CN1318148A - 应用空间积分的改进的振动管参数传感器及其运行方法 - Google Patents

Abstract

一种用于材料处理系统(1)的过程参数传感器(5)包括包含来自材料处理系统的材料的管道(103A－103B)。许多运动换能器(105A－105D)用于产生表示在管道上的许多位置上的运动的许多运动信号。超定过程参数估计器(30)响应这些许多运动换能器并接收许多运动信号。该超定的过程参数估计器(30)将管道运动分解成由预定的许多力中的每个力所产生的运动并依据所分解的运动估计与在管道中的材料相关的过程参数。其中该位置的数量超过力的数量，以使这些运动信号形成一种将管道运动分解成由预定数量的力所产生的运动的超定信息。

Description

应用空间积分的改进的振动管参数传感器及其运行方法

本发明属于一种过程参数传感器及其运行方法，更具体地说，属于一种振动管道过程参数传感器及其运行方法。

科里奥利效应质量流量计通常用于测量流经管道的材料的质量流量和其它的信息。实例性的科里奥利流量计公开在授予给J.E.Smith等人的1978年8月29日的美国专利US4,109,524、1985年1月1日的US4,491,025和1982年2月11日的Re31,450。这些流量计通常包括具有直的或弯曲结构的一个或更多个管道。每个管道具有一组振动模式，例如包括简单的弯曲型、扭曲型、径向型和耦合型。在典型的质量流量计的应用中，当材料流经管道时驱动每个管道使其以一种自然模式谐振。组合的管道质量和刚性特性和在该管道内流动的材料的特性影响填充有材料的振动系统的振动模式。

科里奥利流量计的典型部分是驱动或激励系统。运行驱动系统以给管道施加周期性的作用力以使管道振动。驱动系统通常包括安装在流量计的管道上的至少一个致动装置。该致动装置通常包括大家公知的许多机电装置中的一种，比如具有安装在第一管道的磁体和以相对于该磁体反向安装在第二管道的线盘的音圈设备。驱动器通常给致动线圈施加周期性的驱动信号比如正弦或方波驱动信号。周期性的驱动信号使致动装置以相反的周期性模式驱动两个管道，此后保持这种周期性模式继续振动。

当实际上为“零”流量流经被驱动的流量计管道时，根据驱动的振动模式沿着管道的点相对于驱动器趋于以大致相同的相位或“零流量”相位振动。当材料开始从流量计的入口经过管道并从流量计的出口流出时，材料流产生的科里奥利力在沿着管道上在空间上间隔开的点之间产生相移。通常，当材料流经管道时，在管道的入口侧的相位滞后于驱动器，而在管道的出口侧的相位领先于驱动器。所产生的在管道上的两个位置上相移与流经管道的材料的质量流率大致成比例。

为测量质量流率，常规的科里奥利流量计通常测量位于管道的每一端附近并相对于中央设置的驱动器对称放置的两换能器(例如线圈型速度换能器)上的相位。然而，在换能器位置上的制造误差以及在管道结构中的其它结构变化和非线性都可能引起测量的不精确。

根据前面的描述，本发明的目的是提供一种过程参数传感器及其运行方法，以提供一种能够更精确地测量在振动管道参数传感器中的过程参数比如质量流率、总的质量流率、速度等的技术。

依据本发明通过过程参数传感器及其运行方法实现上述目的和其它目的、特征以及优点，其中确定与在管道中材料相关的过程参数例如质量流率、总的质量流率、流速等的空间积分估计。识别与受激励的传感器管道相关的许多力。接收表示在传感器管道上的许多位置上的运动的运动信号，该位置的数量超过所识别的力的数量以使许多运动信号形成一种将管道运动分解为由许多力引起的运动的超定信息源。由此可以产生与运动的材料相关的过程参数的更精确估计。

具体地说，依据本发明，材料处理系统的过程参数传感器包括包含来自材料处理系统的材料的管道。许多运动换能器用于产生表示在管道上的许多位置上的运动的许多运动信号。一种超定过程参数估计器响应许多运动换能器并接收许多运动信号。超定过程参数估计器将管道运动分解成由预定数量的力中的每种力引起的运动并依据所分解的运动估计在管道中与材料相关的过程参数，其中位置数量超过力的数量以使许多运动信号形成一种用于将管道运动分解成由预定数量的力所引起的运动的超定信息集。超定过程参数估计器可以包括产生由科里奥利力引起的运动的估计的装置以及响应产生运动的估计的装置用于从该运动的估计中产生过程参数比如质量流量的估计的装置。

