Effect Factors on Measurement Precision of the Embedded Temperature Sensing Fabric

The embedded temperature sensing fabric was designed and woven according to the heat transmission model of the fabric.The temperature sensors were embedded into the multi-layered fabric that weft yarns were high-shrinkage polyester filaments.And the fabric was treated by a self-designed partial heat device,which can make the sensor be fixed in the fabric.The effects of yarn type,yarn linear density,fabric warp density,fabric structure,fabric layer numbers where the sensor is located,and the ambient temperature on the temperature measured value were investigated.The results demonstrated that when the higher thermal conductivity of yarns and lower density yarns were applied in the fabric as rawmaterials,they were favored to improve the measurement precision.Meanwhile,there were many factors that could make the measured values closer to the real value of the body,such as the plain fabric,the increased warp density of the fabric,the multiple-layer fabric where the sensor was located,the raised ambient testing temperature and the prolonged test time in the certain range.

Deep learning-assisted common temperature measurement based on visible light imaging

Real-time,contact-free temperature monitoring of low to medium range(30℃-150℃)has been extensively used in industry and agriculture,which is usually realized by costly infrared temperature detection methods.This paper proposes an alternative approach of extracting temperature information in real time from the visible light images of the monitoring target using a convolutional neural network(CNN).A mean-square error of<1.119℃was reached in the temperature measurements of low to medium range using the CNN and the visible light images.Imaging angle and imaging distance do not affect the temperature detection using visible optical images by the CNN.Moreover,the CNN has a certain illuminance generalization ability capable of detection temperature information from the images which were collected under different illuminance and were not used for training.Compared to the conventional machine learning algorithms mentioned in the recent literatures,this real-time,contact-free temperature measurement approach that does not require any further image processing operations facilitates temperature monitoring applications in the industrial and civil fields.

Flux-measuring approach of high temperature metal liquid based on BP neural networks

A soft-measuring approach is presented to measure the flux of liquid zinc with high temperature andcausticity. By constructing mathematical model based on neural networks, weighing the mass of liquid zinc, the fluxof liquid zinc is acquired indirectly, the measuring on line and flux control are realized. Simulation results and indus-trial practice demonstrate that the relative error between the estimated flux value and practical measured flux value islower than 1.5%, meeting the need of industrial process.

基于深度神经网络的SOFC电堆温度场建模

基于石英光纤温度传感器和直角坐标机械手,设计并搭建一种SOFC电堆温度场测量系统。然后应用上述系统测量模拟电堆的阴极气道温度数据。根据采集的数据,基于深度神经网络方法建立模拟电堆温度场模型,并与基于支持向量机方法的电堆温度场模型进行对比。结果显示:深度神经网络电堆温度场模型的训练时间更短,预测精度更高,其平均绝对误差和均方根误差分别为支持向量机电堆温度场模型的45.2%和47.4%,更有利于该文中电堆温度场建模。

Vertical-to-horizontal response spectral ratio for offshore ground motions:Analysis and simplified design equation

In order to study the differences in vertical component between onshore and offshore motions,the vertical-to-horizontal peak ground acceleration ratio(V/H PGA ratio) and vertical-to-horizontal response spectral ratio(V/H) were investigated using the ground motion recordings from the K-NET network and the seafloor earthquake measuring system(SEMS).The results indicate that the vertical component of offshore motions is lower than that of onshore motions.The V/H PGA ratio of acceleration time histories at offshore stations is about 50%of the ratio at onshore stations.The V/H for offshore ground motions is lower than that for onshore motions,especially for periods less than 0.8 s.Furthermore,based on the results in statistical analysis for offshore recordings in the K-NET,the simplified V/H design equations for offshore motions in minor and moderate earthquakes are proposed for seismic analysis of offshore structures.

大规模复杂终端网络的云原生强化设计

作为互联网数据传输的“最后一公里”,终端网络看似简单却构成99%的性能瓶颈.经典设计面向典型设备常规环境,难以兼顾多样化场景,导致严重性能落差.通过云端汇聚并深度诊断大规模终端网络异常,在可用、可靠、可信3个关键维度揭示经典设计多处重要缺陷,采用跨层跨代的协同强化方法针对性修复(如时变非齐次4G/5G双连接管理方法最小化断网概率),实现无场景预设的自调控机制设计.应用于公安部高速网络、1700万“测网速”app用户、七千万小米手机、一亿百度手机卫士用户以及九亿WiFi设备.近年来进一步开展基于云端模拟器的前瞻网络设计,无需真实用户设备参与即可发现并修复潜在缺陷,让终端网络设计“生于云、长于云”.研究成果应用于华为DevEco Studio集成开发环境、腾讯应用市场、谷歌安卓模拟器及字节跳动多款流行应用(如抖音和今日头条).

