CN113959566A - 一种复杂工况测温方法及装置 - Google Patents
一种复杂工况测温方法及装置 Download PDFInfo
- Publication number
- CN113959566A CN113959566A CN202111231280.3A CN202111231280A CN113959566A CN 113959566 A CN113959566 A CN 113959566A CN 202111231280 A CN202111231280 A CN 202111231280A CN 113959566 A CN113959566 A CN 113959566A
- Authority
- CN
- China
- Prior art keywords
- temperature
- distance
- measured
- measuring
- temperature measuring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000009529 body temperature measurement Methods 0.000 claims abstract description 108
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 13
- 238000013528 artificial neural network Methods 0.000 claims description 38
- 230000006870 function Effects 0.000 claims description 26
- 238000005259 measurement Methods 0.000 claims description 26
- 230000003287 optical effect Effects 0.000 claims description 10
- 230000014509 gene expression Effects 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 210000002569 neuron Anatomy 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 3
- 230000001788 irregular Effects 0.000 claims description 3
- 230000004913 activation Effects 0.000 claims description 2
- 238000007689 inspection Methods 0.000 abstract description 13
- 238000013461 design Methods 0.000 abstract description 5
- 230000005855 radiation Effects 0.000 description 14
- 230000007613 environmental effect Effects 0.000 description 9
- 239000000523 sample Substances 0.000 description 8
- 230000015654 memory Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000004861 thermometry Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000005693 optoelectronics Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0096—Radiation pyrometry, e.g. infrared or optical thermometry for measuring wires, electrical contacts or electronic systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/02—Constructional details
- G01J5/0265—Handheld, portable
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种复杂工况测温方法及装置,其中方法包括:获取测温距离与待测物体的测温温度;测温距离为测温装备同待测物体被测温度区域之间的距离;判断测温距离是否符合预设物距比条件;若测温距离符合预设物距比条件,则对测温温度进行温度补偿,输出补偿测温结果。手持式巡查测温装置与被测物体保持一定的距离时进行温度测量,通过设置预设物距比条件,再进行温度补偿,在一定程度上,可以避免外界的电磁干扰。根据现有条件,可以设计此种工况下的测温算法,在不更换传感器设备的情况下,通过算法设计达到提高测温精度的目的。