依据本发明的一个方面，组合一组运动信号以产生空间平均的运动信号。例如应用常规的科里奥利测量电路从该空间平均的运动信号中估计过程参数。

依据本发明的另一方面，识别许多实模式。产生许多运动信号，这些许多运动信号表示在超过实模式数量的许多位置上的运动，以使许多运动信号表示将管道运动分解成在许多实模式中的运动的超定信息源。从许多运动信号中可以产生由科里奥利力引起的模态运动的估计，从该模态运动的估计中可以估计过程参数的估计。

依据本发明的另一方面，识别复模式。产生许多运动信号，这些许多运动信号表示在超过两个的许多位置上的运动，以使许多运动信号表示将管道运动分解成在许多复模式中的运动的超定信息源。从许多运动信号中可以产生复模态变换的估计，从该复模态变换的估计中可以产生过程参数的估计。由此提供改进的过程参数比如质量流率的估计。

附图1所示为依据本发明的振动管道参数传感器的实施例。

附图2和3所示为依据本发明的一个方面利用复模态估计的振动管道参数传感器的实施例。

附图4所示为依据本发明的振动管道参数传感器的另一实施例。

下文参考附图更完整地描述本发明，在附图中示出了本发明的实施例。在本领域的熟练技术人员会理解到本发明可以以许多不同的方式实施，并不限于在此所述的实施例；在此给出这些实施例是为了完整地公开本发明并向本领域的熟练技术人员完整地解释本发明的范围。在附图中，所有的相同的标号表示相同的元件。

下文的讨论参考科里奥利流量计，在该科里奥利流量计中估计流过振动管道的材料(例如液体)的材料处理系统的过程参数(通常为质量流率)，该振动管道作为材料处理系统的一部分并且材料通过该振动管道。然而，在本领域的熟练技术人员会理解到本发明还可用于除了内嵌式传感器外的其它的振动管道的过程参数传感器。例如，除了内嵌型质量流量计外，本发明可用于采样型振动管密度计，这种采样型振动管密度计包括包含从材料处理系统中抽取的材料的采样的管道。

正如在此所使用，“材料处理系统”可以包括各种流体或其它的材料处理系统，在这些处理系统中通过传输、容纳、反应或其它方式处理材料。这些系统可以包括但并不限于化学和食品处理系统、流体传输系统比如石油管道、液压系统等类似的系统。

附图1所示为依据本发明的过程参数传感器5的实例性的实施例。传感器5包括管道组件10。管道组件10包括入口法兰101、出口法兰101’、歧管102和第一和第二管道103A、103B。撑杆106、106’连接管道103A、103B。连接到管道103A、103B的致动装置104用于振动管道103A、103B以响应驱动器20。许多运动换能器105A-D用于产生表示在管道103A、103B的许多位置上的运动的运动信号，例如表示位移、速度或加速度的信号。运动换能器105A-D可以包括各种装置比如线圈型的速度换能器、光学或超声运动传感器、加速度计、惯性率传感器等类似的设备。导线100连接到致动装置104和运动换能器105A-D。

当管道组件10插入到材料处理系统1时，在材料处理系统1中流动的材料通过入口法兰101进入到管道组件10。然后材料流经歧管102，在歧管102中材料分别进入管道103A、103B。在离开管道103A、103B后，材料回流到歧管102并通过出口法兰101’流出流量计组件10。当材料流经管道103A、103B时，它产生扰动管道103A、103B的科里奥利力。

通常通过致动装置104在相反的方向上分别沿着它们的弯曲轴W-W和W’-W’上驱动管道103A、103B，在管道组件10中产生通常被称为第一异相弯曲模式。致动装置104可以包括许多公如的装置中的任何一种，比如包括安装在第一管道103A上的磁体和安装在第二管道103B上的相对的线圈的线性致动装置。通过驱动引线110由驱动器20所提供的驱动信号所感应的交流电流流经该线圈，产生振动管道103A、103B的机械力。虽然在附图5所示的参数传感器5包括整体的致动装置104，但是在本领域的普通技术人员将会理解到依据本发明的管道103A、103B的振动可以通过其它的技术实现，比如通过在管道组件10之外产生的并经过法兰101、101’之中的一个传递到管道组件10的激励。

