基于人工神经网络的温度预测在高压气密性检测中的应用研究

摘要

近年来，作为一项影响产品质量的重要技术指标，密封器件的气密性检测日益受到很多企业的关注。如果气密性不好而引起泄漏，那么会导致产品在使用中出现运行异常、效率降低等问题，严重的还会有生产安全、环境污染等隐患。由此可见，密封器件的气密性检测非常重要。气密性检测的方法多种多样，特别是随着现代科学技术的发展，现代智能检测技术在工业上得到应用，智能气密性检测仪器越来越多的被应用在航空、航天、汽车等零部件泄漏检测的工业现场中。随着相关研究的深入，大容积密封装置在高压力、宽温变状况下的气密性检测由于受现场很多因素影响等原因成为高精度气密性在线检测的一个难点。在影响高压气密性检测精度的众多因素中，温度因素是比较重要的。 本文正是在这样的背景下，针对工业现场实际情况，结合人工神经网络，提出了基于人工神经网络的温度预测模型，并将其应用到高压大容积气密性检测中去。文章首先介绍了常见气密性检测方法和原理，从中选用在线检测精度较高、实际应用方便的差压法气密性检测。其次，从其原理上分析了密封容器内温度对检测结果的影响，同时分析了实际检测中影响温度的因素。然后，介绍了人工神经网络技术，其中着重介绍了人工神经网络的预测模型以及BP网络的结构特点和相关算法，并具体阐述了利用BP网络建立温度预测模型过程中网络训练的问题。在以上理论分析的基础上，简要介绍了选用快速响应温度传感器的高压气密性检测平台的硬件实现和软件设计，同时讨论了在此平台上获得数据样本后BP网络预测模型的训练和验证。最后，对基于人工神经网络的温度预测在高压气密性检测中的应用研究进行了总结。

目录

文摘

英文文摘

声明

第1章绪论

1.1课题背景及其意义

1.2国内外研究现状

1.3研究重点

第2章气密性检测及温度影响

2.1气密性检测方法概述

2.2差压法气密性检测

2.2.1差压法气密性检测原理及气路结构

2.2.2差压法气密性检测工作过程

2.3气密性检测中的温度影响

2.3.1温度概述

2.3.2温度对检测结果的影响

2.4影响温度的因素

第3章基于人工神经网络的温度预测

3.1人工神经网络技术

3.1.1神经网络的定义

3.1.2人工神经网络的特点及分类

3.1.3人工神经网络的三要素

3.1.4 BP网络

3.2人工神经网络预测模型

3.3预测网络建立

3.3.1输入/输出向量设计

3.3.2 BP网络设计

3.3.3网络训练

第4章气密性检测平台硬件实现及软件设计

4.1系统的硬件实现

4.1.1温度采集模块

4.1.2绝压和差压采集模块

4.1.3 AD转换电路

4.2系统的软件设计

4.2.1检测过程软件设计

4.2.2热电偶冷端补偿的软件设计

4.2.3 BP网络软件设计

第5章实验结果与验证

5.1样本数据的获取

5.2 BP网络的训练

5.3实验验证

第6章总结与展望

6.1总结

6.2展望

参考文献

附录

致谢

在读期间发表的学术论文与取得的研究成果