基于多温度传感器数据融合的微波加热测量系统及方法与流程

本发明属于温度测量技术领域，尤其涉及一种基于多温度传感器数据融合的微波加热测量系统及方法。

背景技术：

目前，业内常用的现有技术是这样的：

微波加热因其加热速度快、效率高以及无污染等优点已经广泛应用于食品、材料、化工以及医药等领域。但是，在微波加热过程中也不可避免的出现了加热不均匀等问题，其具体表现为：媒质的某些部位因温度过高进而被烧毁，而其他部位却始终达不到预期的温度。这严重制约了微波加热的进一步应用。因此，为了避免在微波加热过程中某些位置的媒质被烧毁的情况出现，必须测量和控制微波加热“热点”位置的温度。现有的控制方法一般是通过调节微波源的功率以实现控制光纤等传感器所在位置的温度。这意味着被控对象很可能不是“热点”的温度。这将导致虽然传感器位置的温度达到了目标温度，但媒质在“热点”处被烧毁，甚至引起烧毁反应器等重大安全事故。因此，为了测量被加热媒质的“热点”，往往需要使用价格非常昂贵的核磁共振设备对其温度进行成像，这极大的增加了系统的花费。

综上所述，现有技术存在的问题是：

由于不能对微波加热过程中的“热点”位置进行检测，通过调节微波源的功率以实现控制光纤等传感器所在位置的温度时，被控对象很可能不是“热点”的温度，在微波加热过程中容易造成某些位置的媒质被烧毁，甚至引起烧毁反应器等重大安全事故。

解决上述技术问题的难度和意义：

为了测量被加热媒质的“热点”，往往需要使用价格非常昂贵的核磁共振设备对其温度进行成像，其价格可能高达数十万元或数百万元，极大的增加了系统的花费。

利用测量若干个温度传感器随着时间变化的数据可有效测量出微波加热过程中“热点”的位置和温度，具有价格便宜、操作简单、精度高等优点。

技术实现要素：

针对现有技术存在的问题，本发明提供了一种基于多温度传感器数据融合的微波加热测量系统及方法。

本发明是这样实现的，一种基于多温度传感器数据融合的微波加热测量系统包括：微波反应器、被加热媒质、温度传感器、数据采集模块、计算机系统；

温度传感器设置有若干个，均放置在被加热媒质的外部或内部，温度传感器通过有线或无线方式与数据采集模块连接，数据采集模块与计算系统连接,计算系统为上位机、dsp、arm、fpga或plc中的一种。

进一步，温度传感器采用光纤温度传感器、红外温度传感器或热电偶温度传感器。

本发明的另一目的在于提供一种基于多温度传感器数据融合的微波加热测量方法，所述基于多温度传感器数据融合的微波加热测量方法包括以下步骤：

(1)在测量开始前，测量出被加热媒质的几何尺寸、密度、比热容、热传导率以及热传导过程的边界条件；被加热媒质可以为固体、液体或固液混合物，其形状可以为块状、圆柱状、球状、圆锥状等任意形状；

(2)根据稳态热传导方程计算出各个模式的本征值λp(p＝0,1,2,…)以及本征函数其计算方式为理论计算或数值计算，数值计算方法应包含有限差分法、有限元法以及有限体积法；

(3)当系统进行工作时，根据m个温度传感器在n个时间点内的数据进行融合，建立如下方程：

[s][a]＝[t]，(1)

其中

[a]＝[a0,a1,...,ap-1]^t，[t]＝[tm-1(tn-1),...,t1(tn-1),t0(tn-1),...,tm-1(t0),...,t1(t0),t0(t0)]^t；

在该方程中，为第i个传感器所测量的温度点的位置，ti(tj)为第i个温度传感器在第j个时刻的温度值；

(4)方程(1)一般为病态方程，因此在求解方程(1)时，需采用正则化方法，将方程(1)转化为如下等价形式：

[s]^t[s][a]＝[s]^t[t](2)

进一步等价于：

其中，α为正则化参数；该方程可以通过遗传算法、随机统计方法等算法进行求解；

(5)求得[a]后，可根据进一步求出热源，进而求出整个加热媒质的温度分布：

(6)根据公式(4)可计算出微波加热“热点”的位置以及温度值t。

综上所述，本发明的优点及积极效果为：

(1)本发明测量精度高。相比于传统方式中使用光纤或红外温度传感器只能测出传感器位置所在的温度以及物体表面的温度来说，本发明可通过多个传感器可直接测量出整个被加热媒质的温度分布进而计算出微波加热“热点”的位置和温度；