当材料流过时超定过程参数估计器30响应许多运动换能器105A-D并接收在引线111上的表示管道103A、103B的运动的运动信号。该超定过程参数估计器30处理所接收的运动信号以将该管道的运动信号分解成由作用在管道103A、103B上的预定的许多力所引起的运动，这些预定的力例如包括流经管道的材料引起的科里奥利力和由致动装置104所施加的力。超定过程参数估计器30还基于所分解的运动估计与流经管道的材料相关的过程参数35比如质量流率、总的质量流量等。

在Cunnigham的题为“应用复模态估计的改进的质量流量测量方法、装置以及计算机程序产品”的相关的美国专利申请(授予给本申请的受让人，与本申请一同申请并在此以引用参考的方式将其在文字中实际出现的内容整个结合在本申请中)中，描述了方法、装置以及计算机程序产品，这些方法、装置以及计算机程序产品应用复模态变换估计以得到质量流量的估计。根据上文所引用的技术，传感器管道运动分解成由科里奥利力引起的运动和由其它的力之和所产生的运动。具体地说，通过确定由流过管道的质量流量引入的传感器管道运动中的复杂度来分解科里奥利力。通过估计与质量流量相关的复模态变换可以得到质量流量估计。

其它的测量技术可以用作实施类似的力分解技术。例如，将传感器管道运动分解成许多实简正模式即分解成单自由度(SDOF)的运动系统的测量技术可以用于将管道运动分解成响应在SDOF系统中的相应的一个自由度方面的力的相应的运动。如在题为“应用实简正模态分解的振动管道参数传感器、运行方法以及计算机程序产品”的美国专利申请(授予给本申请的受让人，与本申请一同申请并在此以引用参考的方式将其在文字中实际出现的内容整个结合在本申请中)中所描述，所分解的在SDOF系统中运动可以用于产生质量流率、总的质量流量、速度等的测量。例如在具有u-形管道的科里奥利流量计的所谓的扭曲模式中所分解的运动可以认为基本是由运动的材料产生的科里奥利力引起的，因此，可以从在扭曲模式中的运动的估计中得出质量流量的估计。

依据本发明，由于过程参数估计器30是超定的，因此能够从空间积分中得出过程参数的更精确的估计。正如上所指出，超定过程参数估计器将管道的运动分解成由预定的许多力引起的运动。在此所使用的“超定”是指过程参数估计器用于从超定信息源(即，提供超过需要将运动分解成由预定数量的力引起的运动所需的最小量的信息的附加信息的信息源)中产生过程参数的估计。依据本发明，将表示在传感器管道上在许多在空间上分开的位置上的运动的运动信号提供给超定过程参数估计器，这些位置的数量大于要分解的力的数量，由此形成了用于估计过程的在空间上超定的信息源。因此过程参数估计器产生空间积分的过程参数估计。

下文的讨论应用复模态估计技术应用在空间上超定的数据集来产生过程参数估计。可以理解的是依据本发明空间积分可以应用除了那些应用复模态估计以外的各种测量技术。例如，参考复模态估计所描述的空间积分还可以常规地适用于应用实模态估计的测量技术。如在此所描述，空间积分可以用于将来自在振动管道参数传感器上在空间上不同的换能器的信息相组合，例如应用常规的相位差型科里奥利计算形成可以处理的空间平均的运动信号以产生过程参数比如质量流率、总的质量流量、速度等的改进测量。应用复模态估计确定质量流量

参数传感器比如科里奥利流量计的振动管道可以模拟为在受力响应的状态中运行的系统。受力响应可以模拟成许多实简正模态响应的叠加。根据这种模拟，

{x}(t)=[φ]{丨η丨cos(ω_dt-ang(η)))}   (1)