Description
技术领域
本发明涉及温度测量技术领域,具体涉及一种复杂工况测温方法及装置。
背景技术
在各种工程设备中,日常的设备维护和检查十分必要。动力机外壳或轴承温度、传动系统振动,机器运行噪声等是判断机电设备是否正常工作的重要因素。
在实际应用过程中,面临着红外温度的检测精度问题,例如,在电力设备红外巡检中,巡检设备载荷的红外测温仪器与被测设备表面存在一定的距离,受到红外辐射大气衰减的影响,测温结果与实际温度存在偏差;此外,巡检设备与设备热缺陷表面法线往往不处于同一水平面,红外热像仪的观测方向与设备表面法线存在较大的夹角,从而导致测温结果与实际温度存在偏差。一般情况下,红外测温结果会同时受到观测距离和观测角度的影响,因此在红外巡检中,需要综合考虑距离、视角这两个关键参量,并以此对测温结果进行修正,保证测温结果的准确度。
因此,如何提高红外温度检测精度成为目前亟待解决的问题。
发明内容
有鉴于此,本发明实施例提供了一种复杂工况测温方法及装置,以提高红外温度检测的精度。
本发明实施例提供了一种复杂工况测温方法,包括:
获取测温距离与待测物体的测温温度;测温距离为测温装备同待测物体被测温度区域之间的距离;
判断测温距离是否符合预设物距比条件;
若测温距离符合预设物距比条件,则对测温温度进行温度补偿,输出补偿测温结果。
可选地,在判断测温距离是否符合预设物距比条件之后,还包括:
若测温距离不符合预设物距比条件,则调整测温距离,重新测量。
可选地,对测温温度进行温度补偿,包括:
获取环境温度与测温设备的测量电流之间的对应关系;
对不同温度的黑体进行测温,获取多个黑体温度与测温设备的测量电流之间的对应关系;
根据环境温度和测温设备的测量电流,得到待测物体的补偿测温结果。
可选地,若测温距离超出预设物距比条件,和/或,若待测物体表面不规则,则基于神经网络算法,根据待测物体的实际尺寸、待测物体的表面弧度、测温距离和环境温度,对待测物体的表面温度进行预测。
可选地,对待测物体的表面温度进行预测包括:
将实际测温距离L、实测物体特征向量CH、表面弧度rad和环境温度Ta组成输入矩阵;输入矩阵为神经网络的输入Nin;
神经网络推测所测物体的实际温度T为:
T=W3*(g(W2*g(W1*Nin+b1)+b2))
其中,W1,W2,W3为神经网络各层传递之间的权值,g()为神经元激活函数,b1,b2为两层隐藏层的神经元偏置;CH=[mod,x,l,h],mod表示实测物体的形状,x、l和h分别表示实测物体的长、宽和高。
可选地,神经网络以最大物距比时的测量温度与最大物距比之间的比值作为主要学习参考值;以神经网络输出结果与实际测量距离的比值作为实际调整值;以实际调整值与学习参考值之间的差值平方作为学习信号;其中,学习信号用于对神经网络各层传递之间的权值W1,W2,W3以及神经元偏置项b1,b2进行学习与调整。
可选地,对测温温度进行温度补偿,还包括:
步骤1,使标定环境温度Ta每隔2s均匀变化1摄氏度,使用测温装备每2s测量一次环境温度值,得到的小电流信号进入控制器内置ADC进行数模转换得到的电流值与环境温度的对应关系;
步骤2,在标定环境温度为0摄氏度时,使用测温装备测量不同温度的黑体,使黑体的温度从0摄氏度开始每隔1s变化1摄氏度,测温装备每隔1s采集一次信号,得到的小电流信号进入控制器内置ADC进行数模转换得到的电流值与目标物体温度的二阶多项式;
步骤3,将步骤1和步骤2得到的关系式进行结合,得到环境温度、目标物体温度与测温装备采集到的电流信号的关系式,从而实现环境温度补偿。
可选地,测温装备使用的红外测温传感器的光学分辨率为20:1。
本发明实施例的有益效果:
手持式巡查测温装置与被测物体保持一定的距离时进行温度测量,通过设置预设物距比条件,再进行温度补偿,在一定程度上,可以避免外界的电磁干扰。根据现有条件,可以设计此种工况下的测温算法,在不更换传感器设备的情况下,通过算法设计达到提高测温精度的目的。
本发明实施例还提供了一种复杂工况测温装置,应用任一前述的复杂工况测温方法,包括:激光测距模块/超声波测距模块,和红外测温模块。
本声明实施例的有益效果:
手持式巡查测温装置与被测物体保持一定的距离时进行温度测量,通过设置预设物距比条件,再进行温度补偿,在一定程度上,可以避免外界的电磁干扰。根据现有条件,可以设计此种工况下的测温算法,在不更换传感器设备的情况下,通过算法设计达到提高测温精度的目的。
本发明实施例还提供了一种复杂工况测温装置,包括前述的复杂工况测温装置,对讲模块,大功率LED照明模块,振动测量模块,OLED显示模块,信息存储模块,噪声测量模块,数据读取模块,外部输入模块和系统管理模块。
本发明实施例的有益效果:
本发明将多种功能模块集合到同一台装置上,将巡查装置的使用变得方便快捷,同时在现有功能模块使用的传感器基础上,增加复杂工况的测温算法,提高巡查装置的测温精度。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点,附图是示意性的而不应理解为对本发明进行任何限制,在附图中:
图1示出了本发明实施例1中一种复杂工况测温方法的流程图;
图2示出了本发明实施例1中一种测温装备在测量时的三种位置情况;
图3示出了本发明实施例1中超出物距比范围物体的温度神经网络推算图;
图4示出了本发明实施例3中一种复杂工况测温装置的结构图;
图5示出了本发明实施例3中一种复杂工况测温装置的软件操作菜单结构。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
本发明实施例提供了一种复杂工况测温方法,如图1所示,包括:
步骤S10,获取测温距离与待测物体的测温温度;测温距离为测温装备同待测物体被测温度区域之间的距离。
在本实施例中,测温距离是影响装置测温精度的一个重要因素,测量距离过远,被测物尺寸不足视场的50%,传感器便不能够很好的接收待测物的辐射能,同时距离过远还会受到周围环境中其他物体辐射的影响,所以维持一个合适的测温距离十分重要。装置所使用的激光传感器工作时,先由激光发射二极管对准目标发射激光脉冲。经目标反射后激光向各方向散射。部分散射光返回到传感器接收器,被光学系统接收后成像到雪崩光电二极管上。雪崩光电二极管是一种内部具有放大功能的光学传感器,因此它能检测极其微弱的光信号,并将其转化为相应的电信号。通过记录并处理从光脉冲发出到返回被接收所经历的时间,即可测定目标距离。
图2示出了巡查测温装置测量时发生的三种位置情况,所述图中字母S代表测量探头在物体上形成的光斑直径,字母D则代表测量探头与物体之间的直线距离。D:S是光学分辨率,表示距离到测量处光斑直径大小的比值。所述巡查装置使用的红外测温传感器的光学分辨率为20:1。
当被测物体处于位置1或2时,测量探头视场能在物体上形成稳定的光斑且不超过物体的实际大小,此时红外测温传感器工作在正常区间,能够准确地接收红外辐射并将其转化成电信号,经过处理后实时显示被测物体的温度。若物体处于位置3,被测物体不能充满测量探头的整个视场,此时测量数据就会失去真实性。在实际测试结果中,测量探头距离物体越远,所测得的温度值越接近于被测物体所处的环境温度。
步骤S20,判断测温距离是否符合预设物距比条件。
若测温距离符合预设物距比条件,则执行步骤S30,对测温温度进行温度补偿。
若测温距离不符合预设物距比条件,则执行步骤S40,调整测温距离,重新执行步骤S10~步骤S30。
在测温功能模块的物距比内,被测物体表面的弧度不同,其能够传回测温模块的有效辐射能量也不同,影响测温功能模块接收到的净辐射能E,使测量结果不准确。理论上来说,若被测物体表面为平面,此时被测物体表面传回的有效辐射能量最稳定,通过激光测距模块判断测温距离,根据测温功能模块本身的光学分辨率D:S,将距离参数表示成目标直径,假定被测物体均为测得距离下的目标直径。但实际上若物体为弧面,物体弧面实际传回的辐射能一部分会进入周围环境,此时测得的温度值势必会受到被测物体的环境温度影响。
若测温距离仍然不符合预设物距比条件,则执行步骤S50,通过神经网络进行温度预测。
步骤S60,输出补偿测温结果。
任何物体都向外辐射红外能量,辐射强度随着温度的变化而变化。一般情况下,红外测温仪的使用波长在0.8μm-18μm范围内的红外辐射能量。红外温度传感器是一种光电子传感器,它接收红外辐射并将其转化成电信号,经电子线路放大器、线性化、信号处理,显示或输出温度。
被测目标的尺寸和红外测温仪的光学特性决定了被测目标和测量头之间的最大距离。为了避免测量误差,被测目标应尽量充满探测头的视场。因此,理论上应保持被测点始终小于被测物体或至少与被测目标相同尺寸。
在本实施例中,手持式巡查测温装置与被测物体保持一定的距离时进行温度测量,通过设置预设物距比条件,再进行温度补偿,在一定程度上,可以避免外界的电磁干扰。根据现有条件,可以设计此种工况下的测温算法,在不更换传感器设备的情况下,通过算法设计达到提高测温精度的目的。
作为可选的实施方式,对测温温度进行温度补偿,包括:
获取环境温度与测温设备的测量电流之间的对应关系;
对不同温度的黑体进行测温,获取多个黑体温度与测温设备的测量电流之间的对应关系;
根据环境温度和测温设备的测量电流,得到待测物体的补偿测温结果。
使用装置测温功能模块时,通过测量得到的温度数值是由接收到的物体表面所辐射出的电磁能量来确定的。在实际测量的时候,测温功能模块的透镜仅允许其工作波段内部的能量进入红外探测器,此时,红外测温系统接收到的有效辐射能量有三个来源:待测物、大气散射以及周围物体的反射。利用巡查装置进行温度测量,它的测温精度与被测物的发射率,周围环境的特性和大气特性等因素有关。
由斯蒂芬—玻尔兹曼定律可以得到下式,红外测温功能模块的测温精度受被测物体周围环境温度的影响。
E=σε(TO 4-Ta 4)
式中:E为测温功能模块接收到的净辐射能;σ是斯蒂芬玻尔兹曼常数,5.67*10-8;ε是物体的发射率;TO是目标物体的温度;Ta是物体周围的环境温度。通过接收到的辐射能E,就可以得出温度。
