RU2199089C1 - Способ коррекции статических характеристик измерительных преобразователей - Google Patents

Способ коррекции статических характеристик измерительных преобразователей Download PDF

Info

Publication number
RU2199089C1
RU2199089C1 RU2002109498A RU2002109498A RU2199089C1 RU 2199089 C1 RU2199089 C1 RU 2199089C1 RU 2002109498 A RU2002109498 A RU 2002109498A RU 2002109498 A RU2002109498 A RU 2002109498A RU 2199089 C1 RU2199089 C1 RU 2199089C1
Authority
RU
Russia
Prior art keywords
measuring
input
transducer
converter
quantities
Prior art date
Application number
RU2002109498A
Other languages
English (en)
Inventor
М.З. Асадуллин
Ф.М. Аминев
В.Ф. Галиакбаров
С.В. Емец
Ю.И. Зозуля
В.Д. Ковшов
Г.Е. Коробков
И.Н. Полищук
Н.М. Сибагатуллин
Р.В. Сухов
Original Assignee
ООО "НТ-Центр"
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ООО "НТ-Центр" filed Critical ООО "НТ-Центр"
Priority to RU2002109498A priority Critical patent/RU2199089C1/ru
Application granted granted Critical
Publication of RU2199089C1 publication Critical patent/RU2199089C1/ru

Links

Images

Landscapes

  • Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)

Abstract

Изобретение относится к измерительной технике. Способ включает получение значений выходных величин преобразователя при различных комбинациях входных величин и их обратное преобразование в оцениваемые значения входных величин с аппроксимацией передаточных функций преобразователя, а также измерение входных величин с помощью эталонных измерительных каналов. Отличие заключается в том, что аппроксимацию осуществляют в обучающей системе с помощью искусственной нейронной сети калибрующего блока. В блоке сравнения обучающей системы сравнивают оценки входных величин с измеренными в эталонных измерительных каналах на соответствие заданным требованиям к точности оценки входных величин и определяют с помощью искусственной нейронной сети блока настройки обучающей системы веса ошибок, полученных в окрестностях рабочих точек преобразователя по каждому измерительному каналу. С учетом весов ошибок регулируют активность нейронов скрытого слоя искусственной нейронной сети блока калибровочных функций обучающей системы, минимизируя функционал полной ошибки аппроксимации. Изобретение обеспечивает требуемую точность измерения во всем диапазоне измеряемых величин. 2 з.п. ф-лы, 2 ил.

