基于自回归与长短期记忆网络混合模型的热电偶动态补偿方法研究

热电偶在动态温度测量时由于热惯性存在动态误差。为补偿热电偶的动态误差,提出一种基于自回归与长短期记忆网络混合模型的补偿算法。该算法通过自回归模型对热电偶动态响应进行辨识,再由长短期记忆网络作为非线性补偿器校正动态误差。采用不同强度的高斯白噪声模拟噪声环境,仿真构建热电偶模拟测量数据集。在模拟测量数据集上对算法做验证。计算结果表明,该算法在不同噪声环境下均能有效地减少动态误差。搭建热电偶动态温度测量实验平台,以K型镍铬/镍硅热电偶为实验对象,取得实验测量数据集。实验和计算结果表明,经算法补偿后的热电偶动态响应得到改善,平均动态误差为0.0028,标准差为0.0102。

热电偶动态响应的带外部输入自回归模型

热电偶测量动态温度受到热电偶自身动态特性的制约和影响。为了评价热电偶的动态特性,建立了一种双气流环境下的热电偶动态响应实验系统,测量热电偶在两种不同温度气流交替激励下的响应。由于激励温度本身也存在测量误差,当用回归方法分析热电偶响应过程时,响应过程构成了一种变量带误差问题。为了获得热电偶动态响应的无偏估计,建立了热电偶动态响应的状态空间方程,用随机扰动与确定性模型结合的方式描述热电偶动态响应过程,采用一种带外部输入自回归模型对响应过程进行辨识。以一种工业中常用的露端式镍铬镍硅热电偶为对象,给出了一个算例。实验和计算结果表明,带外部输入自回归模型适用于双气流环境下热电偶动态响应能力的评价。

基于卷积网络的双热电偶动态温度测量方法

为了提高动态温度测量的精度,提出了基于卷积网络的双热电偶动态温度测量方法。采用不同强度的高斯噪声,仿真获得两支时间常数互异的热电偶在高低温双温度源激励下的理论测量值。将理论测量值视为时间序列,采用卷积网络中的卷积神经网络和时间卷积网络对其进行建模,重建真实温度。计算结果表明,基于时间卷积网络的测量方法的均方根误差(RMSE)更小、拟合优度(R^(2))更大。以两支K型镍铬镍硅热电偶为对象,给出了一个算例,实验结果也表明,基于时间卷积网络的测量方法优于基于卷积神经网络的,该测量方法的RMSE为0.0284,R^(2)为0.9940。

搜于特的O2O

如果把微信公众平台比喻成一座金矿，能够马上意识到这是一个机会并且迅速找到属于自己掘金模式的公司并不多，搜于特服装股份有限公司（下称搜于特）足其中一个后续跟上的迟到肯，但未必不能成为最成功的一个。