一种中学物理实验中获得真空的系统及方法与流程

本发明属于真空技术领域，尤其涉及一种中学物理实验中获得真空的系统及方法。

背景技术：

真空是指在给定的空间内低于一个大气压力的气体状态；原本是指虚空，即一无所有的空间。工业和真空科学上的真空指的是，当容器中的压力低于大气压力时,把低于大气压力的部分叫做真空；空气是指地球大气层中的气体混合，空气属于混合物，它主要由氮气、氧气、稀有气体(氦、氖、氩、氪、氙、氡、氢)，二氧化碳以及其他物质(如水蒸气、杂质等)组合而成。然而，现有中学物理实验中获得真空过程中，通过电化学方法测量气体浓度的误差较大，紫外吸收法的光源稳定性不好，近红外光谱法多采用的单一波长的光源，很难对多种具有不同吸收峰的气体进行测量；同时，对获得真空设备故障诊断缺乏高效的方法，有的算法缺乏通用性，有的算法精度不高，难以满足需求。同时现有技术中中学物理实验利用的气压计，容易受到温度的影响，降低检测的精度；传统的算法在数据处理中陷入局部收敛，使在物理实验中不能获得可靠的真空数据，降低了工作的效率；现有技术中中学物理实验所用的处理系统，不能对数据进行有效的聚类挖掘，从而降低了系统运行的速度；现有技术中中学物理实验中利用真空度传感器检测容器内部的真空度时，采用传统的补偿算法对检测的真空度数值进行补偿，不能有效降低测量误差，降低了补偿精度，得不到可靠的检测数值，导致抽气泵容易损坏。

综上所述，现有技术存在的问题是：

(1)现有中学物理实验中获得真空过程中，通过电化学方法测量气体浓度的误差较大，紫外吸收法的光源稳定性不好，近红外光谱法多采用的单一波长的光源，很难对多种具有不同吸收峰的气体进行测量；同时，对获得真空设备故障诊断缺乏高效的方法，有的算法缺乏通用性，有的算法精度不高，难以满足需求。

(2)现有技术中中学物理实验利用的气压计，容易受到温度的影响，降低检测的精度；传统的算法在数据处理中陷入局部收敛，使在物理实验中不能获得可靠的真空数据，降低了工作的效率。

(3)现有技术中中学物理实验所用的处理系统，不能对数据进行有效的聚类挖掘，从而降低了系统运行的速度。

(4)现有技术中中学物理实验中利用真空度传感器检测容器内部的真空度时，采用传统的补偿算法对检测的真空度数值进行补偿，不能有效降低测量误差，降低了补偿精度，得不到可靠的检测数值，导致抽气泵容易损坏。

技术实现要素：

针对现有技术存在的问题，本发明提供了一种中学物理实验中获得真空的系统及方法。

本发明是这样实现的，一种中学物理实验中获得真空的方法，所述中学物理实验中获得真空的方法包括：

第一步，对中学物理实验中获得真空的相关设备进行供电；

第二步，控制抽气机抽取密封容器内的气体，在抽取的过程中，对密封容器内部的压力和气体浓度实时检测；

第三步，根据检测的数据，判断密封容器内部是否达到了真空的数值；

第四步，在获得真空的过程中，对抽真空设备随时的检测是否有设备故障的信息；

第五步，通过照明灯为获取真空操作提供照明，利用显示器显示压强、气体浓度和设备运行状态。

进一步，所述中学物理实验中获得真空的方法通过气压计检测密封容器压强数据，采用一种多种群协同进化的混合粒子群优化算法，具体包括以下步骤；

步骤一，设置最大迭代次数和适应度误差阈值，以及人工免疫优化算法、混沌搜索算法和子维进化粒子群优化算法；

步骤二，为混沌优化算法随机产生初始值ca，为人工免疫优化算法和粒子群算法分别随机生成n各初始值，分别为aai和pai，i＝0，1，...，n-1，其中n为种群的规模，三个算法分别由智能agent实现进化处理；