Description

Изобретение относится к измерительной технике и может быть использовано для коррекции статических характеристик измерительных преобразователей, имеющих несколько измерительных каналов, обладающих сложными нелинейными функциями преобразования, которые зависят от нескольких измеряемых величин, выступающих в качестве влияющих факторов.
Известны способы коррекции статических характеристик измерительных преобразователей, у которых имеется несколько измерительных каналов, чувствительных к нескольким измеряемым величинам [1]. Компенсация влияния других, кроме основного, влияющих факторов на показания отдельного измерительного канала достигается путем измерения каждого дополнительного влияющего фактора с помощью отдельного датчика, воспринимающего только этот влияющий фактор, и последующей аддитивной и (или) мультипликативной коррекции его влияния как помехи. Данные способы коррекции просто автоматизируются, как правило, аппаратным путем, но являются узкодиапазонными и сложными в настройке.
Известен способ коррекции статических характеристик многоканальных измерительных преобразователей [2] , обеспечивающий линеаризацию характеристик каналов измерительного преобразователя и компенсацию влияния других, кроме основного, влияющих факторов на показания отдельного измерительного канала, который заключается в измерении значений выходных величин измерительного преобразователя при различных комбинациях его входных величин, контролируемых с помощью эталонных измерительных каналов, отборе по результатам измерений выборок данных и определении в ходе итеративного процесса поиска, путем графических построений, значений калибровочных (градуировочных) функций измерительных каналов во всех точках тестового эксперимента.
Множество представлений калибровочных функций измерительных каналов в виде таблиц используется в рамках данного способа для преобразования кодов выходных величин многоканального измерительного преобразователя в оцениваемые значения измеряемых входных величин. Это преобразование является обратным преобразованию, которое реализуется многоканальным измерительным преобразователем и описывается его математической моделью.
Данный способ коррекции, принятый за прототип, из-за использования графических построений является трудоемким и плохо автоматизируемым, а также не обеспечивает для измерительных преобразователей со сложными нелинейными функциями преобразования требуемой точности измерения во всех частях широкого диапазона измеряемых величин.
Изобретение решает задачу обеспечения условий для автоматизации, с помощью обучающихся систем на основе искусственных нейронных сетей, процедур коррекции статических характеристик многоканальных измерительных преобразователей со сложными нелинейными функциями преобразования с достижением требуемой точности измерения во всех частях широкого диапазона измеряемых величин.
Указанная задача решается тем, что в способе коррекции статических характеристик измерительных преобразователей, включающем измерения значений выходных величин измерительного преобразователя при различных комбинациях его входных величин, контролируемых с помощью эталонных измерительных каналов, согласно изобретению измеряемые входные величины преобразователя сравнивают в блоке сравнения обучающейся системы с оценками измеряемых величин, полученных с помощью искусственной нейронной сети на выходе блока калибрующих функций обучающейся системы на соответствие заданным требованиям к точности измерения входных величин преобразователя, определяют с помощью искусственной нейронной сети блока настройки обучающейся системы веса ошибок, полученных в окрестностях рабочих точек преобразователя, и с помощью весов ошибок регулируют активность нейронов скрытого слоя искусственной нейронной сети калибрующих функций обучающейся системы.
Сущность предлагаемого способа коррекции статических характеристик многоканальных измерительных преобразователей иллюстрируется фиг.1 и 2.
На фиг. 1, а в виде координатной сети (номограммы) графически представлена математическая модель сложной нелинейной векторной функции преобразования F= (f1,...,fn), реализуемой многоканальным измерительным преобразователем в окрестностях рабочих точек А и В:
y1=f1(x1,...,xn),...yn=fn(x1,...xn),
где (x1,...,xn)- вектор входных измеряемых преобразователем величин;
1,...уn) - вектор кодов выходных величин преобразователя.
На фиг.1, б в виде координатной сети в окрестностях рабочих точек А и В представлена математическая модель векторной функции преобразования G=(g1,.. .,gn), описывающей множество калибрующих функций,
Figure 00000002

где
Figure 00000003
- оценки измеряемых величин, полученные после коррекции статических характеристик преобразователя.
Множество статических характеристик (функций) многоканального преобразователя описывается в виде векторной функции
H=GF=(h1,...hn)
Figure 00000004

Процесс коррекции статических характеристик (функций) измерительного преобразователя может быть сведен к минимизации квадратических ошибок по каждому измерительному каналу в окрестностях всех рабочих точек преобразователя, т.е. к поиску минимума функционала полной ошибки:
Figure 00000005

