变时间常数的钢水连续测温传感器滞后补偿研究

摘要

黑体空腔钢水连续测温系统以其成本低、高精度的优势，取代了消耗型快速热电偶间断式测量钢水温度。其内外两层套管的结构虽然能够有效地延长测温管寿命，但同时却带来了很大的热惯性，导致测温过程存在一定的滞后现象，产生动态误差，进而影响实际生产。
　　本论文以黑体空腔钢水连续测温传感器为研究对象，分析其测温过程中的动态特性以及影响其动态特性的各项因素。由于传感器结构、材料及传感器插入钢水深度等的不确定性、在线辨识困难等原因，得知黑体空腔钢水连续测温传感器无法建立相对准确的基于机理辨识的动态补偿模型，其每根管子的时间常数各不相同，同时随温度变化，所以其动态特性的时间常数为变时间常数，且动态特性是呈明显非线性。神经网络特别适合处理需同时地考虑多种因素以及条件不精确等信息的问题，进而建立了基于BP神经网络的动态补偿模型，近似传感器温升曲线的温度-导数拟合曲线近似线性来确定特征参数。但由于该规律并不适合于所有温升数据，导致补偿结果不稳定，因此在此基础上提出基于神经网络逆系统的动态补偿模型，该方法可以利用神经网络逼近传感器的逆系统，将其补偿成具有线性传递关系的系统，选择适当的训练样本及参数后对模型的训练、测试，选取训练结果好的训练权值建立基于神经网络的预测模型，并通过三层的滤波建立最终的黑体空腔连续测温传感器动态补偿模型。
　　通过对基于BP神经网络的动态补偿模型补偿结果统计分析得知，误差第一次达到±7℃时所用的补偿时间在90s内的数据平均可占总数据的80％，但补偿结果精度较不稳定;而基于神经网络逆系统的动态补偿模型补偿结果误差第一次达到±7℃时所用的补偿时间在90s内的数据占总数据的80％以上。

目录

声明

摘要

第一章 绪论

1．1 课题背景

1．2 研究的目的和意义

1．3 国内外传感器动态补偿的研究现状

1．3．1 温度传感器动态特性的研究

1．3．2 温度传感器动态补偿方法研究现状

1．4 本文研究内容

第二章 变时间常数温度测温传感器的机理建模分析

2．1 黑体空腔钢水连续测温系统介绍

2．1．1 系统组成

2．1．2 系统性能指标

2．1．3 传感器传热过程分析

2．2 基于机理建模的测温传感器动态特性分析

2．2．1 测温管传热模型建立

2．2．3 常物性传热模型时间常数推导

2．2．4 变物性传热模型时间常数推导

2．3 时间常数影响因素分析

2．4 变时间常数测温管的机理建模问题分析

2．5 本章小结

第三章 基于BP神经网络的温度传感器动态补偿模型

3．1 基于BP神经网络的温度传感器动态补偿方案设计

3．1．1 神经网络的基本原理

3．1．2 补偿方案设计

3．1．3 8P神经网络建模的流程

3．2 补偿模型建立

3．2．1 训练样本选择

3．2．2 补偿温度段划分

3．2．3 训练参数选择

3．2．4 激活函数和训练函数选择

3．2．5 网络训练权值的确定

3．2．6 BP神经网络的建立

3．3 补偿结果滤波处理

3．3．1 滤波实现过程

3．3．2 补偿结果分析

3．3．3 补偿模型问题分析

3．4 本章小结

第四章 基于神经网络逆系统方法的传感器动态补偿模型

4．1 神经网络逆系统方法

4．1．1 神经网络逆系统方法简介

4．1．2 神经网络逆系统结构

4．2 基于神经网络逆系统的动态补偿方案设计

4．2．1 传感器神经网络逆系统的实现

4．2．2 神经网络逆系统的训练方法

4．3 钢水连续测温传感器神经网络逆系统模型的建立

4．3．1 连续测温传感器神经网络逆系统模型的辨识

4．3．2 模型温度段划分及训练样本选择

4．3．3 训练参数选择

4．3．4 神经网络逆系统模型的训练

4．4 逆系统动态补偿结果分析

4．5 本章小结

第五章 总结与展望

5．1 结论

5．2 展望

参考文献

致谢