境影响较小的特点。

Description

一种微差压式高精度测风装置及其测量方法

技术领域

本发明涉及一种微差压式高精度测风装置及其测量方法，属于气象观测技术领域。

背景技术

风速、风向的测量为准确的天气预报及预警提供数据，为风能的普查及利用提供依据。目前，气象站中常用风杯/风向标或超声波风速计进行风的测量。其中，风杯/风向标测风时，风杯通过一段时间内风杯的转数计算风速，启动风速大，迟滞大，阵风几乎无法准确测量，冰冻雨雪天气对其影响较大，风向标同样存在风向滞后的问题；超声波测风仪具有价格高，受温度、降水降雪影响较大等缺点。

发明内容

本发明所要解决的技术问题在于针对以上背景技术的缺陷，设计一种以皮托管为探头的微差压式高精度测风装置，并采用BP神经网络插值处理的方法取得风速风向值，有利于提高风速的测量精度并因消除机械转动部件而提高使用寿命。

本发明为解决上述技术问题，采用如下技术方案：

一种微差压式高精度测风装置，包括四个皮托管、四个微差压传感器、数据采集处理单元和固定支架；其中四个皮托管的测量探头分别朝四个方向相互垂直水平放置于固定支架上，所述四个微差压传感器分别与四个皮托管的上端口连接，将四个皮托管的输出差压转换为电信号后输入数据采集处理单元。

进一步的，本发明的微差压式高精度测风装置的皮托管为L型，其一端为测量探头，另一端垂直朝上与微差压传感器连接。

本发明还提供一种微差压式高精度测风装置的测量方法，包括如下步骤： 

步骤A，在标准风速、风向下采集四个微差压传感器的输出信号；

步骤B，建立BP神经网络，利用四个微差压传感器的输出信号作为BP神经网络的输入，将与四个微差压传感器的输出信号对应的标准风速、风向作为BP神经网络的目标输出，BP神经网络的输入层、隐含层和输出层的节点数采用4∶5∶2比例结构；

步骤C，BP神经网络的隐含层神经元的传递函数采用双曲正切s 型传递函数，输出层神经元的传递函数为purelin，采用的训练函数为trainscg，设定误差E=0. 0001, 学习步长为0. 05，然后对BP神经网络进行训练，训练完成后得到一个四路输入、二路输出的BP神经网络插值算法模型，所述模型的数学表达式如下式所示：

    其中，α、β、γ、η分别为四路微差压传感器的读数， θ、v分别代表BP神经网络插值处理后的输出风向和风速；

、、

、

分别为隐含单元到输入单元α、β、γ、η的权值, 为阈值，

、

分别为输出单元风向θ和风速v到隐层单元的权值，

、

分别为输出单元风向θ和风速v到隐层单元的阈值，下标i表示α、β、γ、η、θ、v与隐含层中的第i个神经元的连接；tanh为双曲正切s 型传递函数；

BP神经网络训练完成后各权值

、

、

、

、

、

和各阈值

、

、即为常量，传递函数tanh可调用库函数实现；

步骤D，正式测量时，将检测到的四个微差压传感器信号α、β、γ、η作为模型的输入，则可获得模型的输出，即风速v和风向θ。

本发明采用上述技术方案具有以下有益效果：

本发明的测量装置使用皮托管和高精度的微差压传感器的结构进行风速、风向的测量，具有实时性好、精度高、可靠性好等特点，尤其适合于大风的测量。避免了转动式测量风向时所产生的机械磨损，使得工作寿命得以延长；超声波式测风时受雨雪、冰冻等天气状况影响较大等问题。

附图说明

图1是本发明的微差压式高精度测风装置的结构图。

图中标号：1-皮托管；2-微差压传感器；3-数据采集处理单元；4-固定支架。

具体实施方案

下面结合附图对发明的技术方案进行详细说明：

如图1所示，水平方向上四个相互垂直安装的皮托管1作为风速风向的测量探头，输出风全压与静压值。

在四个皮托管顶部分别配套安装高精度微差压传感器2，皮托管产生的全压和静压作为微差压传感器的差压输入。

数据采集处理单元3对微差压传感器的输出信号进行放大、处理，并转换为数字信号，通过标定输出实际的差压值。

由皮托管、高精度微差压传感器、数据采集处理单元组成的风速、风向测量装置固定安装在固定支架4上，利用固定支架将该测量装置安装在适合高度。

在标准风速、风向下取得四个差压传感器的测试数据，选取样本后利用四个差压传感器的输出作为BP神经网络的输入，对应的标准风速、风向作为网络的目标输出，BP神经网络的输入层、隐含层和输出层的节点数按照4∶5∶2比例结构，隐层采用双曲正切s 型作为传递函数，输出层神经元的传递函数为purelin, 采用的训练函数为trainscg，设定误差E=0.0001, 学习步长为0. 05，对网络进行训练。