где рij - вес ошибки, полученной в окрестности i -й рабочей точки по j-у каналу;
Figure 00000006
- значение j-й входной величины преобразователя, измеренной в его i-й рабочей точке путем контроля с помощью соответствующего эталонного измерительного канала.
На фиг.1,в и 2 показан пример реализации предлагаемого способа. Коды выходных величин многоканального измерительного преобразователя 1 поступают на входы обучающейся системы 2, включающей блоки калибрующих функций 3, настройки 4 и сравнения 5. В качестве блока калибрующих функций используется искусственная нейронная сеть с прямым распространением сигналов, а в качестве блока настройки - искусственная нейронная сеть с обратными связями.
В блоке сравнения происходит контроль точности измерения входных величин преобразователя, периодически измеряемых также с помощью эталонных измерительных каналов 6, путем сравнения их с оценками измеряемых величин на выходе блока калибрующих функций. Если ошибки, полученные при измерениях в окрестности i-й рабочей точки, не удовлетворяют заданным требованиям к точности измерения входных величин преобразователя, то с помощью сигнала 7 инициируется новый этап итеративного процесса обучения искусственной нейронной сети блока калибрующих функций 3. В качестве правила ее обучения используется модифицированное δ-правило, учитывающее вес ошибки рij, полученной в окрестности i-й рабочей точки по j-у каналу.
Вес ошибки рij определяется с помощью искусственной нейронной сети блока настройки 4, обладающей ассоциативной памятью и различающей окрестности разных рабочих точек многоканального измерительного преобразователя. С помощью весов ошибок рij регулируется активность нейронов скрытого слоя искусственной нейронной сети блока калибрующих функций 3.
Если после нового этапа обучения для отдельных измерительных каналов заданные требования 8 к точности измерения входных величин преобразователя выполняются, то их используют вместо эталонных измерительных каналов.
При наличии функциональных связей между измеряемыми величинами, например балансовых отношений между измеряемыми расходами потоков в узлах инженерной сети, в качестве дополнительных условий окончания процесса обучения искусственных нейронных сетей используют заданные требования 9 к известным функциональным связям между измеренными значениями. Это позволяет обнаружить и скомпенсировать дрейф нуля одних функционнально связанных измерительных каналов на основе других эталонных каналов преобразователя.По сравнению с полиномиальной аппроксимацией передаточных функций измерительных каналов, как принято в прототипе, предложенная нейросетевая аппроксимация с автоматической коррекцией статических характеристик каналов позволила существенно уменьшить полную ошибку аппроксимации и добиться требуемой точности измерения в окрестностях рабочих точек более широкого диапазона измеряемых величин. Достигнутое улучшение статических характеристик реализовано программным путем на базе нейроконтроллера и не потребовало никаких ручных операций.
Предлагаемый нейросетевой способ коррекции статических характеристик измерительных преобразователей может быть использован в различных отраслях промышленности, где выполняются совместные измерения нескольких физических величин. В частности, изобретение может найти применение при точном контроле распределений давления, расхода и температуры в магистральных трубопроводных системах транспорта газа, нефти и нефтепродуктов, а также в системах их сбора и распределения.
Преимуществами предложенного нейросетевого способа коррекции статических характеристик измерительных преобразователей являются возможность автоматизации их калибровки и поверки; возможность уменьшения полной ошибки аппроксимации с достижением требуемой точности измерения по каждому измерительному каналу в широком диапазоне измеряемых величин. Основное требование к каналам преобразователя - обеспечение относительной стабильности их передаточных функций во времени по сравнению с динамикой изменения совместно измеряемых физических величин, возможность автоматизации процедур калибровки и поверки преобразователей.
Источники информации
1. Левшина Е. С., Новицкий П.В. Электрические измерения физических величин. - Л.: Энергоиздат, 1983, с.103 и 104.
2. Патент 2130194(РФ) Способ коррекции статических характеристик измерительных преобразователей // Емец С.В. Опубл. Бюл. 13, 1999.

Claims (3)

1. Способ коррекции статических характеристик измерительных преобразователей, включающий получение значений выходных величин преобразователя при различных комбинациях входных величин и их обратное преобразование в оцениваемые значения входных величин с аппроксимацией передаточных функций преобразователя, а также измерение входных величин с помощью эталонных измерительных каналов, отличающийся тем, что аппроксимацию передаточных функций осуществляют в обучающей системе с помощью искусственной нейронной сети калибрующего блока, сравнивают в блоке сравнения обучающей системы оценки входных величин преобразователя с измеренными в эталонных измерительных каналах входными величинами на соответствие заданным требованиям к точности оценки входных величин, определяют с помощью искусственной нейронной сети блока настройки обучающей системы веса ошибок, полученных в окрестностях рабочих точек преобразователя по каждому измерительному каналу, и с учетом весов ошибок регулируют активность нейронов скрытого слоя искусственной нейронной сети блока калибровочных функций обучающей системы, минимизируя функционал полной ошибки аппроксимации.
2. Способ по п.1, отличающийся тем, что минимизацию функционала полной ошибки осуществляют с минимизацией квадратических ошибок по каждому измерительному каналу преобразователя в окрестностях всех рабочих точек, при этом полную ошибку Е определяют в соответствии с выражением
Figure 00000007