测温装置精度提高的关键点在于克服测温距离和环境温度对测温精度的影响,修正其所导致的非线性误差,故可以利用现有的测温模块和测距模块来对相关影响因素进行误差补偿:
T=f(Ta,To,D,S)
其中,Ta为环境温度,To为目标物体温度,D为测量距离,S为目标直径,T为误差修正后的温度。
红外传感器为模拟传感器,可以将待测物所发出的辐射能转变为小电流信号输出,随后利用放大器把电流信号进行放大,再把经过放大后的模拟电流信号转变为数字信号输入到控制器中进行集中处理。
在具体实施例中,对测温温度进行温度补偿包括:
步骤1,使标定环境温度Ta每隔2s均匀变化1摄氏度,使用测温装备每2s测量一次环境温度值,得到的小电流信号进入控制器内置ADC进行数模转换得到的电流值与环境温度的对应关系;
利用最小二乘法多项式拟合出下式:
Ta=k1*I2+k2*I+β1
上式中,Ta为环境温度,I为使用测温功能模块测量得到的电流值,k1为二阶多项式的二次项系数,k2为二阶多项式的一次项系数,β1为二阶多项式的常数项。
步骤2,在标定环境温度为0摄氏度时,使用测温装备测量不同温度的黑体,使黑体的温度从0摄氏度开始每隔1s变化1摄氏度,测温装备每隔1s采集一次信号,得到的小电流信号进入控制器内置ADC进行数模转换得到的电流值与目标物体温度的二阶多项式;
利用最小二乘法多项式拟合出下式:
I=k3*To 2+k4*To+β2
上式中,TO为目标物体温度,I为使用测温功能模块测量得到的电流值,k3为二阶多项式的二次项系数,k4为二阶多项式的一次项系数,β2为二阶多项式的常数项。
步骤3,将步骤1和步骤2得到的关系式进行结合,得到环境温度、目标物体温度与测温装备采集到的电流信号的关系式,从而实现环境温度补偿。
由步骤1可得,在不同环境温度下,使用测温功能模块测量环境温度所得到的电流值I与环境温度的对应关系,将步骤1所得的多项式记为I(Ta,0);由步骤2可得,在0摄氏度的环境温度下,使用测温功能模块测量不同温度的黑体所得到的电流值I与目标物体温度值的对应关系,将步骤2所得的多项式记为I(TO,0)。由原理分析可知,在实际使用过程中,红外测温功能模块的测温精度受被测物体周围环境温度的影响,则将实际测量的电流值和其环境温度、目标物体温度之间的关系式记为I(TO,Ta)。因此将步骤1和步骤2结合计算,即可得到环境温度对实际测温功能模块的影响如下:
I(TO,0)=I(TO,Ta)+I(Ta,0)
I(Ta,0)为不考虑被测物体温度,仅计算环境温度不同时测温功能模块所获得的电流值I与环境温度的二阶关系式;I(TO,0)为环境温度固定,仅计算测量不同温度的黑体时测温功能模块所获得的电流值I与目标物体温度的二阶关系式;I(TO,Ta)为实际测温功能模块使用时所获得的电流值I、环境温度Ta和目标物体温度TO的二阶关系式。
上述等式亦可写成如下形式:
I(TO,Ta)=I(TO,0)-I(Ta,0)
依据步骤1与步骤2中所得公式,带入上式得:
I(TO,Ta)=k5(To 2-Ta 2)+k6(To-Ta)+β3
上式中,TO为目标物体温度,Ta为环境温度,k5为二阶多项式的二次项系数,k6为二阶多项式的一次项系数,β3为二阶多项式的常数项。
由上式即可以利用测温功能模块获得的电流值和环境温度求得目标物体温度。
作为可选的实施方式,若测温距离超出预设物距比条件,和/或,若待测物体表面不规则,则基于神经网络算法,根据待测物体的实际尺寸、待测物体的表面弧度、测温距离和环境温度,对待测物体的表面温度进行预测。
作为可选的实施方式,对待测物体的表面温度进行预测包括:
将实际测温距离L、实测物体特征向量CH、表面弧度rad和环境温度Ta组成输入矩阵;输入矩阵为神经网络的输入Nin;
神经网络推测所测物体的实际温度T为:
T=W3*(g(W2*g(W1*Nin+b1)+b2))
其中,W1,W2,W3为神经网络各层传递之间的权值,g()为神经元激活函数,b1,b2为两层隐藏层的神经元偏置;CH=[mod,x,l,h],mod表示实测物体的形状,x,l,h分别表示实测物体的长、宽和高。
在本实施例中,如图3所示,以神经网络为核心算法,据物体实际尺寸、物体表面弧度、实际距离以及环境因素,在测量对象超出温度测量最大物距比的情况下,对其表面温度进行精准预测。所选取的神经网络为一个四层神经网络结构即1个输入层,2个隐含层,1个输出层。以实际测温距离L,实测物体特征向量CH,表面弧度rad以及环境温度Tα构成的输入矩阵为神经网络的输入Nin,可得出神经网络推测所测物体的实际温度T。以最大物距比所测温度与最大物距比之间的比值作为神经网络主要学习参考值ref。以神经网络输出与实际测量距离的比值作为实际调整值y且以实际调整值与参考值的差值平方作为神经网络的学习信号e2此学习信号可有效的提高神经网络的学习效率。通过神经网络的自学习即权值更新,最终得出所测物体实际温度T的精准值。