        {x}=[φ]{η},

        {η}=[φ]^-1{x},

        {x}=[H]{F},

和 $\left\{\mathrm{\η}\right\}=\left[\mathrm{\Φ}{]}^{-1}\right[H\left]\right\{F\},---\left(2\right)$ 这里{η}是模态响应矢量，{F}是受力函数矢量，[H]是频率响应函数(FRF)矩阵，[φ]^-1是振型矩阵[φ]的逆矩阵。从等式(1)中可以看出，矢量{x}的每一项都具有相关的相位。在零流量流经管道时，如果力矢量{F}和在FRF矩阵[H]中所包含的系统特征都已知，通过测量在管道上的任一点上的相位就一般都能够产生在管道任何其它点上的正确的相位。

在管道中流动的流体可以通过科里奥利力表示，该科里奥利力在管道组件的模态模型中引入了复杂度。通过应用在描述过程参数传感器管道的运动的线性差分方程中在与速度项相关的矩阵中的附加项来模拟科里奥利力。当这些科里奥利力项都包括在表示管道的特征值中时，特征向量即振型变成复型。更详细地说，管道运动的线性差分方程表示为： $\left[M\right]\left\{\stackrel{..}{x}\right\}+\left[C\right]\left\{\stackrel{.}{x}\right\}+\left[K\right]\left\{x\right\}=\left\{F\right\},---\left(3\right)$ 这里[M]是质量矩阵，[K]是刚度矩阵，[F]是所施加的力矢量，而[C]是影响速度项的科里奥利力矩阵。由于包括了科里奥利力矩阵[C]在特征值中引入了复杂度，即产生了复特征向量。

具有流经其中的流体的管道的运动可以模拟成成比例的复特征向量。复特征向量在每个自由度上具有两个独立的分量。这些分量可以包括实部和虚部，或者说幅值和相位分量。依据这种模拟方式，通过自由响应描述管道的运动，即在运动的描述中可以忽略驱动力。在管道上的离散点集{X}的运动可以描述为：

{x}(t)=α{丨φ_d丨cos(ω_dt-ang(φ_d))},(4)这里{φ}_d为与驱动模式相关的复特征向量，ω_d为与驱动模式相关的自然频率，标量α为使特征向量的幅值与运算幅值相匹配的比例系数。

可以认为α{丨φ丨_d}即复特征向量的幅值由将换能器驱动到给定幅值的驱动电路控制。由于ang(φ_d)即特征向量的复杂度为未知，关于在两个位置上的运动的信息可以用于确定科里奥利力。参考方程式(2)，复模态响应{η}包含由FRF矩阵[H]表示的系统特征和所施加的力矢量{F}。可以假设所施加的力矢量{F}已知。然而，在FRF矩阵{H}中包含的系统特征为质量流率的函数，因此为未知的。附加的信息例如在除了驱动器的其它的点上的相位都可以确定的质量流率。

总之，在超过两个位置上的复运动信息提供了将管道的运动分解成由科里奥利力引起的运动和由其它的力所引起的运动的足够的信息。因此测量质量流量的方法可以包括例如精确控制在一个位置例如驱动器位置上的幅值以使其它的位置的幅值或相位能够提供用于质量流量计算的足够信息。可替换的是，在两个分离的位置上同时测量幅值，每个幅值测量值可以归一化为在该位置上的最大幅值，并能够提供用于质量流量测量的足够信息。

模式的复杂度可以看作特征向量在复平面中的旋度。通过已知在任何两个位置上的特征向量的虚部能够得出该振型的复杂度的信息，虚部的旋度与质量流量相关。例如，为估计质量流量，校准该仪表以使旋度即复特征向量在已知的质量流量下为已知。未知的质量流量确定了相应的复矢量并且该矢量与所校准的复特征向量的复模态变换相对应。例如应用曲线拟合技术从所校准的复特征向量和测量矢量中可以估计该变换。然后应用所估计的变换从已知的质量流量中估计未知的质量流量。

可以应用广义的线性回归技术从复模态测量中确定质量流量。例如，可以在已知的质量流量下构造n×1元素矢量{Y_e}；例如{Y_e}可以包括在传感器管道上的许多位置上的相位测量值。在未知的质量流量下材料流经管道时，可以从在许多位置上的复测量值中构造另一n×1元素矢量{X}。如上文所述，除了应用相位测量值以外的测量值可以产生{Y_e}和{X}的复值。

