热流计校准装置及其温度控制系统研究

热流计校准装置及其温度控制系统研究

论文摘要

随着热能检测的逐步深入,作为热能检测中的关键器件热流计越来越受到人们的关注。热流计传感器的测量的准确性也越来越受到人们的重视。因此,开展热流计校准工作,研制热流计校准装置对于热能检测工作具有十分重要的意义。本文采用比较校准法设计了热流计校准装置。根据模糊控制原理和BP神经网络原理分别设计了模糊PID控制器和BP神经网络PID控制器,并在Matlab的Simulink下进行了不同控制方法的仿真对比实验。利用比较校准法设计了热流计校准装置,包括系统结构、信号调理电路、温度控制电路。以LabVIEW为平台,完成了包括数据采集与处理、数据的显示与存储,温度控制算法三个模块的热流计校准系统的软件设计。搭建了实验平台,并针对PID算法、模糊PID算法、BP神经网络PID算法进行了热板温度控制实验,为满足不同的热板温度控制性能需求提供了基础。本论文工作得到国家科技支撑计划重点项目(2009BAI71B06)和国家自然科学基金重大项目(61190124)的资助。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 课题研究的背景与意义
  • 1.2 国内外研究现状
  • 1.3 温度控制算法
  • 1.4 本论文的主要研究内容
  • 第二章 热流计校准装置硬件设计
  • 2.1 热流计校准
  • 2.1.1 绝对法校准
  • 2.1.2 比较法校准
  • 2.1.3 热流计校准系统框图
  • 2.2 热流发生装置
  • 2.2.1 系统结构示意图
  • 2.2.2 热板和冷板
  • 2.2.3 防护单元
  • 2.3 测温电路
  • 2.3.1 热电偶选型
  • 2.3.2 热电偶冷端补偿
  • 2.3.3 铜康铜 T 型热电偶温度调理电路
  • 2.4 温度控制电路
  • 2.4.1 热板电功率调节方式
  • 2.4.2 可控硅和 KY1‐E 型可控硅移相触发器
  • 2.5 本章小结
  • 第三章 温度控制算法研究及仿真分析
  • 3.1 PID 控制算法
  • 3.2 模糊 PID 控制器设计
  • 3.2.1 模糊 PID 参数调整规则
  • 3.2.2 模糊推理及去模糊化
  • 3.3 BP 神经网络 PID 控制器设计
  • 3.3.1 基于 BP 神经网络的 PID 控制器结构
  • 3.3.2 BP 神经网络 PID 控制器算法实现
  • 3.4 热板数学模型
  • 3.5 PID 参数的确定
  • 3.6 系统仿真分析
  • 3.6.1 MATLAB 软件简介
  • 3.6.2 Fuzzy 工具包和 S 函数
  • 3.6.3 基于 S 函数的 BP 神经网络 PID 软件实现
  • 3.6.4 基于 MATLAB 模糊 PID 控制系统
  • 3.6.5 不同控制方法仿真结果对比
  • 3.7 本章小结
  • 第四章 热板温度控制方法实现与实验结果分析
  • 4.1 热板温度控制软件总体设计
  • 4.1.1 LabVIEW 软件简介
  • 4.1.2 软件设计整体框图
  • 4.2 测量界面设计
  • 4.3 软件初始化子 VI 程序
  • 4.4 温度数据采集与处理程序
  • 4.4.1 PCI‐9111 数据采集方式
  • 4.4.2 数据采集与处理流程图
  • 4.4.3 数字低通滤波器
  • 4.4.4 热电偶分度表查询程序
  • 4.4.5 数据采集和处理程序框图
  • 4.5 控制子 VI 设计
  • 4.5.1 LabVIEW 模糊工具箱简介
  • 4.5.2 控制子 VI 程序流程图
  • 4.5.3 控制子 VI 程序设计
  • 4.6 数据存储与高温报警
  • 4.6.1 数据存储程序设计
  • 4.6.2 高温报警程序设计
  • 4.7 温度控制实验与结果
  • 4.8 本章小结
  • 第五章 总结与展望
  • 5.1 总结
  • 5.2 展望
  • 参考文献
  • 附录 1 基于 S 函数的 BP 神经网络 PID 程序
  • 附录 2 模糊 PID 程序
  • 附录 3 BP 神经网络 PID 程序
  • 附录 4 PID 程序
  • 致谢
  • 攻读硕士学位期间已发表或录用的论文
  • 相关论文文献