作为可选的实施方式,神经网络以最大物距比时的测量温度与最大物距比之间的比值作为主要学习参考值;以神经网络输出结果与实际测量距离的比值作为实际调整值;以实际调整值与学习参考值之间的差值平方作为学习信号;其中,学习信号用于对神经网络各层传递之间的权值W1,W2,W3以及神经元偏置项b1,b2进行学习与调整。
设最大物距比为Lm,最大物距比时所测的温度为Tm,实际距离为L,实测物体的特征用矩阵的形式表示为CH=[mod,x,l,h]分别表示物体的形状、长、宽和高,实测物体表面弧度为rad,环境因素中环境温度为Tα。
神经网络运算需要不断的学习与更新,本发明以最大物距比所测温度与最大物距比之间的比值作为神经网络主要学习参考值ref:
ref=Tm/Lm
以神经网络输出与实际测量距离的比值作为实际调整值y:
y=T/L
则神经网络以实际调整值与参考值的差值平方作为学习信号e2:
e2=(y-ref)2
以此对神经网络权值W1,W2,W3以及神经元偏置项b1,b2进行学习与调整,使得神经网络最终输出所测物体的精准温度。
实施例2
本发明实施例还提供了一种复杂工况测温装置,应用任一前述的复杂工况测温方法,包括:激光测距模块/超声波测距模块,和红外测温模块。
测温功能模块和激光测距模块分别对环境温度和距离进行数据采集并传入微控制器中,首先要进行数据的预处理,从各功能模块传感器采集到的传感器的信号首先经过自身利用放大器把电流信号进行放大,再把经过放大后的模拟电流信号转变为数字信号输入到控制器中进行集中处理。采集到的数据经过预处理得到激光传感器的测量值,此时设置判断条件,确认被测物体在测温模块的测量物距比之内,若不在则需调整测量,而后在物距比内引入环境温度对测量温度进行补偿,补偿后输出测量值。
测温功能模块通过对物体红外波段辐射能的采集,将采集到的模拟信号经过放大和ADC转换为数字信号传入微控制器中,红外传感器信号接口直接接入ATmaga2560内置ADC,该红外测温数据受到环境温度和距离的影响,故通过测温功能模块和激光测距模块分别对环境温度和距离进行数据采集并传入微控制器中,对测得的各种数据进行处理,最后得出修正以后的测量值,在OLED显示模块中进行显示,控制器可将数据储存进巡查装置,之后也可用数据线将测量数据提取到PC端进行多组数据的可视化处理。
巡查设备调整的方法为:手持巡查装置缓步靠近被测物体,测温探头所在平面与被测物体平面尽量保持平行或与其平面角度在45°以内,再次操作测温功能,若距离符合所述条件,即可得到被测物体实际温度值,根据工位需求进行保存数据或其他操作。
使用巡查装置时,所有功能并列式运行,在使用测温功能时,系统同时调用测温和测距程序,经过数据的预处理得到距离值和环境温度值。根据图5所述红外测温原理,设置判断条件,此时设置判断条件比较距离值与测温功能模块传感器测量距离最大值,若距离D>1m,需控制器向显示程序输出调整距离信息。若距离D<1m,则确认被测物体在测温模块的测量物距比之内,若不在则需调整测量,而后在物距比内引入环境温度值对测量温度值进行补偿。
实施例3
本发明实施例还提供了一种复杂工况测温装置,如图4所示,包括前述的复杂工况测温装置,对讲模块,大功率LED照明模块,振动测量模块,OLED显示模块,信息存储模块,噪声测量模块,数据读取模块,外部输入模块和系统管理模块。
系统功能模块的构成及相互联系:供电模块中设计三级供电电路,可以提供整个装置所需要的12V、5V及3.3V电压,以维持装置各功能模块的正常运行。测温功能模块使用红外测温传感器与激光测距传感器的组合设计,红外测温传感器接收其自身发出的红外辐射并将其转化成电信号;测振功能模块使用振动探头和带2.5V直流偏置的电荷放大器,带有共模干扰抑制功能向控制器提供一个稳定的信号输出;测噪功能模块使用工业级噪声变送器,可向控制器提供稳定的模拟量信号,单片机控制器模块采用ATmaga2560微控制器按指令采集各功能模块的信号并进行处理,然后在OLED显示屏上显示测量值。实时时钟和存储器模块为装置提供准确的时间和数据存储空间,每次的测量数据都可以按指令操作存储到EEPROM中。无线对讲功能模块采用BF868PLUS系列主板,照明模块及激光辅助定位模块分别采用强光灯珠和红色激光束,满足巡查设备的无线对讲和照明功能,激光束为测温功能模块提供位置定点。具体操作方法参考图5。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random AccessMemory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种复杂工况测温方法,其特征在于,包括:
获取测温距离与待测物体的测温温度;所述测温距离为测温装备同所述待测物体被测温度区域之间的距离;
判断所述测温距离是否符合预设物距比条件;
若所述测温距离符合所述预设物距比条件,则对所述测温温度进行温度补偿,输出补偿测温结果。
2.根据权利要求1所述的复杂工况测温方法,其特征在于,在判断所述测温距离是否符合预设物距比条件之后,还包括:
若所述测温距离不符合所述预设物距比条件,则调整所述测温距离,重新测量。