在进行线性回归的计算中，建立如下的变换以使：

                      {Y_e}=a{X}+b         (5)这里a和b分别是表示斜率和偏移的常数。整理式(5)得：

这里[Z]是从{X}中构造的增广矩阵，{c}是以a和b作为第一和第二元素的矢量。式(6)是计算{c}的形式。

依据本发明，可以得到运动信息的位置的数量例如换能器位置的数量可以超过要分解管道运动的力的数量，因此[Z]表示一种超定系统，即[Z]具有比列更多的行。在这种超定的情况下，可以通过两边都乘[Z]的转置阵来求解式(6)：

              [Z]^T{Y_e}=([Z]^T[Z]){c}   (7)[Z]^T[Z]为方阵，该方阵具有逆阵。通过对式(7)的两边都乘[Z]^T[Z]的逆阵，得出{c}为：

              {c}=([Z]^T[Z])^-1[Z]^T{Y_e} (8)

结果{c}表示依据最小二乘法准则将矢量{X}最佳拟合到复特征向量{Y_e}中。{c}的第一元素即斜率a表示拟合{Y_e}的{X}的比例旋度的比例系数。例如，如果{X}和{Y_e}都从相位测量值中构造，则与{X}相对应的质量流率K_unknown可以从已知的质量流率K_known中估计： $K_{\mathrm{unknown}}=\frac{k_{\mathrm{known}}}{a}---\left(9\right)$ 超定复模态传感器

附图2所示为依据本发明应用复模态估计的参数传感器5的实施例。通过一个或多个致动装置104激励管道组件10的管道103A、103B。许多运动换能器105A-D在许多引线111上产生表示在管道103A、103B上的超过两个位置上的运动的许多运动信号。超定过程参数估计器30包括响应许多运动换能器105A-D、接收许多运动信号并从其中估计复模态变换233的复模态变换估计器232。如上所述，通过确定由科里奥利力引起的管道103A、103B的运动中的复杂度，所估计的复模态变换233将管道的运动分解成由科里奥利力产生的运动和由其它的力合计产生的运动。过程参数估计器234响应所产生的复模态变换233并从所估计的复模态变换233中产生与流经管道103A、103B的材料相关的过程参数比如质量流率、总的质量流率、速度等估计35。因为提供运动信息的位置数量超过分解运动13的力的数量，所以过程参数估计35在空间上积分。

附图3所示为超定过程参数估计器30的实例性的实施例。如图所示，复模态变换估计器232包括采样器332(例如采样保持器或类似的电路)和模拟数字转换器(A/D)334。采样器332和A/D334形成装置331，该装置331用于接收运动换能器的运动信号333、采样该运动信号333并从其中产生采样333，通过模拟数字转换器(A/D)334将该采样转换为数字信号值335。所示的采样器332和A/D334的技术细节可以通过在本领域中熟练技术人员公知的许多电路实现，在此不需要更详细地讨论。在本领域的熟练技术人员还会理解到在附图3中所示的接收装置331可以通过许多方式实现，包括附加式预采样抗混迭滤波、后采样滤波等。还应该理解的是通常在附图3中所示的接收装置331可以以专用硬件或在专用或通用数据处理设备上运行的微程序或软件或其组合实现。

复模态变换估计器232的一部分可以包含在计算机50例如微处理器、微控制器、数字信号处理器(DSP)等中。例如，计算机50可以包括例如专用于线性代数计算的流水线DSP，比如Texas Instruments Inc公司出售的TMS320C4X型DSP系列的DSP。设计适当的程序代码例如软件和/或微程序和数据并存储在例如存储媒体60(比如随机存取存储器(RAM)、电子可擦可编程序只读存贮器(EEPROM)、磁盘等)中，计算机50提供用于从数字值335中估计复模态变换233的复模态变换估计器232。

过程参数估计器234还可以在计算机50中实现。例如，以在计算机50上运行的软件或微程序实现，过程参数估计器234根据由复模态变换估计器232所产生的经计算的估计复模态变换233从已知的质量流量中计算过程参数的估计35，例如计算未知的质量流率。执行这些操作的装置、方法以及计算机程序产品的详细讨论参见前述专利申请“应用复模态估计的改进的质量流量测量方法、装置以及计算机程序产品”。