基于自适应小波回声神经网络的光纤陀螺测角仪温度误差补偿技术

基于光纤陀螺的测角仪可以实现对各项角运动参数的一体化动态精密测量,但在实际应用中,光纤陀螺测角仪受到温度变化的影响,导致测量精度下降。针对这一问题,本文提出了一种基于自适应小波回声神经网络的光纤陀螺测角仪温度误差补偿技术。为了提高温度误差建模的进度,提高传统神经网络的逼近能力,通过自适应前向线性预测滤波器对建模用测角仪温度漂移数据进行预处理,并采用自适应小波回声神经网络建立温度漂移模型,能够避免传统神经网络结构设计的盲目性和局部最优等问题,增强了网络学习能力和泛化能力,并利用自适应律代替神经网络梯度进行网络训练,提升神经网络的逼近精度和收敛速度。实验结果表明,该模型可以提高光纤陀螺测角仪的测量精度和环境适应性,为光纤陀螺测角仪的性能优化和实际应用提供了可靠的技术支撑。

油浸式变压器的全域热网络模型

热点温度是衡量变压器绝缘性能和安全裕度的重要指标,对其进行快速准确计算具有重要的意义。对油浸式变压器内部的产热和传热机理进行了分析,得到自然对流边界层中速度和温度分布与流体普朗特数Pr的关系,考虑到局部自然对流换热系数的沿程变化以及不同区域传热特性的差异,对油浸式变压器进行了分区分层处理。基于热电类比法定义了多种热阻类型,构建了油浸式变压器的全域热网络模型;通过有限元仿真对比了热网络模型的计算结果。二者所得绕组温度变化趋势相同,热点温度相差约1.9%,热点位置相差约7.7%。相比于有限元仿真,热网络模型在求解时间和效率上更有优势,能够实现油浸式变压器运行状态的在线监测、实时分析和动态评估。

燃煤机组过热汽温宽负荷模型前馈控制

为了对燃煤机组过热汽温宽负荷运行时进行更精确地前馈控制,提出一种基于物理引导神经网络(PGNN)的预测前馈信号模型,并基于间隙度量法确定了多模型的负荷段分配。多模型间隙度量PGNN预测方法采用多模型间隙度量方法对负荷区段进行合理划分,结合过热器机理引导的长短期记忆神经网络,可以对强耦合、大惯性的过热汽温宽负荷前馈信号进行精准预测。结果表明:在机组宽负荷运行时,随着负荷降低控制对象的非线性程度逐渐增强,需要更多的模型数量,采用多模型间隙度量PGNN前馈控制方法可以在不同工况下采用与当前工况相适应的前馈信号,有效提升过热汽温的调节精度和稳定性。

基于卷积神经网络的电力电缆分布式光纤温度传感系统降噪方法的研究

电力电缆沿线温度的实时在线监测能够有效避免电缆过热导致的安全事故发生,分布式光纤温度传感技术由于具有耐高温、灵敏度高和抗电磁干扰等优点在电缆温度监测中得到了广泛应用。然而对长距离的电力电缆进行分布式测温时,温度信号的信噪比随距离的增长而降低,影响电缆温度测量的准确度。针对此问题,本文设计了一种基于卷积神经网络的降噪方法,在大量先验数据的基础上对神经网络的参数进行优化更新,将其应用于长距离分布式测温信号进行噪声的滤除。实验结果表明,本文的消噪方法能够将长度为11 km的分布式测温信号的噪声水平从原始的±17.5℃抑制到±1℃内,有效抑制了噪声,提高了测温准确度。

基于激光诱导击穿光谱的瞬态温度测量方法

温度是影响材料力学性能的重要因素之一,准确测量器件温度是认识材料在应力作用下其力学性能演变以及评估设备健康状态和寿命的重要方式。面向功率器件开关过程中焊接界面快速温变测量的需求,传统方法存在时间分辨能力不足、难以测量瞬态温度的问题。文中基于激光诱导元素特征谱线强度与温度的密切相关性,提出了一种微秒量级时间分辨能力的表面温度测量方法,并建立了样品表面温度与光谱特性之间的定量关系。研究结果表明,物质表面温度提升导致激光诱导等离子体光谱强度和信噪比增强,且增强效果受到光谱采集延时和门宽影响。采用反向传播-人工神经网络(back propagation-artificial neural network,BP-ANN)和偏最小二乘(partial least squares,PLS)法对表面温度与光谱特性关系定量拟合并校准,拟合模型线性相关性拟合度指标均大于0.99。BP-ANN拟合模型的拟合偏差更小,其均方根误差(root mean squared error,RMSE)为2.582,正确率为98.3%。该方法为物体瞬态温度测量提供了一种有效手段,对功率器件焊接界面健康状态的评估给予了有力支撑。