BP神经网络训练完成后得到一个四路输入二路输出的BP神经网络插值算法模型。

数据处理时，每次测量的压力值作为这个模型的输入,输出就是对应的风速和风向。

由PC机直接调用保存的BP神经网络算法对采集的数据进行插值处理，也可根据BP神经网络的数学表达式编写相应的程序由微处理器实现。

数学表达式如下式所示：

其中，四路压力传感器读数分别为α、β、γ、η,BP神经网络插值处理后的输出风向θ和风速v；隐含单元到输入单元α、β、γ、η的权值分别为

、

、

、

,阈值为

，其中下标表示α、β、γ、η与隐层中的第i个神经元的连接；输出单元风向θ和风速v到隐层单元的权值和阈值分别为 

、

、

、

，下标表示θ、v与隐层中的第i个神经元的连接；tanh为双曲正切s 型传递函数。

BP神经网络训练完成后各权值

、

、

、

、

、

和各阈值

、

、

即为常量，传递函数tanh可调用库函数实现，因此，对上述公式进行算法设计及编程，检测到的四个差压传感器信号α、β、γ、η作为模型的输入，则可获得模型的输出即风速v和风向θ。

以上所述仅为本发明的一个实施例子而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种微差压式高精度测风装置的测量方法，所述微差压式高精度测风装置包括四个皮托管、四个微差压传感器、数据采集处理单元和固定支架；其中四个皮托管的测量探头分别朝四个方向相互垂直水平放置于固定支架上，所述四个微差压传感器分别与四个皮托管的上端口连接，将四个皮托管的输出差压转换为电信号后输入数据采集处理单元；其特征在于，所述测量方法包括如下步骤：

步骤A，在标准风速、风向条件下采集四个微差压传感器的输出信号；

步骤B，建立BP神经网络，利用四个微差压传感器的输出信号作为BP神经网络的输入，将与四个微差压传感器的输出信号对应的标准风速、风向作为BP神经网络的目标输出，BP神经网络的输入层、隐含层和输出层的节点数采用4∶5∶2比例结构；

步骤C，BP神经网络的隐含层神经元的传递函数采用双曲正切s型传递函数，输出层神经元的传递函数为purelin，采用的训练函数为trainscg，设定误差E=0.0001,学习步长为0.05，然后对BP神经网络进行训练，训练完成后得到一个四路输入、二路输出的BP神经网络插值算法模型，所述模型的数学表达式如下式所示：

$\left\{\begin{array}{c}{y}_i=\tanh (w_{\mathrm{\αi}}^1\·\mathrm{\α}+w_{\mathrm{\βi}}^1\·\mathrm{\β}+w_{\mathrm{\γi}}^1\·\mathrm{\γ}+w_{\mathrm{\ηi}}^1\·\mathrm{\η}+b_i^1)\\ v=\underset{i}{\mathrm{\Σ}}{w}_{vi}^2\·y_i+b_v^2\\ \mathrm{\θ}=\underset{i}{\mathrm{\Σ}}{w}_{\mathrm{\θi}}^2\·y_i+b_{\mathrm{\θ}}^2\end{array}\right.i=\mathrm{1,2,3,4,5}$

其中，α、β、γ、η分别为四路微差压传感器的读数，θ、v分别代表BP神经网络插值处理后的输出风向和风速；

分别为隐含层神经元到输入层神经元α、β、γ、η的权值,

为阈值，

分别为输出层神经元风向θ和风速v到隐含层神经元的权值，

分别为输出层神经元风向θ和风速v到隐含层神经元的阈值，下标i表示α、β、γ、η、θ、v与隐含层中的第i个神经元的连接；tanh为双曲正切s型传递函数；

BP神经网络训练完成后各权值

和各阈值

即为常量，传递函数tanh可调用库函数实现；

步骤D，正式测量时，将检测到的四个微差压传感器信号α、β、γ、η作为模型的输入，则可获得模型的输出，即风速v和风向θ。

Images