热电偶模型的非线性估计

　　1　引言

　　热电偶传感器是起源于十九世纪的热电效应理论在实际中的具体应用,它在温度测量中得到广泛的应用。热电偶具有结构简单、易于制造、使用方便和测量精度高等优点。由于热电偶传感器的体积小,可用于快速测温、点温测量和表面温度测量等。热电偶测温可靠、准确、便利,是采用接触式测温,只要热电偶测温端与测物之间具有良好的热接触,便可测出对象的真实温度。但热电偶传感器的输出一般是非线性的,这对于方便地获取测量对象实际测量温度值带来了一定的困难。目前解决的主要方法一是将热电偶传感器整个动态范围中的非线性热电曲线表存于ROM或EPROM中,采用查表匹配方式,根据热电偶的电势输出值,查表匹配来获得测量温度;二是利用D/A转换器进行非线性编码来完成转换。采用这些方法存在一定的局限性,当将非线性热电曲线写入ROM和EPROM之后,一般将难以改动,当外部环境变化,或热电偶本身发生变化,如氧化、还原、挥发等,这将影响热电偶的测量精度。特别是当由于种种原因系统需要更换新热电偶传感器时,则存储热电曲线数据的ROM或EPROM也必须加以更换。这在实际应用系统中,将带来很大的不便。

　　在文中,我们提出利用人工神经网络自适应方法对热电偶传感器逆热电特性模型进行辩识,可以根据传感器的实际变化,人为动态地修正热电偶传感器的逆热电特性模型,从而始终可以正确地通过逆热电模型来获得准确的测量温度。

　　2　热电偶传感器热电模型

　　热电偶的种类很多,有金属热电偶和非金属热电偶,它们的热电响应方程多数均匀非线性的。

　　根据国际实用温标IPTS-68 (75)对热电偶插补模型的定义,热电偶的热电响应方程可表达如下

式中　　　Et——热电偶的热电势输出

　　t——测量温度

　　a0,a1,…,an——热电偶传感器的模型系数实际使用时可根据系统精度要求来选择模型的阶数,一般可简化二次曲线方程

　　由于在实际应用中,我们一般是通过A/D采样来获取热电偶传感器的输出热电势值Et,然后将其转换为我们所需要的实际温度,因此实际上是要通过逆热电模型将热电势转换为温度值,所以我们可将热电模型改写为如下的二次曲线逆热电模型方程

　　这样我们的任务就简化变成为利用人工神经网络对系数b0,b1,b2进行动态辨识,以便获得正确的逆热电模型方程。

　　3　人工神经网络的推算法实现

　　考虑有I个输入模式{Xi},输入到热电偶传感器产生输出为{Yi},i= 0,1,…,I- 1。连接权系数用W表示,则输入输出关系可表示为以下矩阵形式