基于神经网络软测量的动态流量测量方法研究

　　引言

　　随着现代流体传动与控制的发展, 在工业生产和过程控制中对流体动态流量准确测量的需求越来越迫切。但由于流体性质和流动状态的复杂性,以及流量计自身运动部件惯性的影响, 多数流量计都不能用于高频动态流量的测量。因此, 动态流量的测量成了测试系统完善和发展的制约因素。本文介绍了一种新的基于径向基函数 (Radial BasisFunction, 简称 RBF) 神经网络动态流量软测量模型, 该测量模型为动态流量的测量提供了一条新的途径。

　　1动态流量方程推导

　　结合实际条件, 我们以在圆形管道中流动的粘性流体为研究对象, 将它假设为加压导管中的定常不可压缩流。在研究流体的过程中, 常按流体的运动形式不同分为层流流动、湍流流动, 其中雷诺数是判断流动状态的一个重要参数。

　　1.1 层流流量方程

　　流体以层流形式运动时的速度型是一条抛物线[1], 它的方程是

　　将式(1)乘以微元面积 dA=2πrdr, 并将此式乘积从r=0 积分到 r=r0, 即可求得流量

　　式中, h_f为管道摩擦导致的压头损失; l 为管道长度;r0为管道半径; μ为绝对粘度或动力粘度; umax为管道中的最高速度, 即中心处的流速。

　　1.2 湍流流量方程

　　文献[2]中依据普朗特对管道中的湍流流动进行了分析, 结合大量的实验现象, 可知湍流的速度型与层流的速度型有很大差别。我们知道, 对于圆管中的层流流动来说, 速度分布为旋转抛物面; 而对于湍流, 其横向脉动造成了流层之间的动量交换, 因此, 管流中心的速度分布趋于均匀, 其速度方程为

　　同样将式(3)乘以微元面积 dA=2πrdr, 并将此式乘积从 r=0 积分到 r=r0, 即可求得流量Q

　　式中, hf为管道摩擦导致的压头损失; l 为管道长度;r0为管道半径; umax为管道中的最高速度, 即中心处的流速。

　　1.3 粘性流体在圆管中流量变化分析

　　以上对管道内粘性流体流动状态的分析中, 由式(2)和式(4)发现, 流量 Q 由流动的最高速度 umax、管道半径 r0、管道摩擦所导致的压头损失 hf, 以及管道长度 l, 还有重力加速度 g 和液体密度 ρ等来决定。其中管道的长度 l、内径r0以及重力加速度 g、流体密度 ρ等在实际工况下是固定值, 可视为常值。由此可以得出, 管道中的流量变化受到了流动的最高速度 umax和沿程摩擦损失 hf的影响。其中, 一定距离上的压差 Δp 值可以反映摩擦损失 hf的变化, 而最高速度 umax是管道中心线处的速度 uc。同时管道中流动现象无论是层流还是湍流均由雷诺数来决定,其中雷诺数会受到粘度大小的影响。我们知道, 粘度随温度的变化规律是[5]