一种科里奥利质量流量计驱动方法与流程

本发明涉及智能化仪器仪表领域，尤其是一种科里奥利质量流量计驱动方法。

背景技术：

科里奥利质量流量计是一种可直接对流体质量进行测量的振动管式流量计，对这种基于哥氏效应的质量流量计而言，高效、快速、稳定的驱动系统是其测量精度的重要保证，理想的驱动系统必须为振动管提供足够的驱动力，使振动管能够以其固有频率做恒幅周期性振动。

经典的模拟驱动方案包括振幅控制和频率控制两个部分，通常采用自动增益控制回路提供可变增益，产生随检测误差变化的校正电压，进而实现稳定的闭环振幅控制；采用锁相环或自激振荡系统的“选频”特性，实现对流量计振动管固有频率的跟踪。然而，在实际应用中，这种经典驱动方法却存在不可忽视的问题。一方面，制造缺陷、环境温度以及外部干扰将影响其谐振频率和振动幅度；另一方面，当流体处于两相流状态时，流动极其复杂，相界面的形状及其在两相流中的分布情况随流动过程不断变化，且阻尼急剧增大，导致自动增益控制回路不能提供足够大的增益维持流量管持续振动。

技术实现要素：

为了克服现有技术的不足，针对科里奥利质量流量计在温变环境中测量精度较低，以及两相流状态下振动管停振导致的流体质量测量失效问题，本发明提出了一种基于智能控制技术的科里奥利质量流量计模拟-数字驱动方法。

本发明解决其技术问题所采用的技术方案是通过以下步骤实现：

步骤1：根据科里奥利质量流量计振动管的动力学特性，给出其动力学方程：

其中，和x分别为振动管的振动加速度、速度和位移；m为振动系统的质量，c，k分别是振动管的阻尼系数和刚度系数，且c＝-2mξωn，ξ为阻尼比，ωn为固有频率，u为自适应神经网络滑模控制器，且u＝f，f为驱动线圈产生的静电驱动力；

由于制造缺陷、环境温度以及外部干扰的影响，科里奥利质量流量计振动管的动力学方程可进一步表示为

其中，δc、δk为制造缺陷和环境温度造成的未知的参数不确定，d(t)为外部干扰；

步骤2：定义制造缺陷、环境温度以及外部干扰造成的未知项动力学方程为

构造神经网络逼近得到

其中，xin是神经网络的输入向量，且为神经网络的权值矩阵；θ(·)：r²→r^m为输入的非线性函数，m为神经网络节点数，θ为基向量，其第i个元素由下述高斯函数计算得到，即：

其中，xmi，σi分别是公式(5)的高斯函数的中心和标准差，且

定义最优估计参数w^*为

其中，ψ是w的集合；

因此，动力学模型的未知项可表示为

其中，ε为神经网络的逼近误差；

未知项的估计误差为

其中，且为神经网络权值矩阵的估计误差，为的一阶导数，为的一阶导数；

步骤3：建立振动管动力学的参考模型为

其中，xm为参考振动信号，且xm＝amsin(ωxt)，am为参考振幅，ωx为参考角频率；为xm的二阶导数，

构建跟踪误差为

e＝x-xm(10)

采用线性滑模函数s为

其中，是e的一阶导数，β＞0；

对式(11)求导，有

其中，为的一阶导数，为s的一阶导数，为x的二阶导数；

当滑模趋近律为时，自适应神经网络滑模控制器为

其中，θ为θ(xin)的简写形式，其中ko＞0；

选取自适应律为

其中，r＞0；

步骤4：科里奥利质量流量计包括模拟部分、数字部分、驱动线圈、振动管和位移传感器，其中模拟部分中包括乘法器、自动增益控制和自激振荡，数字部分包括信号发生器和自适应神经网络滑模控制器，位移传感器检测质量流量计振动管的振动位移后，将该位移信号输入模拟部分，其中，自激振荡单元使位移信号的频率逐渐趋近于振动管的固有频率，直至达到共振，自动增益控制单元提供可变增益，使位移信号的振幅波动小于10％，自动增益控制单元输出的振幅与自激振荡单元输出的频率经过乘法器，生成模拟控制后振动管的振动信号，在数字部分，信号发生器依据理想恒定振幅和自激振荡单元输出的频率生成参考正弦信号，即式(10)，该参考信号与模拟控制后振动管的振动信号对比，产生误差信号，误差信号输入自适应神经网络滑模控制器，根据自适应神经网络滑模控制器式(13)和自适应律式(14)，得到施加在驱动线圈上的驱动力，该驱动力迫使振动管振动，进而实现科里奥利质量流量计振动管振动位移的振幅和频率闭环控制，即实现模拟-数字驱动控制，使流量计的温度误差得到修正。

本发明的有益效果为由于在传统模拟驱动控制方案的基础上，增加基于自适应神经网络滑模控制器的全数字振幅校正单元，解决了传统驱动控制方案振幅控制能力有限的技术问题，包括使流量计的温度误差得到修正，流体质量测量精度得到提高；在两相流状态下，使振动管做受迫运动，避免振动管“停振”导致的流体质量测量失效问题，大大改善科里奥利质量流量计的性能。