(2)本发明的制作成本低；其设备主要造价为温度传感器模块。例如，使用数根光纤温度计，该系统的价格仅为数万元。如使用红外温度传感器，本发明的价格可低至数千元。

附图说明

图1是本发明实施例提供的基于多温度传感器数据融合的微波加热测量系统结构示意图；

图中：1、微波反应器；2、被加热媒质；3、温度传感器；4、数据采集模块；5、计算系统。

图2是本发明实施例提供的基于多温度传感器数据融合的微波加热测量方法流程图；

图3是本发明实施例提供的长方体土豆中光纤温度传感器的探头位置分布示意图；

图4是本发明实施例提供的长方体土豆加热1000秒后温升分布图；

图中：(a)理论分布；(b)本发明的测量分布；

图5是本发明实施例提供的圆柱体土豆中光纤温度传感器的探头位置分布示意图；

图6是本发明实施例提供的圆柱体土豆加热1000秒后温升分布图；

图中：(a)理论分布；(b)本发明的测量分布；

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明实施例提供的基于多温度传感器数据融合的微波加热测量系统包括：微波反应器1、被加热媒质2、温度传感器3、数据采集模块4、计算系统5；

温度传感器3设置有若干个，均放置在被加热媒质2的外部或内部，温度传感器3通过有线或无线方式与数据采集模块4连接，数据采集模块4与计算系统5连接,计算系统5为上位机、dsp、arm、fpga或plc中的一种。

作为优选，温度传感器3采用光纤温度传感器、红外温度传感器或热电偶温度传感器。

如图2所示，本发明实施例提供的基于多温度传感器数据融合的微波加热测量方法包括以下步骤：

s101：在测量开始前，测量出被加热媒质的几何尺寸、密度、比热容、热传导率以及热传导过程的边界条件；

s102：根据稳态热传导方程计算出各个模式的本征值λp(p＝0,1,2,…)以及本征函数

s103：当系统进行工作时，根据m个温度传感器在n个时间点内的数据进行融合，建立计算方程[s][a]＝[t]；

s104：在求解s103中的计算方程时，采用正则化方法，将计算方程进行等价转化；

s105：求得[a]后，进一步求出热源，进而求出整个加热媒质的温度分布即可计算出“热点”的位置以及温度值t。

步骤102中，计算方式为理论计算或数值计算，数值计算方法应包含有限差分法、有限元法以及有限体积法；

步骤s103中，

[a]＝[a0，a1，…，ap-1]^t，[t]＝[tm-1(tn-1)，…，t1(tn-1)，t0(tn-1)，…，tm-1(t0)，…，t1(t0)，t0(t0)]^t

其中，为第i个传感器所测量的温度点的位置，ti(tj)为第i个温度传感器在第j个时刻的温度值；

步骤s104中，将计算方程进行等价转化为

[s]^t[s][a]＝[s]^t[t]

进一步等价于：

其中，α为正则化参数；该方程可以通过遗传算法、随机统计方法等算法进行求解。

实施例一：

将一尺寸为8.0cm×6.0cm×0.5cm的长方体土豆片放置于自制微波反应器中，并采用8根光纤温度传感器，其测量精度为±0.1℃，其光纤温度传感器的探头位置如图3所示。使用微波加热功率50w，加热时间为1000秒，其温升分布如图4所示。图(a)为理论分布，图(b)为本发明的测量结果。比较可知，根据本发明的方法测量结果，其微波加热“热点”位于土豆的左下角，温升约为26k，与图(a)中的理论结果符合得较好。

实施例二：

将半径为4.0cm高度为1.0cm的圆柱体土豆片放置于自制微波反应器中，并采用6根光纤温度传感器，其测量精度为±0.1℃，其光纤温度传感器的探头位置如图5所示。使用微波加热功率50w，加热时间为1000秒，其温升分布如图6所示。图(a)为理论分布，图(b)为本发明的测量结果。比较可知，根据本发明的方法测量结果，其“热点”位于圆柱体的中心，温升约为45k，与图(a)中的理论结果符合得较好。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改，等同替换和改进等，均应包含在本发明的保护范围之内。