    • [1].基于优化神经网络的地质灾害监测预警仿真[J]. 计算机仿真 2019(11)
    • [2].基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J]. 轻工机械 2019(06)
    • [3].时频联合长时循环神经网络[J]. 计算机研究与发展 2019(12)
    • [4].几种典型卷积神经网络的权重分析与研究[J]. 青岛大学学报(自然科学版) 2019(04)
    • [5].基于GA-BP神经网络异纤分拣机检测参数优化[J]. 棉纺织技术 2020(01)
    • [6].基于集成神经网络的织物主观风格预测研究[J]. 纺织科技进展 2020(01)
    • [7].试析神经网络技术在机械工程中的应用及发展[J]. 网络安全技术与应用 2020(02)
    • [8].一种深度小波过程神经网络及在时变信号分类中的应用[J]. 软件 2020(02)
    • [9].不同结构深度神经网络的时间域航空电磁数据成像性能分析[J]. 世界地质 2020(01)
    • [10].基于深度神经网络的航班保障时间预测研究[J]. 系统仿真学报 2020(04)
    • [11].基于生成对抗网络和深度神经网络的武器系统效能评估[J]. 计算机应用与软件 2020(02)
    • [12].基于循环神经网络的双轴打捆机智能换挡策略研究[J]. 安徽工程大学学报 2020(01)
    • [13].基于图神经网络的实体对齐研究综述[J]. 现代计算机 2020(09)
    • [14].基于改进的循环神经网络深度学习跌倒检测算法[J]. 电脑编程技巧与维护 2020(03)
    • [15].神经网络探索物理问题[J]. 物理 2020(03)
    • [16].基于GA-BP神经网络的城市用水量预测[J]. 现代电子技术 2020(08)
    • [17].基于深度神经网络的药物蛋白虚拟筛选[J]. 软件工程 2020(05)
    • [18].基于轻量级神经网络的人群计数模型设计[J]. 无线电工程 2020(06)
    • [19].高效深度神经网络综述[J]. 电信科学 2020(04)
    • [20].含磁场耦合忆阻神经网络放电行为研究[J]. 广西师范大学学报(自然科学版) 2020(03)
    • [21].基于神经网络及特征运算的老年人平衡能力分析[J]. 重庆工商大学学报(自然科学版) 2020(04)
    • [22].神经网络技术在机械工程中的应用及发展探析[J]. 科技创新与应用 2020(18)
    • [23].基于竞争神经网络的变电站巡视周期分类[J]. 科技创新与应用 2020(18)
    • [24].基于双向循环神经网络的语音识别算法[J]. 电脑知识与技术 2020(10)
    • [25].结合相似日与改进神经网络的短期光伏发电预测[J]. 广西电业 2020(04)
    • [26].基于神经网络的流感大数据分析[J]. 中华医学图书情报杂志 2020(03)
    • [27].长短时记忆神经网络在地电场数据处理中的应用[J]. 地球物理学报 2020(08)
    • [28].基于门控循环单元神经网络的公交到站时间预测[J]. 南通大学学报(自然科学版) 2020(02)
    • [29].鼠脑神经网络的同步辐射3D成像研究[J]. 核技术 2020(07)
    • [30].基于长短记忆神经网络的短期光伏发电预测技术研究[J]. 华北电力大学学报(自然科学版) 2020(04)

    标签:;  ;  ;  ;  

    热流计校准装置及其温度控制系统研究
    下载Doc文档

    猜你喜欢