3.根据权利要求1所述的复杂工况测温方法,其特征在于,对所述测温温度进行温度补偿,包括:
获取环境温度与所述测温设备的测量电流之间的对应关系;
对不同温度的黑体进行测温,获取多个黑体温度与所述测温设备的测量电流之间的对应关系;
根据环境温度和所述测温设备的测量电流,得到所述待测物体的补偿测温结果。
4.根据权利要求1所述的复杂工况测温方法,其特征在于,若所述测温距离超出所述预设物距比条件,和/或,若所述待测物体表面不规则,则基于神经网络算法,根据所述待测物体的实际尺寸、所述待测物体的表面弧度、所述测温距离和环境温度,对所述待测物体的表面温度进行预测。
5.根据权利要求4所述的复杂工况测温方法,其特征在于,对所述待测物体的表面温度进行预测包括:
将实际测温距离L、实测物体特征向量CH、表面弧度rad和环境温度Ta组成输入矩阵;所述输入矩阵为神经网络的输入Nin;
神经网络推测所测物体的实际温度T为:
T=W3*(g(W2*g(W1*Nin+b1)+b2))
其中,W1,W2,W3为神经网络各层传递之间的权值,g()为神经元激活函数,b1,b2为两层隐藏层的神经元偏置;CH=[mod,x,l,h],mod表示所述实测物体的形状,x、l和h分别表示所述实测物体的长、宽和高。
6.根据权利要求5所述的复杂工况测温方法,其特征在于,所述神经网络以最大物距比时的测量温度与最大物距比之间的比值作为主要学习参考值;以神经网络输出结果与实际测量距离的比值作为实际调整值;以所述实际调整值与所述学习参考值之间的差值平方作为学习信号;其中,所述学习信号用于对所述神经网络各层传递之间的权值W1,W2,W3以及神经元偏置项b1,b2进行学习与调整。
7.根据权利要求3所述的复杂工况测温方法,其特征在于,对所述测温温度进行温度补偿,还包括:
步骤1,使标定环境温度Ta每隔2s均匀变化1摄氏度,使用所述测温装备每2s测量一次环境温度值,得到的小电流信号进入控制器内置ADC进行数模转换得到的电流值与环境温度的对应关系;
步骤2,在标定环境温度为0摄氏度时,使用所述测温装备测量不同温度的黑体,使所述黑体的温度从0摄氏度开始每隔1s变化1摄氏度,所述测温装备每隔1s采集一次信号,得到的小电流信号进入控制器内置ADC进行数模转换得到的电流值与目标物体温度的二阶多项式;
步骤3,将步骤1和步骤2得到的关系式进行结合,得到环境温度、目标物体温度与测温装备采集到的电流信号的关系式,从而实现环境温度补偿。
8.根据权利要求1所述的复杂工况测温方法,其特征在于,所述测温装备使用的红外测温传感器的光学分辨率为20:1。
9.一种复杂工况测温装置,应用如权利要求1~8任一所述的复杂工况测温方法,其特征在于,包括:激光测距模块/超声波测距模块,和红外测温模块。
10.一种复杂工况测量装置,其特征在于,包括如权利要求9所述的复杂工况测温装置,对讲模块,大功率LED照明模块,振动测量模块,OLED显示模块,信息存储模块,噪声测量模块,数据读取模块,外部输入模块和系统管理模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111231280.3A CN113959566B (zh) | 2021-10-22 | 2021-10-22 | 一种复杂工况测温方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111231280.3A CN113959566B (zh) | 2021-10-22 | 2021-10-22 | 一种复杂工况测温方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113959566A true CN113959566A (zh) | 2022-01-21 |
CN113959566B CN113959566B (zh) | 2023-11-17 |
Family
ID=79466066
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111231280.3A Active CN113959566B (zh) | 2021-10-22 | 2021-10-22 | 一种复杂工况测温方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113959566B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117537951A (zh) * | 2024-01-10 | 2024-02-09 | 西南交通大学 | 一种基于深度学习的超导悬浮器内部温升检测方法及装置 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102818635A (zh) * | 2012-08-25 | 2012-12-12 | 河南省高远公路养护技术有限公司 | 一种提高红外传感器标定精度的方法 |