上文描述的复模态估计的空间积分技术同样适用于采用实模态估计的过程参数估计技术。与上文所描述的将管道运动分解成实部和虚部类似，将传感器管道的运动分解成许多实简正模态，例如分解成多重弯曲模式、扭曲模式等，这些模式表示管道运动为受到相应的力作用的许多单自由度(SDOF)系统的运动。通过与上文所描述的复模态估计的方法类似从在每个模式中的所分解的运动中可以产生过程参数估计。然后例如可以将在SDOF系统中的运动综合成一种加权组合以识别由在传感器管道中的运动的材料施加的科里奥利力，由此估计质量流量。应用常规的科里奥利测量技术的超定估计器

依据本发明的另一方面，如上所描述的空间积分的原理还可以结合常规的科里奥利测量技术。在附图4中示出了依据本发明的参数传感器5的实例性的实施例。参数传感器5包括许多运动换能器105A-105D，这些运动换能器105A-105D产生表示在管道103A、103B上的超定的许多位置上的运动的运动信号。在所示的实施例中，相应组113A、113B的运动换能器群集在u-形管道103A、103B上的相应位置上。

超定的过程参数估计器30包括多重信号组合装置423A、423B。由换能器组113A、113B所产生的输出信号输送到信号组合装置423A、423B中，在信号组合装置423A、423B中将这些信号组合以产生空间平均的运动信号433A、433B。装置434用于从空间平均的运动信号433A、433B产生过程参数的估计35，该装置比如可以应用在Smith的美国专利RE31,450、Zolock的美国专利4,879,911以及Zolock的美国专利5,231,884中所描述的科里奥利测量电路。

可以理解的是信号组合装置423A、423B和过程参数估计产生装置434通常可以以专用的硬件或在通用或专用的计算装置上运行的软件或微程序或其组合实现。例如，信号组合装置423A、423B可以包括能够产生表示输入信号的加权组合的输出信号的许多模拟组合电路中的任何一种组合电路，比如电阻器网络、加权加法放大器等。这些电路的运行方式对于在本领域的熟练技术人员来说都很熟悉，在此不需要详细地讨论。作为一种变型，信号组合装置和过程参数估计产生装置都可以在数字域实现，例如在计算装置比如微处理器、数字信号处理器(DSP)等中组合运动信号并产生过程参数估计例如计算相位差。在本领域的熟练技术人员还可以理解的是过程参数测量的空间积分还可以以除了在附图4中所示的成簇的方式以外的方式实施。例如，将许多换能器放在传感器管道103A、13B的周围并输出在常规的加权信号组合器或均衡器中组合的信号以产生可以用于进行科里奥利测量的一种或多种信号。

本发明的附图和说明书公开了本发明的实施例。虽然应用特定的术语，但仅在一般意义上使用它们，并不构成特定的限制。可以预计的是在本领域中熟练的技术人员可以制造、使用或销售在下文所附的权利要求的范围内的变型的实施例。

Claims (19)

1．一种用于材料处理系统(1)的过程参数传感器(5)，传感器(5)包括：

经配置包含来自材料处理系统的材料的管道(103A-103B)；

许多运动换能器(105A-105D)，这些运动换能器(105A-105D)产生表示在管道上的许多位置上的运动的许多运动信号，其中所说的位置的数量多于预定的力的数量以使许多运动信号形成用于将管道运动分解成由所说预定数量的力引起的运动的超定信息集，以及

超定的过程参数估计器(30)，该超定的过程参数估计器(30)接收所说的许多运动信号并将管道运动分解成由预定的许多力中的每种力所产生的运动并依据所分解的运动估计材料处理系统(1)的过程参数(35)。

2．依据权利要求1的传感器，其中所说的超定过程参数估计器(30)包括：

产生由科里奥利力产生的运动的估计的装置(434)；以及

响应由所说的科里奥利力的产生的运动估计从该运动估计中产生过程参数估计的装置(234)。

3．依据权利要求2的传感器，其中所说的产生所说的过程参数(35)的估计的装置(234)包括产生质量流量的估计的装置。

4．依据权利要求1的传感器，其中所说的超定过程参数估计器(30)包括：

组合一组运动信号以产生空间平均的运动信号的装置(423A-423B)；以及

响应所说组的运动信号组的组合从该空间平均的运动信号中产生过程参数估计的装置(434)。

5．依据权利要求4的传感器，其中所说的产生过程参数(35)的估计的装置(30)包括产生质量流量的估计的装置。

6．依据权利要求1的传感器：

其中所说的超定过程参数估计器(30)用于将所说的管道的运动分解成在许多实模式中的每种模式中的运动；以及

其中所说的许多运动换能器(105A-105D)用于产生表示在多于实模式数量的许多位置上的运动的许多运动信号以使许多运动信号产生用于在许多实模式中的每种模式中分解运动的超定信息源。