步骤三，三个算法独立进化，agent记录每种算法至今搜索到最优解；

步骤四，如满足算法终止条件，算法终止，否则继续；

步骤五，协同agent依次获取每个agent所保存的最优解并进行比较，获得当前最优解并保存。

步骤六，协同agent中保存的最优解将取代粒子群算法中的最优粒子，由粒子群算法在当前最优解附近进行搜索，跳转至步骤三。

进一步，所述中学物理实验中获得真空的方法通过单片机控制各个模块正常工作，采用谱聚类算法，具体包括以下步骤：

步骤一，计算邻接矩阵a∈r^n×n，其中

步骤二，构造矩阵其中d为对角矩阵，对角元素

步骤三，计算l的k个最大的特征值所对应的特征向量x1，x2，...，xk，构造x＝[x1，x2，...，xk]∈r^nxk；

步骤四，对x中的每一行进行单位化处理，得出矩阵y，即

步骤五，将y的每一行视为r^k空间的一个点，使用k-means算法或者也可以采用其他类型的聚类算法对其进行聚类；

步骤六，若y的第i行分配到第j类，则将原数据点si也分到第j类。

进一步，所述中学物理实验中获得真空的方法利用真空度传感器检测容器内部的真空度时，采用lssvm补偿算法对检测的真空度数值进行补偿，其具体算法如下：

式中，x为热偶规输出的电压信号；p为真空度；是核空间的映射函数，将输入数据映射到高维空间；b是偏差量；n为给定的样本数；

为使补偿模型对样本数据拟合的累计误差最小，lssvm采用下述代价函数：

式中c＞0为惩罚因子，ei为补偿误差，是补偿模型的输出，pi是补偿模型输出的期望值；

补偿模型可通过解式的最小值问题求得，上述最小值问题可用lagrange法求解：

式中，ω是权向量，b是偏差量；是核空间的映射函数，将输入数据映射到高维空间；

为使补偿模型对样本数据拟合的累计误差最小，lssvm采用下述代价函数；

对式中ω、b、e、a求偏导且令其等于0，消去ω和e，得到线性方程组：

由上式解出αi、b，得到lssvm补偿模型：

式中，函数是满足mercer条件的核函数，其核函数取径向基函数(rbf)：

k(xi)(x1)＝exp(-||x-xi||/σ)。

本发明的另一目的在于提供一种实现所述中学物理实验中获得真空的方法的中学物理实验中获得真空的系统，所述中学物理实验中获得真空的系统包括：

供电模块，与主控模块连接，用于为中学物理实验中获得真空的相关设备进行供电；

压强检测模块，与主控模块连接，用于通过气压计检测密封容器压强数据；

气体浓度检测模块，与主控模块连接，用于通过气体检测仪检测密封容器内气体浓度数据；

主控模块，与供电模块、压强检测模块、气体浓度检测模块、抽气模块、照明模块、设备故障诊断模块、显示模块连接，用于通过单片机控制各个模块正常工作；

抽气模块，与主控模块连接，用于通过抽气机抽取密封容器内的气体；

照明模块，与主控模块连接，用于通过照明灯为获取真空操作过程提供照明；

设备故障诊断模块，与主控模块连接，用于通过故障诊断电路诊断获得真空的相关设备故障信息；

显示模块，与主控模块连接，用于通过显示器显示压强、气体浓度数据。

本发明的优点及积极效果为：本发明通过气体浓度检测模块采用2.3μm～2.8μm连续可调单频光源，能够根据待测气体的最大吸收峰调解光源产生的光信号的波长，实现对多种具有不同吸收峰的气体进行测量；大大提高对气体浓度检测精度；同时，通过设备故障诊断模块采用组合分类方法实现了真空设备零部件故障的诊断，显著提高了故障诊断的精度。

本发明中压强检测模块通过气压计检测密封容器压强数据的过程中，采用一种多种群协同进化的混合粒子群优化算法，为了避免容易受到温度的影响，能有效提高检测的精度；同时避免传统的算法在数据处理中陷入局部收敛，使在物理实验中获得可靠的真空数据，提高工作的效率。

本发明中主控模块通过单片机控制各个模块正常工作的过程中，采用谱聚类算法对数据进行有效的聚类挖掘，从而能提高系统运行的速度。

本发明中抽气模块设置有真空度检测模块，真空度检测模块中利用真空度传感器检测容器内部的真空度时，采用lssvm补偿算法对检测的真空度数值进行补偿，能有效降低测量误差，提高补偿精度，得到可靠的检测数值，防止抽气泵损坏。