基于视觉的智能测温软件系统设计与开发

以LF精炼炉的智能测温需求为背景,运用高温红外图像技术和西门子PLC设计一套智能测温装置,并对装置控制系统进行软硬件设计开发。采用模块化设计方法,利用Visual Studio 2017开发环境下的MFC框架开发了基于视觉的智能测温软件系统,优化了精炼过程中的测温工序,同时系统的远程控制与图像可视化大大提高了作业效率,降低了测温成本。测试结果表明,该系统能够满足LF精炼炉智能测温的功能需求,系统运行稳定,人机交互效果良好,可视化程度高,具有很高的实用性,对钢铁冶金行业在LF精炼炉测温环节的自动化和智能化提供了参考。

基于TOF的海潮高度在线测量系统设计

为提高现有的潮汐及水位仪器(如浮子式、超声波式、雷达式水位计)在线测量的实时性和稳定性,减小仪器的体积、成本和功耗,设计了一种基于TOF(Time of Flight,即飞行时间法)三维成像测距并结合XBEE MESH技术的无线网络测量系统。传感节点使用准直的850 nm红外LED发射光源,采用ARM+CPLD控制和提取EPC610 TOF成像芯片的有效测量数据并进行实时校正和计算,单个测量节点能实现1 m^7 m范围内误差±1.25 cm,测量速率为500次/秒的高速测量,其尺寸只有2.5 cm×2.5 cm大小。无线网络部分采用Peer-to-Peer MESH自组织网络结构,采用无线模块主动唤醒传感器,同步和异步休眠相结合的控制形式大大降低了功耗。

卷烟加热棒测温仪的设计和不确定度分析

针对烟草行业,目前尚未存在检测加热卷烟烟具加热温度及温度均匀性的检测装置和方法,为了解决在狭隘空间内对微型棒状加热片的测温需求,本文研制了一种卷烟加热棒测温仪,并设计了一种适用于卷烟加热棒测温的新型结构。为了验证卷烟加热棒测温仪测量结果的准确性与可靠性,对测温仪进行不确定度分析。分析结果依据《GB/T 13283-2008工业过程测量和控制用检测仪表和显示仪表精确度等级》标准,在量程为100℃~400℃,满足0.1级要求。最后实验验证可以有效测量不同烟支的加热温度场情况。

高温季节大坝混凝土仓面喷雾措施优选研究

高温季节浇筑仓喷雾措施受多种复杂因素影响,本文提出基于正交设计-现场试验-Attention-LSTM神经网络模型-GWO算法优化多目标规划方法进行高温季节混凝土仓面喷雾措施优选.首先采用正交设计构建不同喷雾因素组合工况;然后针对每个喷雾因素组合工况进行喷雾试验,监测获得喷雾区域内温度时空分布规律,将喷雾因素组合工况和相应的实测温度时空分布组成学习样本;进而对Attention-LSTM神经网络模型进行训练和检验,获得预测效果好的Attention-LSTM神经网络模型;最后根据设计确定喷雾降温效果评价指标建立多目标规划模型,通过GWO算法的快速寻优确定最佳喷雾措施.结合实际喷雾试验展示了本文所提仓面喷雾措施优选方法的可行性.

边角秩亏网测量方法研究

秩亏自由网平差是一种不设定任何起算数据,而是根据观测数据的冗余度和几何强度,自动确定平差基准的平差方法。它可有效地解决控制网中缺乏起算数据或者不想设定任何起算数据的问题,从而提高控制网的精度和效率。在使用已知起算数据进行一般间接平差处理数据时存在结果精度不均匀或不满足工程要求的问题,本文利用Python编程语言完成有已知起算数据的经典间接平差程序和无需已知起算数据的边角秩亏网平差程序,分别对CPIII网点进行两种不同的平差计算处理,通过对比两种平差结果比对,验证边角秩亏网精度的均匀性和在进行缺乏起算数据或者不想设定任何起算数据的测量问题处理时秩亏自由网平差方法使用的必要性。