附图说明

图1是本发明可抑制温度误差且可应用于两相流状态的科里奥利质量流量计的模拟-数字驱动方案框图。

图2是本发明自适应神经网络滑模控制器的原理框图。

图3是本发明全数字振幅校正模块的功能框图。

图4是本发明温度升高3℃时，振动管的振动位移示意图。

图5是本发明两相流状态下的振动管位移示意图。

图6是本发明振幅校正后的振动管位移示意图。

具体实施方式

下面结合附图和实施例对本发明进一步说明。

本发明公开了一种基于智能控制技术的科里奥利质量流量计模拟-数字驱动方法，结合图1-6，具体实施分析如下：

步骤1：根据科里奥利质量流量计振动管的动力学特性，给出其动力学方程：

其中，和x分别为振动管的振动加速度、速度和位移；m为振动系统的质量，c，k分别是振动管的阻尼系数和刚度系数，且c＝-2mξωn，ξ为阻尼比，ωn为固有频率，本发明选取m＝5.5kg，ξ＝0.0005，ωn＝2π×100rad/s，其值与流量计的结构参数和动力学特性有关，u为自适应神经网络滑模控制器，且u＝f，f为驱动线圈产生的静电驱动力；

由于制造缺陷、环境温度以及外部干扰的影响，科里奥利质量流量计振动管的动力学方程可进一步表示为

其中，δc、δk为制造缺陷和环境温度造成的未知的参数不确定，d(t)为外部干扰；

步骤2：定义制造缺陷、环境温度以及外部干扰造成的未知项动力学方程为

构造神经网络逼近得到

其中，xin是神经网络的输入向量，且为神经网络的权值矩阵；θ(·)：r²→r^m为输入的非线性函数，m为神经网络节点数，本发明选取m＝10×10＝100；θ为基向量，其第i个元素由下述高斯函数计算得到，即：

其中，xmi，σi分别是公式(5)的高斯函数的中心和标准差，且其值在[-5050]×[-55]之间任意选取，另外σi＝1；

定义最优估计参数w^*为

其中，ψ是w的集合；

因此，动力学模型的未知项可表示为

其中，ε为神经网络的逼近误差；

未知项的估计误差为

其中，且为神经网络权值矩阵的估计误差，为的一阶导数，为的一阶导数；

步骤3：建立振动管动力学的参考模型为

其中，xm为参考振动信号，且xm＝amsin(ωxt)，am为参考振幅，ωx为参考角频率；为xm的二阶导数，本发明选取am＝5mm，ωx＝2π×100rad/s；

构建跟踪误差为

e＝x-xm(10)

采用线性滑模函数s为

其中，是e的一阶导数，β＞0；取β＝50；

对式(11)求导，有

其中，为的一阶导数，为s的一阶导数，为x的二阶导数；

当滑模趋近律为时，自适应神经网络滑模控制器为

其中，θ为θ(xin)的简写形式，ko＞0，本发明取ko＝10；

选取自适应律为

其中，r＞0，本发明取值为r＝0.001；

步骤4：科里奥利质量流量计包括模拟部分、数字部分、驱动线圈、振动管和位移传感器，参照图1，其中模拟部分中包括乘法器、自动增益控制和自激振荡，数字部分包括信号发生器和自适应神经网络滑模控制器，位移传感器检测质量流量计振动管的振动位移后，将该位移信号输入模拟部分，其中，自激振荡单元使位移信号的频率逐渐趋近于振动管的固有频率，直至达到共振，自动增益控制单元提供可变增益，使位移信号的振幅振幅波动小于10％，自动增益控制单元输出的振幅与自激振荡单元输出的频率经过乘法器，生成模拟控制后振动管的振动信号，在数字部分，信号发生器依据理想恒定振幅和自激振荡单元输出的频率生成参考正弦信号，即式(10)，该参考信号与模拟控制后振动管的振动信号对比，本发明的理想恒定振幅取5mm，产生误差信号，以减小该误差信号为目的，误差信号输入自适应神经网络滑模控制器，图2是自适应神经网络滑模控制器的原理框图，根据自适应神经网络滑模控制器式(13)和自适应律式(14)得到施加在驱动线圈上的驱动力，该驱动力迫使振动管振动，进而实现科里奥利质量流量计振动管振动位移的振幅和频率闭环控制，即实现模拟-数字驱动控制，使流量计的温度误差得到修正，流体质量测量精度得到提高，另外，在两相流状态下，使振动管做受迫运动，避免振动管“停振”导致的流体质量测量失效问题，大大改善了科里奥利质量流量计的性能。

如图3所示，当科里奥利质量流量计的工作环境温度变化导致振动管的刚度系数随之改变，振动管不能做恒幅正弦振动，从而降低流量计的测量精度时，本发明使流量计的温度误差得到修正，流体质量测量精度得到提高；当流量计内的流体含气量较高，即处于所谓两相流状态，阻尼急剧增大，自动增益控制回路不能提供足够增益维持振动管的振动时，本发明使振动管受迫振荡，避免停振现象。

图4显示了环境温度升高3℃，振动管振动幅值逐渐减小的过程；图5显示了流体含气量逐步增加，振动管位移急剧减小，出现振动管“停振”现象的过程。

在传统模拟驱动控制方案的基础上，增加基于自适应神经网络滑模控制器的全数字振幅校正单元，振动管振动位移如图6所示，对比图4和图5，振幅恒定，即温度误差得到修正，且避免了振动管“停振”现象。