CN103983361A (zh) * | 2014-06-06 | 2014-08-13 | 昆明北方红外技术股份有限公司 | 在线式网络测温热像仪标定方法 |
CN105241553A (zh) * | 2015-09-29 | 2016-01-13 | 国网上海市电力公司 | 一种电力设备无线红外测温温度校正方法 |
CN105509899A (zh) * | 2016-01-26 | 2016-04-20 | 云南电网有限责任公司电力科学研究院 | 一种红外图像测温校准方法及系统 |
CN105571722A (zh) * | 2015-12-23 | 2016-05-11 | 深圳市金立通信设备有限公司 | 一种温度测量方法及终端 |
CN107941348A (zh) * | 2017-11-24 | 2018-04-20 | 广东电网有限责任公司电力科学研究院 | 一种红外测温标校方法 |
CN109870239A (zh) * | 2019-03-12 | 2019-06-11 | 北京环境特性研究所 | 非制冷红外焦平面探测器自适应定标方法 |
CN111028486A (zh) * | 2019-12-26 | 2020-04-17 | 杭州电力设备制造有限公司 | 一种电气设备高温预警方法、装置、设备及存储介质 |
CN111551281A (zh) * | 2020-04-29 | 2020-08-18 | 易显智能科技有限责任公司 | 一种体温检测装置及方法 |
CN111693154A (zh) * | 2020-06-19 | 2020-09-22 | 深圳蓝韵健康科技有限公司 | 一种红外测温传感器温度补偿方法及其装置 |
CN111735544A (zh) * | 2020-07-30 | 2020-10-02 | 武汉安可威视科技有限公司 | 一种基于多维补偿的红外人体测温方法 |
CN111765978A (zh) * | 2020-06-19 | 2020-10-13 | 四川康佳智能终端科技有限公司 | 一种红外测温处理方法及系统、智能设备及存储介质 |
CN112146761A (zh) * | 2020-08-14 | 2020-12-29 | 上海数川数据科技有限公司 | 一种基于机器学习的人体测温补偿方法 |
CN112798110A (zh) * | 2020-12-29 | 2021-05-14 | 杭州晨安科技股份有限公司 | 一种基于标定拟合的红外热成像设备温度检测方法 |
CN113188678A (zh) * | 2021-04-09 | 2021-07-30 | 厦门理工学院 | 用于开关成套设备的温升在线监测及预测方法和系统 |
CN113341349A (zh) * | 2021-07-15 | 2021-09-03 | 厦门尚为科技股份有限公司 | 一种开关柜触头监测方法 |
-
2021
- 2021-10-22 CN CN202111231280.3A patent/CN113959566B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102818635A (zh) * | 2012-08-25 | 2012-12-12 | 河南省高远公路养护技术有限公司 | 一种提高红外传感器标定精度的方法 |
CN103983361A (zh) * | 2014-06-06 | 2014-08-13 | 昆明北方红外技术股份有限公司 | 在线式网络测温热像仪标定方法 |
CN105241553A (zh) * | 2015-09-29 | 2016-01-13 | 国网上海市电力公司 | 一种电力设备无线红外测温温度校正方法 |
CN105571722A (zh) * | 2015-12-23 | 2016-05-11 | 深圳市金立通信设备有限公司 | 一种温度测量方法及终端 |
CN105509899A (zh) * | 2016-01-26 | 2016-04-20 | 云南电网有限责任公司电力科学研究院 | 一种红外图像测温校准方法及系统 |
CN107941348A (zh) * | 2017-11-24 | 2018-04-20 | 广东电网有限责任公司电力科学研究院 | 一种红外测温标校方法 |
CN109870239A (zh) * | 2019-03-12 | 2019-06-11 | 北京环境特性研究所 | 非制冷红外焦平面探测器自适应定标方法 |
CN111028486A (zh) * | 2019-12-26 | 2020-04-17 | 杭州电力设备制造有限公司 | 一种电气设备高温预警方法、装置、设备及存储介质 |
CN111551281A (zh) * | 2020-04-29 | 2020-08-18 | 易显智能科技有限责任公司 | 一种体温检测装置及方法 |
CN111693154A (zh) * | 2020-06-19 | 2020-09-22 | 深圳蓝韵健康科技有限公司 | 一种红外测温传感器温度补偿方法及其装置 |