附图说明

图1是本发明实施例提供的中学物理实验中获得真空的方法流程图。

图2是本发明实施例提供的中学物理实验中获得真空的系统结构框图。

图2中：1、供电模块；2、压强检测模块；3、气体浓度检测模块；4、主控模块；5、抽气模块；6、照明模块；7、设备故障诊断模块；8、显示模块。

具体实施方式

为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。

下面结合附图对本发明的结构作详细的描述。

如图1所示，本发明提供的中学物理实验中获得真空的方法包括以下步骤：

s101：首先，对中学物理实验中获得真空的相关设备进行供电；

s102：控制抽气机抽取密封容器内的气体，在抽取的过程中，对密封容器内部的压力和气体浓度实时检测；

s103：根据检测的数据，判断密封容器内部是否达到了真空的数值；

s104；在获得真空的过程中，对抽真空设备随时的检测是否有设备故障的信息；

s105：通过照明灯为获取真空操作提供照明，利用显示器显示压强、气体浓度和设备运行状态等数据。

如图2所示，本发明实施例提供的中学物理实验中获得真空的系统包括：供电模块1、压强检测模块2、气体浓度检测模块3、主控模块4、抽气模块5、照明模块6、设备故障诊断模块7、显示模块8。

供电模块1，与主控模块4连接，用于为中学物理实验中获得真空的相关设备进行供电；

压强检测模块2，与主控模块4连接，用于通过气压计检测密封容器压强数据；

气体浓度检测模块3，与主控模块4连接，用于通过气体检测仪检测密封容器内气体浓度数据；

主控模块4，与供电模块1、压强检测模块2、气体浓度检测模块3、抽气模块5、照明模块6、设备故障诊断模块7、显示模块8连接，用于通过单片机控制各个模块正常工作；

抽气模块5，与主控模块4连接，用于通过抽气机抽取密封容器内的气体；

照明模块6，与主控模块4连接，用于通过照明灯为获取真空操作过程提供照明；

设备故障诊断模块7，与主控模块4连接，用于通过故障诊断电路诊断获得真空的相关设备故障信息；

显示模块8，与主控模块4连接，用于通过显示器显示压强、气体浓度数据。

所述压强检测模块2通过气压计检测密封容器压强数据的过程中，容易受到温度的影响，为了提高检测的精度，避免传统的算法在数据处理中陷入局部收敛，使在物理实验中获得可靠的真空数据，提高工作的效率，采用一种多种群协同进化的混合粒子群优化算法，具体包括以下步骤；

步骤一，设置最大迭代次数和适应度误差阈值，以及人工免疫优化算法、混沌搜索算法和子维进化粒子群优化算法；

步骤二，为混沌优化算法随机产生初始值ca，为人工免疫优化算法和粒子群算法分别随机生成n各初始值，分别为aai和pai，i＝0，1，...，n-1，其中n为种群的规模，三个算法分别由智能agent来实现进化处理；

步骤三，三个算法独立进化，agent记录每种算法至今搜索到最优解；

步骤四，如满足算法终止条件，算法终止，否则继续；

步骤五，协同agent依次获取每个agent所保存的最优解并进行比较，获得当前最优解并保存。

步骤六，协同agent中保存的最优解将取代粒子群算法中的最优粒子，由粒子群算法在当前最优解附近进行搜索，跳转至步骤三。

所述主控模块4通过单片机控制各个模块正常工作的过程中，为了提高系统运行的效率，需要对数据进行有效的聚类挖掘，采用谱聚类算法，具体包括以下步骤：

步骤一，计算邻接矩阵a∈r^n×n，其中

步骤二，构造矩阵其中d为对角矩阵，对角元素

步骤三，计算l的k个最大的特征值所对应的特征向量x1，x2，...，xk，构造x＝[x1，x2，...，xk]∈r^n×k；

步骤四，对x中的每一行进行单位化处理，得出矩阵y，即

步骤五，将y的每一行视为r^k空间的一个点，使用k-means算法或者也可以采用其他类型的聚类算法对其进行聚类；

步骤六，若y的第i行分配到第j类，则将原数据点si也分到第j类。

所述抽气模块5设置有真空度检测模块，真空度检测模块中利用真空度传感器检测容器内部的真空度时，为了有效降低测量误差，提高补偿精度，得到可靠的检测数值，为防止抽气泵损坏，采用lssvm补偿算法对检测的真空度数值进行补偿，其具体算法如下：