7．依据权利要求6的传感器，其中所说的超定过程参数估计器(30)包括：

产生由科里奥利力产生的模态运动的估计的装置(434)；以及

响应所产生的所说的模态运动的估计，用于从所说的模态运动的估计中产生所说的过程参数(35)的估计的装置(234)。

8．依据权利要求1的传感器：

其中所说的超定过程参数估计器(30)用于将所说的管道的运动分解成在一种复模式中的运动；以及

其中所说的许多运动换能器(105A-105D)用于产生许多运动信号，这些运动信号中相应的一个运动信号都表示响应激励在管道的相应的在空间上不同的位置上的运动，该位置的数量超过两个以使许多运动信号形成一种用于在该复模式中分解运动的超定信息源。

9．依据权利要求8的传感器，其中所说的超定过程参数估计器包括：

产生复模态变换(233)的估计的装置(232)；以及

响应产生的所说的复模态变换(233)的估计从该复模态变换的估计中产生过程参数(35)的估计的装置。

10．一种确定与在管道(103A-103B)中的材料相关的过程参数(35)的方法，该管道(103A-103B)包含有来自材料处理系统的材料，该方法包括如下的步骤：

当材料流经所说的管道时以驱动器(104)激励所说的管道(103A-103B)；

识别与所激励的管道(103A-103B)相关的许多力；

从与所说的管道(103A-103B)操作性相连的许多运动换能器(105A-105D)中产生许多运动信号，相应的一个运动信号表示响应该激励在管道的相应的在空间上分开的位置上的运动，该位置的数量超过所识别的力的数量以使许多运动信号表示将该管道的运动分解成由所识别的许多力中的每个力所引起的运动的超定信息源；以及

从这些许多运动信号中产生材料处理系统(1)的所说的过程参数(35)的估计。

11．依据权利要求10的方法，其中所说的产生的步骤包括产生由所识别的许多力引起的运动的估计的步骤。

12．依据权利要求11的方法，其中所说的产生运动的估计的步骤包括如下的步骤：

产生由科里奥利力所引起的运动的估计；以及

从由科里奥利力所引起的运动的估计中产生过程参数的估计。

13．依据权利要求13的方法，其中所说的产生过程参数的估计的步骤包括产生质量流量的估计的步骤。

14．依据权利要求10的方法，其中所说的产生过程参数的估计的步骤包括如下的步骤：

组合一组运动信号以产生空间平均的运动信号(433A-433B)；以及

从空间平均的运动信号中产生过程参数的估计。

15．依据权利要求14的方法，其中所说的产生过程参数的估计的步骤包括产生质量流量的估计的步骤。

16．依据权利要求10的方法：

其中所说的识别许多力的步骤包括识别许多实模式的步骤；以及

其中所说的产生许多运动信号的步骤包括产生表示在许多位置上的运动的许多运动信号的步骤，该位置的数量超过实模式的数量以使许多运动信号表示一种将管道运动分解成在许多实模式的每种模式中的运动的超定信息源。

17．依据权利要求16的方法，其中所说的产生过程参数的估计的步骤包括如下的步骤：

产生由科里奥利力引起的模态运动的估计；以及

从模态运动的估计中产生过程参数的估计。

18．依据权利要求10的方法：

其中所说的识别许多力的步骤包括识别一种复模式的步骤；以及

其中所说的产生许多运动信号的步骤包括产生表示在许多位置上的运动的许多运动信号的步骤，该位置的数量超过两个以使许多运动信号形成一种将管道运动分解成在该复模式中的运动的超定信息源。

19．依据权利要求18的方法，其中所说的产生过程参数的估计的步骤包括如下的步骤：

产生复模态变换的估计；以及

从该复模态变换的估计中产生过程参数的估计。

Images