基于不同平差软件的GNSS控制测量数据处理方法研究

以某工程场地控制测量项目为研究对象,通过对GNSS控制网布设方法进行优化设计,采用高质量独立基线构成项目GNSS控制网,利用三维无约束平差对观测基线进行粗差检验,保证基线质量。分别采用TBC和COSA 2种GNSS数据处理软件对GNSS控制网进行平差计算,验证了在相同观测数据、相同控制网形、相同起算数据的条件下,不同平差软件精度指标和解算结果会存在一定差异,但成果较差相对较小,故在GNSS控制测量过程中,可采用多种平差软件进行独立计算,成果互为验证,进一步保障控制测量成果的可靠性。

分布式多光谱高温计光学系统设计

多光谱辐射测温技术具有不干扰被测场、测量无上限以及响应速度快等优点,是高温测量领域的最有力工具之一。目前,多光谱高温计以点温测量为主,光路通过物镜、光阑、棱镜等光路通道将待测点辐射分光后进入探测器阵列,实现单点的多光谱信息采集。随着工业智能化程度的不断提高,更加需要实时获得大量的温度分布信息,如特种金属材料的冶炼过程、高温合金激光自动焊接过程、半导体晶体生长过程、火箭发动机尾喷焰温度诊断等领域都需要实时获得某条线乃至整个二维表面的温度,从而提高产品性能和质量,因此通过多光谱辐射测温技术测量待测表面某条线的温度分布十分重要。但是,简单将光阑变为狭缝,实现待测线表面的辐射经透镜、棱镜等传统光路分光后,由于光学系统球差的作用,会使得分光后的狭缝光谱由于离轴传输而呈现严重的弯曲现象,不利于矩形光电探测器阵列的完全接收。为此,提出基于正交柱状透镜组的多光谱线温光路系统,利用正交柱状透镜在不同位置成像可以实现由圆到椭圆再到直线的特殊作用,较好地解决了传统多光谱辐射高温计光路所存在的球差问题。利用ZEMAX光学设计软件,基于S4111-16Q的光电探测器阵列实际大小进行反向光学系统设计,确定了狭缝、物镜、棱镜、正交柱状透镜等光学器件关键的参数,基于这些参数所实际加工的光学器件,搭建了多光谱线温高温计光学系统,并进行了无正交柱状透镜和有正交柱状透镜成像情况下的对比实验,结果表明,在没有柱状透镜的情况下,狭缝成像明显弯曲,在加入正交柱状透镜的情况下,狭缝成像弯曲现象消失,经狭缝分光后的线光谱明显呈直线状态,这为整条线的光谱辐射信息完整进入各探测器阵列提供了技术支撑,从而为后续线温测量提供了有力的光谱辐射数据信息。

基于电感耦合互连的三维集成电路测试方法

电感耦合互连是一种用于三维芯片堆叠封装的无线互连技术。与硅通孔技术相比,它能以更高的灵活性和更低的成本提供芯片间的高带宽通信。然而,在基于电感耦合互连的多芯片堆叠系统中,由于没有物理连接,芯片的功能测试较为困难。为确保信号传输的正确性和稳定性,还需要对电感耦合信号的传输质量进行测试。本文提出了基于电感耦合互连的三维芯片系统测试方法,包括片内自测、芯片层级自排序、片间互测的自测试以及对电感耦合的传输功率进行自动调优。本方法提高了无线三维芯片的可测试性和可显现性,降低了三维芯片测试成本,并提高了测试效率。

基于RBF神经网络参数优化的电源柜热电偶温度测量校正研究

为提高电源柜温度测量精度,提出一种基于多通道高精度测量的电源柜温度校正方法。方法首先采用K均值聚类算法和人工鱼群优化算法优化径向基函数网络的最佳基函数中心和宽度,以及隐藏层与输出层的连接权值等参数,实现RBF神经网络的优化;然后将优化后的RBF网络应用于多通道高精度电源柜测温系统,实现测量电源柜温度的校正。仿真结果表明,所提方法可实现基于多通道高精度测量的电源柜温度非线性误差的校正,使测量的温度误差小于0.4℃;相较于标准RBF网络和BP神经网络,所提的方法具有更快的训练速度和更小的均方根误差,可用于对测温精度要求较高的测温环境。而本研究的创新点在于基于热电偶测量原理,实现了非线性温度变化的自适应补偿,提高了测量的精度。