式中，x为热偶规输出的电压信号；p为真空度；是核空间的映射函数，将输入数据映射到高维空间；b是偏差量；n为给定的样本数；

为使补偿模型对样本数据拟合的累计误差最小，lssvm采用下述代价函数：

式中c＞0为惩罚因子，ei为补偿误差，是补偿模型的输出，pi是补偿模型输出的期望值；

补偿模型可通过解式的最小值问题求得，上述最小值问题可用lagrange法求解：

式中，ω是权向量，b是偏差量；是核空间的映射函数，将输入数据映射到高维空间；

为使补偿模型对样本数据拟合的累计误差最小，lssvm采用下述代价函数；

对式中ω、b、e、a求偏导且令其等于0，消去ω和e，得到线性方程组：

由上式解出αi、b，得到lssvm补偿模型：

式中，函数满足mercer条件的核函数，其核函数取径向基函数(rbf)：

k(xi)(x1)＝exp(-||x-xi||/σ)。

本发明提供的气体浓度检测模块3检测方法如下：

1)使光源产生与待测气体的吸收峰对应的光信号，所述光信号经准直透镜准直处理后垂直照射到样品池的入射光面上；

2)利用收集透镜收集从样品池出射的光信号，通过前置放大器对收集到的光信号进行放大处理、然后传递给探测器；

3)通过探测器将放大处理后的光信号转变为模拟电信号、数据采集卡将模拟电信号转换为数字信号，然后将转换后的数字信号传递给计算机系统进行数据采集、处理和显示；

其中，光源为2.3μm～2.8μm连续可调单频光源，通过调节光源中非线性晶体的温度可以调谐光源产生的光信号的波长；样品池中装有so2、h2s、co2、ch4四种气体中的任意一种或其组合。

本发明提供的步骤3)中进行数据采集、处理包括：

获取样品池厚度l、光源产生的光信号强度i0和从样品池出射的光信号强度i；

根据如下关系式确定待测气体的浓度；若i＝i0、或者根据如下关系式确定的待测气体的浓度为零，则表明样品池中不含有所述待测气体：

i＝i0×exp(-α(v)×c×l)

式中，α(v)为待测气体的吸收系数，单位为：cm^-1；c为样品池中待测气体的体积分数，单位为：％。

本发明提供的光源产生的光信号包括：与so2的吸收峰对应的2.76μm光信号、与h2s的吸收峰对应的2.67μm光信号、与co2的吸收峰对应的2.704μm光信号、与ch4的吸收峰对应的2.37μm光信号。

本发明提供的使光源产生与待测气体的吸收峰对应的光信号包括：

根据待测气体的吸收峰查询光信号的波长与光源晶体温度之间的映射关系，确定与待测气体的吸收峰对应的光源晶体温度；

将光源中非线性晶体的温度调节至所述光源晶体温度，使光源产生与待测气体的吸收峰对应的光信号。

本发明提供的设备故障诊断模块7诊断方法如下：

(1)利用信号分析方法提取传感器采集信号中包含的真空设备故障特征，并组成故障特征向量；

(2)利用故障特征向量离线训练故障诊断分类器，所述故障诊断分类器采用组合分类器，该组合分类器采用adaboost提升算法作为组合方法；

(3)运用训练好的故障诊断分类器实时进行真空设备的故障诊断。

本发明提供的训练和测试故障诊断分类器的步骤如下：

(a)数据集d包括d个数据组：(x1,y1),(x2,y2),…,(xd,yd)，其中，xj表示第j个故障特征向量，yj表示类标号，j＝1,2,…,d，对数据集d中的每个数据组的权重wj初始化为

(b)从数据集d中进行k轮有放回地抽样，得到训练集di，其中，di表示第i轮抽样得到的训练集，i＝1,2,…,k，k为组合分类器中基分类器的个数；

(c)根据训练集di得到对应的基分类器ti；

(d)计算ti的错误率error(ti)，当ti的错误率error(ti)超过预设阈值t时，丢弃训练集di，重新产生新的训练集di以及对应的新的基分类器ti；

(e)对于每个被正确分类的数据组，根据ti的错误率error(ti)更新权重wj，并对所有数据组的权重进行规范化，使得更新后的权重之和与更新前的权重之和相同；

(f)赋予每个基分类器ti的表决权重wi，ti的错误率error(ti)值越低，wi的值越高，得到包含k个基分类器的组合分类器；

(g)使用组合分类器对测试数据x分类，将所有类的权重wj初始化为0，从第一个基分类器开始，依次计算每个基分类器的分类结果，则每一个基分类器的输出结果如下：

ci＝wi·ti(x)

对于每个类别号，对将同一类别号分配给组合分类器的所有基分类器的输出结果ci求和，将求和值最大所对应的类别号作为返回的预测值。

以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。