一种非介入式压力测量方法

摘要

本发明一种非介入式压力测量方法，它包括五大步骤。步骤一：搭建实验平台；步骤二：收集实验数据，分别建立测试样本库和训练样本库；步骤三：训练网络模型；步骤四：测试网络模型；步骤五：压力在线测量。本发明基于电容法和数据融合，能消除环境温度等影响，提高了压力测量的准确性和可靠性，实现压力的非介入式测量，为小管径液压系统的在线压力测量提供一种新的方法。它在液压系统的压力测量技术领域里具有较好的实用价值和广阔的应用前景。

主权项

1.本发明一种非介入式压力测量方法，其特征在于：该方法具体步骤如下：步骤一：搭建实验平台；该平台由温度传感器，电容传感器，多路复用器，多路复用器1、2、3，可编程放大器，可编程电源1、2，电压频率转换器，数字信号处理器，放大电路、放大滤波电路、键盘显示器和串口组成，温度传感器连接多路复用器1，多路复用器1的输出经放大电路后输入到多路复用器3，电容传感器连接多路复用器2，多路复用器2的输出经可编程放大器后输入到多路复用器3，多路复用器3的输出经放大滤波电路后输入到电压频率转换器，电压频率转换器连接到数字信号处理器。数字信号处理器分别控制可编程电源1、2和多路复用器1、2、3，可编程电源1控制多路复用器1，可编程电源2控制多路复用器2，数字信号处理器分别输入到串口和键盘显示器；步骤二：收集实验数据即收集电容测量电路的输出电压和温度输出电压，分别建立测试样本库和训练样本库；分别选择不同温度并保持温度不变，压力从0Mpa开始，以1Mpa为间隔递增，最高加压到13Mpa，每个压力点采集100个值做为一个测量列，共14个测量列，并计算相应列的平均值；步骤三：训练网络模型；步骤二中建立的训练样本库中的训练样本被送入函数型连接神经网络即FLANN并计算相应的输出结果，接着，根据采用的学习算法计算FLANN的权值；当网络的输出误差达到预定最小值时，网络训练完成；相应的FLANN权值保存到DSP即数字信号处理器，用来测试所建数据融合模型的性能；为了消除冗余成分，加速收敛速度，神经网络输入输出数值应是归一化的数值，即在一1和1之间；为此，依据如下归一化公式实验数据进行归一化处理：${\bar{X}}_m=\frac{X_m-X_{\min }}{X_{\max }-X_{\min }},$${\bar{p}}_m=\frac{p_m-p_{\min }}{p_{\max }-p_{\min }}$式中：分别为第m个样本神经网络输入、输出归一化值；X_m，p_m分别为第m个样本的传感器输入、输出值；X_max，X_min分别为传感器输出最大、最小值；步骤四：测试网络模型；将步骤三保存到DSP的权值加载到FLANN网络模型中，步骤二中的测试样本库中的测试样本被送入FLANN网络模型并计算相应的压力预测值，如果预测值与预定值完全匹配，则认为所建的基于FLANN网络模型的数据融合模型完全正确；步骤五：压力在线测量；将步骤二中实时采集到的电容测量电路的输出电压和温度输出电压输入到步骤四中的FLANN网络模型，将步骤三保存到DSP的权值加载到FLANN网络模型中，该FLANN网络模型实时预测压力值的大小，从而实现压力在线测量。