где рij - вес ошибки, полученной в окрестности i-й рабочей точки по j-у измерительному каналу преобразователя;
Figure 00000008
- значение j-й входной величины преобразователя, измеренной в его i-й рабочей точке с помощью соответствующего эталонного измерительного канала;
Figure 00000009
- оценка j-й входной величины преобразователя, полученной после коррекции его статической характеристики;
hj - статическая характеристика j-го измерительного канала преобразователя.
3. Способ по п.1 или 2, отличающийся тем, что при наличии ошибок в окрестности i-й рабочей точки j-го измерительного канала преобразователя, не удовлетворяющих заданным требованиям к точности оценки входных величин, инициируют новый этап итеративного процесса обучения искусственной нейронной сети блока калибровочных функций, при этом, если после нового этапа обучения для отдельных измерительных каналов заданные требования к точности выполняются, то эти оценки используют вместо входных величин, измеренных в эталонных измерительных каналах.
RU2002109498A 2002-04-11 2002-04-11 Способ коррекции статических характеристик измерительных преобразователей RU2199089C1 (ru)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2002109498A RU2199089C1 (ru) 2002-04-11 2002-04-11 Способ коррекции статических характеристик измерительных преобразователей

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2002109498A RU2199089C1 (ru) 2002-04-11 2002-04-11 Способ коррекции статических характеристик измерительных преобразователей

Publications (1)

Publication Number Publication Date
RU2199089C1 true RU2199089C1 (ru) 2003-02-20

Family

ID=20255570

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2002109498A RU2199089C1 (ru) 2002-04-11 2002-04-11 Способ коррекции статических характеристик измерительных преобразователей

Country Status (1)

Country Link
RU (1) RU2199089C1 (ru)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6806703B2 (en) * 2000-06-29 2004-10-19 Snecma Moteurs Method for measuring a wall thickness of a hollow vane
CN110070170A (zh) * 2019-05-23 2019-07-30 福州大学 基于mcu的pso-bp神经网络传感器校准系统及方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6806703B2 (en) * 2000-06-29 2004-10-19 Snecma Moteurs Method for measuring a wall thickness of a hollow vane
CN110070170A (zh) * 2019-05-23 2019-07-30 福州大学 基于mcu的pso-bp神经网络传感器校准系统及方法

Similar Documents

Publication Publication Date Title
US7532992B2 (en) Measuring apparatuses and methods of using them
CN108985373B (zh) 一种多传感器数据加权融合方法
CN112713881B (zh) 一种基于边缘计算的同步时钟维持系统与方法
CN115436572A (zh) 一种基于循环神经网络的传感器校准方法及装置
EP3244043B1 (en) Apparatus and method for controlling an egr valve
CN116519206A (zh) 基于深度学习的压力传感器校准系统及方法
CN105043433A (zh) 一种基于神经网络的光电编码器快速补偿方法
CN114329347B (zh) 一种电能表计量误差预测方法、装置及存储介质
RU2199089C1 (ru) Способ коррекции статических характеристик измерительных преобразователей
CN114264865A (zh) 一种电流采集装置在线自校准方法
CN110553631A (zh) 一种关于水位流量关系的水位测量系列误差分析方法
CN117782431A (zh) 基于边缘计算的压力变送器数据标定方法、装置及系统
CN116318449B (zh) 温度校准方法及装置
CN111351862A (zh) 一种超声测量较准方法及测厚方法
CN109581254B (zh) 相位偏差获取方法及系统、相位校准方法及系统
US20230266158A1 (en) Method and system for eccentric load error correction
CN111829638B (zh) 一种体重实时测量方法
CN112284366B (zh) 一种基于tg-lstm神经网络的偏振光罗盘航向角误差校正方法
RU2345328C1 (ru) Способ калибровки и коррекции результатов измерения многоканального измерительно-вычислительного комплекса
Hajiyev Innovation approach based measurement error self-correction in dynamic systems
CN113124908A (zh) 一种提高仪器测量精度的方法和系统
CN117685879B (zh) 一种全自动影像测量仪检测系统
Hajiyev Determination of optimum measurement points via A-optimality criterion for the calibration of measurement apparatus
CN115184859B (zh) 一种构建非视距传播场景下测距和测角误差消除方法
Jovanović et al. Sensor Calibration via Wireless Sensor Networks One Possible Approach

Legal Events

Date Code Title Description
MM4A The patent is invalid due to non-payment of fees

Effective date: 20080412