CN111765978A (zh) * | 2020-06-19 | 2020-10-13 | 四川康佳智能终端科技有限公司 | 一种红外测温处理方法及系统、智能设备及存储介质 |
CN111735544A (zh) * | 2020-07-30 | 2020-10-02 | 武汉安可威视科技有限公司 | 一种基于多维补偿的红外人体测温方法 |
CN112146761A (zh) * | 2020-08-14 | 2020-12-29 | 上海数川数据科技有限公司 | 一种基于机器学习的人体测温补偿方法 |
CN112798110A (zh) * | 2020-12-29 | 2021-05-14 | 杭州晨安科技股份有限公司 | 一种基于标定拟合的红外热成像设备温度检测方法 |
CN113188678A (zh) * | 2021-04-09 | 2021-07-30 | 厦门理工学院 | 用于开关成套设备的温升在线监测及预测方法和系统 |
CN113341349A (zh) * | 2021-07-15 | 2021-09-03 | 厦门尚为科技股份有限公司 | 一种开关柜触头监测方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117537951A (zh) * | 2024-01-10 | 2024-02-09 | 西南交通大学 | 一种基于深度学习的超导悬浮器内部温升检测方法及装置 |
CN117537951B (zh) * | 2024-01-10 | 2024-03-26 | 西南交通大学 | 一种基于深度学习的超导悬浮器内部温升检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113959566B (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7744275B2 (en) | Optical fiber temperature sensing device | |
CN204946249U (zh) | 烟雾和火灾报警器 | |
CN106461780B (zh) | 补偿的距离测量的方法和装置 | |
CN106979822A (zh) | 一种红外成像过耗故障探测仪 | |
CN113959566B (zh) | 一种复杂工况测温方法及装置 | |
CN111579081A (zh) | 一种红外测温方法、装置及设备 | |
CN112539698A (zh) | 一种激光光束作用材料内部在线跟踪与实时反馈的方法 | |
CN111307324B (zh) | 一种在拉曼分布式光纤测温系统中补偿apd温漂的方法 | |
CN109297685A (zh) | 一种用于大口径平行光管的光谱透过率测试装置及方法 | |
CN114942087A (zh) | 拉曼斯托克斯光强动态自校准分布式温度检测系统及方法 | |
CN116772742B (zh) | 一种连铸方坯振痕深度测量方法 | |
CN211783867U (zh) | 基于电力隧道巡检机器人的电缆在线测温系统 | |
WO2024103700A1 (zh) | 一种平面温度异常区域检测方法及检测系统 | |
CN103256999B (zh) | 分布式光纤测温方法 | |
CN212030747U (zh) | 红外热成像设备的检测系统 | |
CN116878669A (zh) | 基于短波红外测温的温度补偿方法、火情监测方法及系统 | |
RU2428682C1 (ru) | Способ теплового неразрушающего контроля теплотехнического состояния протяженных, сложнопрофильных и труднодоступных объектов | |
CN111044171A (zh) | 一种分布式光纤传感系统光源参数自适应的方法和装置 | |
CN115900690A (zh) | 一种星体测量信噪比的评估方法 | |
CN110243730B (zh) | 用于测量雪面雪粒径的测量装置及测量方法 | |
CN104132915A (zh) | 小型高性能散射式能见度测量装置及测量方法 | |
US20230194685A1 (en) | Active/passive pixel current injection and bias testing | |
CN203785756U (zh) | 用于料场的盘料系统 | |
US20230184911A1 (en) | Method and system for evaluating point cloud quality of lidar, and apparatus | |
CN203657754U (zh) | 基于激光测量和485总线的桥梁变形监测装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |