Содержание к диссертации
Введение
1. Современное состояние проблемы снижения погрешностей многокомпонентных газоанализаторов 10
1.1 Обзор научных трудов, посвященных проблеме снижения погрешностей многокомпонентных газоанализаторов 10
1.1.1 Методы снижения погрешностей измерений при определении концентраций компонентов газовых смесей 10
1.1.2 Методы обработки сигналов датчиков в разрабатываемых многокомпонентных газоанализаторах 13
1.2 Характеристики промышленных многокомпонентных газоанализаторов и методы снижения их погрешностей 18
1.2.1 Характеристики промышленных отечественных и зарубежных многокомпонентных газоанализаторов 18
1.2.2 Сравнительный анализ характеристик промышленных газочувствительных датчиков и методы снижения их погрешностей 21
1.2.3 Методы снижения погрешностей промышленных многокомпонентных газоанализаторов 30
1.3 Выбор датчиков для разработки многокомпонентного газоанализатора с раздельным определением концентраций СО, СОо, Нг и Ог 32
1.4 Выводы 36
2. Математическое моделирование функций преобразования газочувствительных датчиков 38
2.1 Цель и предпосылки моделирования функций преобразования газочувствительных датчиков 38
2.2 Моделирование функции преобразования полупроводникового датчика монооксида углерода 40
2.2.1 Принцип действия и устройство полупроводникового датчика на основе оксида олова 40
2.2.2 Физико-химический механизм газовой чувствительности полупроводникового датчика 42
2.2.3 Построение функции преобразования полупроводникового датчика 46
2.2.4 Моделирование влияния интерферирующих газов на сопротивление датчика 48
2.2.5 Влияние температуры на сопротивление датчика 51
2.2.6 Проверка устойчивости и адекватности функции преобразования полупроводникового датчика СО 52
2.3 Моделирование функции преобразования каталитического датчика водорода 55
2.3.1 Проверка устойчивости и адекватности функции преобразования каталитического датчика водорода 64
2.4 Моделирование функции преобразования электрохимического (амперометрического) датчика кислорода 66
2.5 Моделирование функции преобразования оптического датчика углекислого газа 68
2.6 Выводы 73
3. Имитационное моделирование и оптимизация многокомпонентного газоанализатора 74
3.1 Виртуальный комплекс для оптимизации структуры и алгоритма обработки сигналов датчиков многокомпонентного газоанализатора 74
3.2 Выбор оптимальной структуры устройства обработки и исследование ИНС различных конфигураций
3.2.1 Исследуемые архитектуры нейронных сетей и методика их исследования 78
3.2.2 Многослойная нейронная сеть прямого распространения 80
3.2.3 Сети с радиальными базисными функциями RBF и сети Элмана 83
3.2.4 Сравнение результатов обучения ИНС различной архитектуры 85
3.2.5 Выбор методики обучения нейронной сети 86
3.3 Исследование альтернативных структур устройства обработки сигналов датчиков 88
3.3.1 Возможные альтернативные варианты 88
3.3.2 Специализированные ИНС 88
3.3.3 Выбор оптимальной структуры устройства обработки сигналов датчиков 90
3.4 Исследование эффективности устройства обработки многокомпонентного
газоанализатора 93
3.4.1 Методика исследования эффективности 93
3.4.2 Эффективность подавления влияния мешающих факторов при измерении концентрации угарного газа 94
3.4.3 Эффективность подавления влияния мешающих факторов устройством обработки
на основе ИНС при определении концентрации водорода 97
3.4.4 Эффективность подавления влияния мешающих факторов с помощью устройства обработки на основе ИНС при определении концентрации углекислого газа 100
3.4.5 Сравнение погрешностей измерений концентраций газов многокомпонентным газоанализатором с погрешностями самих используемых датчиков при одновременном воздействии всех мешающих факторов 102
3.5 Оценка устойчивости устройства обработки сигналов датчиков многокомпонентного газоанализатора на основе ИНС 104
3.6 Выводы 107
4. Реализация многокомпонентных газоанализаторов и средства поддержки жизненного цикла 109
4.1 Многокомпонентный газоанализатор для систем жизнеобеспечения 109
4.1.1 Структурная схема газоанализатора 109
4.1.2 Исследование режимов работы каталитического датчика 113
4.1.3 Ослабление влияния температуры среды на полупроводниковый датчик угарного газа 119
4.2 Метод калибровки многокомпонентного газоанализатора при деградации и замене
датчиков 120
4.2.1 Оценка погрешностей устройства обработки на основе ИНС при отклонении характеристик преобразования датчиков от стандартных, использованных при обучении ИНС 120
4.2.2 Метод калибровки многокомпонентного газоанализатора при деградации и замене датчиков 121
4.2.3 Оценка эффективности применения корректирующей модели 122
4.3 Программная реализация комплекса для оптимизации структуры и алгоритма обработки сигналов датчиков многокомпонентного газоанализатора 123
4.4 Испытательная газосмесительная установка для исследований характеристик газочувствительных датчиков и калибровки многокомпонентных газоанализаторов 125
4.5 Выводы 130
Заключение 132
Список литературы
- Методы снижения погрешностей измерений при определении концентраций компонентов газовых смесей
- Моделирование функции преобразования полупроводникового датчика монооксида углерода
- Выбор оптимальной структуры устройства обработки и исследование ИНС различных конфигураций
- Оценка погрешностей устройства обработки на основе ИНС при отклонении характеристик преобразования датчиков от стандартных, использованных при обучении ИНС
Введение к работе
Актуальность работы. Потребности промышленности, решение задач жизнеобеспечения ответственных объектов, включая подземные сооружения, подводные и надводные корабли, защиты окружающей среды приводят к необходимости совершенствования технической базы систем контроля воздушной и газовой среды. Контроль параметров воздушной среды на таких объектах осуществляется с помощью многокомпонентных газоанализаторов, позволяющих одновременно контролировать концентрации сразу нескольких газов. Относительно высокая погрешность измерения концентраций газов ограничивает область их применения. Для снижения погрешности, связанной с перекрестной чувствительностью газоанализаторов, используются высокоселективные электрохимические и оптические датчики.
Но им свойственны низкое быстродействие, чувствительность к вариациям давления и температуры окружающей среды, высокая стоимость. Электрохимические датчики дополнительно имеют малый срок службы и высокую нестабильность характеристик.
Отмеченные недостатки существенным образом снижают эффективность многокомпонентных газоанализаторов. Так, малый срок службы не допустим в экстремальных условиях эксплуатации (например, на подводных лодках и надводных кораблях), высокая нестабильность критична для систем управления и защиты ядерных объектов (например, на АЭС). Низкое быстродействие недопустимо при контроле быстропротекающих технологических процессов (например, при оценке состояния взрывоопасных смесей), чувствительность к вариациям давления и температуры окружающей среды приводит к дополнительным погрешностям измерения концентрации газов, а высокая стоимость значительно ограничивает область применения.
Газочувствительные датчики полупроводникового и каталитического типов имеют малое время отклика, большой срок службы, низкую стоимость и не являются перспективными для применения из-за низкой селективности. Общим недостатком таких датчиков является чувствительность к влиянию факторов окружающей среды, таких как температура, давление и влажность.
Признано, что для повышения селективности эффективно применение аппарата искусственных нейронных сетей (профессор Борисов И. А., 2002, профессор Шапошник А. В., 2005, профессор Замятин Н. В., 2007, профессор Сысоев В. В., 2009, профессор Калач А. В., 2009).
Для снижения чувствительности многокомпонентных газоанализаторов к факторам окружающей среды используют технологические и технические решения: пробоподготовку газовой смеси, методы температурной компенсации газочувствительных датчиков, импульсный режим нагрева газочувствительных датчиков для снижения влияния влажности.
При этом аппарат нейронных сетей используется в основном для решения вопросов распознавания состава газовых смесей, а при количественном анализе газовых смесей не учитывается влияние факторов окружающей среды, что вносит значительные погрешности при совместной обработке сигналов газочувствительных датчиков. Технологические решения не обеспечивают требуемый уровень погрешностей, обусловленных влиянием факторов окружающей среды, и сильно увеличивают время реакции газоанализаторов.
Для решения широкого класса задач (контроля содержания вредных веществ в воздухе рабочей зоны химических предприятий, предприятий нефтегазовой промышленности, контроль параметров воздушной среды на предприятиях атомной промышленности и подводных лодках, контроля и автоматизации технологических процессов, раннее обнаружение пожаров и т. п.) требуется обеспечивать не столько распознавание газовых смесей, сколько определение концентраций компонентов.
Отсюда следует актуальность создания многокомпонентных газоанализаторов на основе нейронных сетей, обеспечивающих одновременное проведение количественного анализа для установления концентраций компонентов, повышение селективности и снижение чувствительности к факторам окружающей среды.
Объектом исследования являются структуры многокомпонентных газоанализаторов .
Предмет исследования - модели, методы и алгоритмы определения концентраций газов в смесях.
Целью работы является снижения погрешностей измерений при определении концентраций газов в многокомпонентных газоанализаторах при воздействии температуры, влажности, давления, при наличии перекрестной чувствительности к газам.
Для достижения поставленной цели сформулированы следующие задачи:
-
Оценка современного состояния проблемы снижения погрешностей измерений при определении концентраций газов многокомпонентными газоанализаторами и воздействии температуры, влажности и давления при наличии перекрестной чувствительности к газам.
-
Разработка математической модели процессов преобразования в газочувствительных датчиках.
-
Обоснование выбора аппарата искусственных нейронных сетей как формальной модели для определения концентрации газов при воздействии внешних возмущающих факторов.
-
Разработка структуры многокомпонентного газоанализатора, обеспечивающей низкие погрешности измерения.
-
Создание программно-аппаратного комплекса для оптимизации структуры многокомпонентного газоанализатора.
Методы исследования. При разработке функций преобразования полупроводникового и каталитического датчиков использовались электронная теория хемосорбции на поверхности полупроводников, адсорбционная теория гетерогенного катализа и теория электрических цепей. В работе использовались искусственные нейронные сети из нейробиологической теории, имитационное моделирование, численные методы моделирования, теория измерительных систем (методы последовательного преобразования сигналов и мостовых схем) и методы автоматизированного проектирования их элементов.
Достоверность и обоснованность результатов исследования подтверждается: корректным использованием существующих теоретических методов исследования, соответствием расчетных и экспериментальных (приводимых изготовителем датчиков) результатов и поэлементным тестированием создаваемой системы.
Научная новизна заключается в следующем:
-
-
Предложена функция преобразования полупроводникового датчика угарного газа, базирующаяся на физико-химических закономерностях, лежащих в основе его принципа действия, отличающаяся комплексным учётом влияния основных воздействующих факторов окружающей среды, таких как давление, температура и влажность, а также перекрестной чувствительности к мешающему газу водороду.
-
Предложена функция преобразования каталитического датчика водорода, базирующаяся на физико-химических закономерностях, лежащих в основе его принципа действия, отличающаяся комплексным учётом влияния основных воздействующих факторов окружающей среды, таких как давление и температура, перекрестной чувствительности к мешающему угарному газу, а также взаимного влияния электрически нагруженных активного и пассивного элементов датчика и нелинейности мостовой схемы.
-
Использована нейронная многослойная сеть прямого распространения, отличающаяся наличием двух видов обработки выходных сигналов датчиков, обладающих взаимной перекрестной чувствительностью, и селективных датчиков для понижения погрешностей определения концентрации газов при воздействии внешних возмущающих факторов.
-
Дополнен процесс обработки сигналов датчиков каналом вычисления концентрации кислорода методом линейного преобразования исходных сигналов.
-
Предложен метод обучения, входящих в состав многокомпонентного газоанализатора нейронных сетей, основанный на принципе обучения с учителем, отличающийся использованием результатов имитационного моделирования концентраций газов и соответствующих им выходных сигналов датчиков с учетом воздействия внешних возмущающих факторов, позволяющий снять ограничения по использованию нейронных сетей для обработки сигналов датчиков в многокомпонентных газоанализаторах, связанные с необходимостью проведения значительного числа экспериментов.
Положения, выносимые на защиту: на защиту выносятся положения, составляющие научную новизну диссертационного исследования.
Практическая ценность работы состоит в следующем:
-
-
-
Получены функции преобразования газочувствительных датчиков полупроводникового и каталитического типов, базирующиеся на физико- химических закономерностях, лежащих в основе их принципа действия, и учитывающие влияние внешних возмущающих факторов.
-
Предложена структура и разработан программно-аппаратный комплекс для оптимизации структуры многокомпонентных газоанализаторов на основе нейронных сетей (свидетельство о государственной регистрации программы для ЭВМ № 2012614022).
-
Предложены измерительные схемы каталитического и полупроводникового газочувствительных датчиков, позволяющие уменьшить погрешности от влияния температуры окружающей среды.
-
Проведена разработка схемотехники многокомпонентного газоанализатора для системы контроля параметров воздушной среды.
-
Разработано устройство (патент РФ № 2446005) газосмесительной установки для исследований характеристик газочувствительных датчиков и калибровки многокомпонентных газоанализаторов, отличающееся использованием компенсационной камеры и дифференциального манометра, что позволяет повысить точность приготовления образцовых газовых смесей при экономии расхода исходных чистых газов.
Реализация результатов работы. Результаты диссертационной работы нашли применение в учебном процессе федерального государственного бюджетного образовательного учреждения «Юго-Западный государственный университет» на кафедре «Конструирования и технологии электронных вычислительных средств», а также использованы при проектировании нового поколения газоанализаторов, входящих в систему контроля параметров воздушной среды (СКПВС), и в создаваемой в ОАО «Курский завод «МАЯК» газосмесительной установке для испытания газоанализаторов.
Апробация результатов работы проводилась на научных конференциях: Региональной конференции «Инновационные научно-технические разработки и направления их реализации. Инновация - 2010» (Курск, 2010 г.), 2-й Международной научно-технической конференции «Информационно- измерительные диагностические и управляющие системы. Диагностика - 2011» (Курск, 2011 г.), Всероссийской научно-технической конференции «Интеллектуальные и информационные системы» (Тула, 2011 г.), 1-й Международной научно-практической конференции «Инновационные информационные технологии» (Прага, 2012 г.), Международной заочной научно- практической конференции «Актуальные проблемы науки и образования: прошлое, настоящее, будущее» (Тамбов, 2012 г.).
Публикации. Основные положения и результаты диссертационной работы отражены в 12 публикациях, из которых 5 опубликованы в изданиях, рекомендуемых перечнем ВАК, в патенте на изобретение и свидетельстве о государственной регистрации программы для ЭВМ.
Структура и объем работы. Диссертация состоит из введения, четырех глав и заключения, изложенных на 133 страницах машинописного текста, содержит 49 рисунков, 17 таблиц, список литературы из 132 наименований и 4 приложений объемом 12 страниц. Общий объем 159 страниц.
Методы снижения погрешностей измерений при определении концентраций компонентов газовых смесей
В настоящее время для экологического мониторинга промышленных и жилых зон, решения задач обеспечения жизнедеятельности персонала ответственных объектов используются автоматические многокомпонентные газоанализаторы, замещающие собой высокоточные, но громоздкие и дорогостоящие классические газоаналитические системы (хроматографы, спектрометры), основным конструктивным элементом которых являются газочувствительные датчики. Для решения широкого класса задач (контроль содержания вредных веществ в воздухе рабочей зоны химических предприятий, переработка газа и нефти, контроль и автоматизация технологических процессов, раннее обнаружение пожаров, контроль параметров воздушной среды на предприятиях атомной промышленности и подводных лодках) требуется оперативное определение концентраций компонентов газовых смесей. При этом для предотвращения аварийных и нештатных производственных ситуаций концентрации компонентов газовых смесей необходимо определять с высокой точностью.
Погрешности при определении концентраций компонентов газовых смесей многокомпонентными газоанализаторами могут возникать в результате воздействия внешних возмущающих факторов, таких как температура, давление, влажность окружающей среды, а так же в результате перекрестной чувствительности датчиков, входящих в состав многокомпонентного газоанализатора, по отношению к другим компонентам газовой смеси. В связи с этим целью диссертационной работы является снижение погрешностей измерений при определении концентрации газов многокомпонентными газоанализаторами при воздействии температуры, влажности, давления, в условиях наличия перекрестных газов.
Проблема снижения погрешностей автоматических приборов, предназначенных для непрерывного анализа состава воздушной среды, в том числе и многокомпонентных газоанализаторов, является актуальной научной проблемой, которой посвящено значительное количество научных трудов [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24]. Подавляющее большинство научных работ направлено на снижение погрешностей определения концентраций компонентов газовых смесей многокомпонентными газоанализаторами с полупроводниковыми датчиками, возникающих в результате перекрестной чувствительности газочувствительных датчиков. При этом применение в газовом анализе полупроводниковых датчиков позволяет повысить общую эффективность приборов газового анализа за счет повышения их быстродействия, срока службы и значительного снижения стоимости.
Среди разрабатываемых приборов, предназначенных для непрерывного анализа газовых сред можно выделить три основные группы: мультисенсорные системы, представляющие собой матрицы на основе однотипных сенсоров (чаще полупроводниковых), многокомпонентные газоанализаторы на основе одного полупроводникового датчика, работающего в режиме термоциклирования и многокомпонентные газоанализаторы на основе нескольких однотипных или различных типов датчиков.
Анализ научных трудов, направленных на снижение погрешностей, связанных с перекрестной чувствительностью датчиков, позволил выделить два основных пути преодоления данной проблемы: использование методов обработки сигналов датчиков [2,3,4,8,9,12,13,25] и разработка новых или совершенствование существующих газочувствительных датчиков (поиск легирующих добавок и материалов) [26,27,28,29,30,31].
В перечисленных выше научных работах для обработки сигналов датчиков с целью повышения селективности измерений наиболее часто используется аппарат искусственных нейронных сетей (ИНС), а так же численные методы решения нелинейных уравнений и их систем. Однако достигнутые результаты в ряде научных работ, посвященных повышению селективности газочувствительных датчиков, нашли свое применение в системах «Электронный нос» [32,33,34,35], использующихся для распознавания составов газовых смесей, а при количественном анализе газовых смесей, не учитывалось комплексное влияние факторов окружающей среды, что при совместной обработке сигналов датчиков может привести к значительному увеличению погрешностей.
Технологическая сложность процесса изготовления новых и модифицированных газочувствительных датчиков, низкая стабильность и воспроизводимость характеристик получаемых образцов препятствуют их внедрению в массовое производство, что значительное ограничивает область их использования.
Для снижения погрешностей определения концентрации компонентов газовых смесей, связанных с влиянием факторов окружающей среды, используются технологические и технические решения (методики пробоподготовки [36], температурная стабилизация корпуса датчиков [4,37], импульсный режим нагрева газочувствительных датчиков для снижения влияния влажности [27,38]) и различные методы и алгоритмы обработки сигналов датчиков [27, 39, 40].
Однако применяемые технологические и технические решения в большинстве случаев не обеспечивают требуемый уровень погрешностей, снижают быстродействие и увеличивают стоимость приборов, не позволяя при этом осуществить комплексное подавление влияния факторов окружающей среды. Применяемые алгоритмы обработки информации, базируются на методах решения систем линейных уравнений или заключаются в нахождении функции обратного преобразования для уравнений невысокой сложности. Применение таких алгоритмов для решения систем многопараметрических нелинейных уравнений практически невозможно, так как потребуется введение значительного числа упрощений, например линеаризации функций преобразования, что приведет к значительным погрешностям.
Моделирование функции преобразования полупроводникового датчика монооксида углерода
Согласно литературным данным [105] проводимость ПОМ в присутствии газов с ростом температуры растет (сопротивление уменьшается), что подтверждается графическими зависимостями производителя для зависимости сопротивления от температуры в присутствии 30, 100 и 300 ррт СО. В работе [100], проводились исследования по влиянию температуры на проводимость датчика в чистом сухом воздухе. При этом обнаружено увеличение проводимости с ростом температуры, что может говорить об определяющей роли собственной проводимости полупроводника. Увеличение температуры повышает как скорость адсорбции, так и скорость десорбции газов, что отражается в изменении коэффициентов в уравнении Фрейндлиха [104], однако результирующее влияние температуры на проводимость в каждом конкретном случае оценить крайне сложно. Учет в модели всех механизмов влияния температуры приведет к значительному росту числа коэффициентов и увеличению сложности модели. Так как зависимости проводимости ПОМ и изменение коэффициентов в уравнении Фрейндлиха от температуры носят общий экспоненциальный характер [102, 104], допускаем, что на увеличение проводимости с ростом температуры оказывает влияние рост числа собственных электронов полупроводника:
Для определения значения коэффициента As была произведена параметризация уравнения (2.14) по графической зависимости сопротивления датчика в воздухе от температуры окружающей среды (температура окружающей среды варьировалась от -5С до +50С) в присутствии 100 ррт СО (относительная влажность 50%, дав 52 ление 101,325 кПа, концентрация водорода равна нулю). Максимальная относительная погрешность восстановления зависимости составила 29% (значение сред-неквадратического отклонения 3,95%), причем такая погрешность соответствует только концам диапазона, а в диапазоне температур от +10С до +40С относительная погрешность не превышает 6%.
При качественном анализе полученных моделей следует учитывать, что использование статистических критериев далеко не всегда возможно, так как это требует соблюдения ряда условий. Среди них нормальность распределения ошибок измерения, независимость от значения измеряемой величины и т.п. В [106] отмечается «Как бы глубоки и разнообразны ни были методы качественного анализа математических моделей, область их применимости весьма ограничена. Это — либо простые, главным образом линейные, модели, либо отдельные фрагменты сложных, в том числе нелинейных моделей. Единственным универсальным способом исследования моделей является применение численных методов для нахождения приближенного решения поставленной задачи с помощью средств современной вычислительной техники и информатики». Далее при оценке качества полученных моделей будем опираться на это положение.
Для проверки устойчивости полученной функции преобразования полупроводникового датчика исследовалось поведение среднеквадратических отклонений на тестовых выборках, объемом 150 векторов, сформированных по реальным данным, представленным в параметрической форме. Значения среднеквадратическо-го отклонения, полученные в результате тестирования функции преобразования (от), сравнивались с аналогичными значениями, полученными при ее параметризации (ап). Значения среднеквадратического отклонения приведены в таблице 2.1. Таблица 2.1 - Среднеквадратические отклонения, полученные в результате параметризации и тестирования функции преобразования
Диапазон изменения Ссо от 30 до 1000ррт(Сн2=0, Т 20С,Р=101,325 кПа, RH=50%) Диапазон изменения Сн2 от 30 до 1000ррт(Ссо=0, Т=20С,Р=101,325 кПа, RH=50%) Диапазон изменения температуры от -5С до +50С(Ссо=Ю0ррт, Сн2=0, Р=101,325кПа, PvH=50%) Диапазон изменения относительной влажности от 10 до 90% fCco=0, Сн2=0, Т=20С,Р=101,325 кПа)
Полученные значения среднеквадратического отклонения свидетельствуют об устойчивости полученной функции преобразования полупроводникового датчика.
Используя выражение (2.14), были получены графики зависимости сопротивления датчика при изменении влажности от 10 до 90% в отсутствии СО и в присутствии 30, 100 и 300 ррт СО и сопоставлены с аналогичными графиками предоставленными производителем (рисунок 2.6).
Значения максимальной относительной погрешности и среднеквадратиче ского отклонения, характеризующие расхождение результатов моделирования и реальных данных, составили: в чистом воздухе - 0,59% (сг=0,42%), 30 ррт - 16% (о=5,5%) и 100 ррт СО - 16% (о=5,3%), 300 ррт СО - 8% (о=4,7%).
На рисунке 2.7 показаны графические зависимости сопротивления датчика от температуры (диапазон изменения температуры от минус 5С до +50С) при 30, 100 и 300 ррт СО и 50% влажности представленные производителем и полученные с помощью выражения (2.14).
Максимальное относительное и среднеквадратическое отклонение результатов моделирования от реальных данных составили: при 30 ррт - 29% (с=8,2%), при 100 ррт - 29% (о=3,7%) и при 300 ррт СО - 10% (о=3,18%). При этом для 300 ррт СО максимальная относительная погрешность в диапазоне температур от -5С до +45С не превышает 6%. относительной погрешности и среднеквадратического отклонения, выражение (2.14) с достаточной точностью описывает изменение сопротивления датчика при постоянной влажности и изменяющейся концентрации СО, при изменении относительной влажности от 10 до 90% как в отсутствии, так и в присутствии СО и при изменении температуры от -5 до +50С в присутствии СО, что позволяет судить об адекватности полученной функции преобразования.
В качестве датчика водорода был выбран каталитический датчик NP-AHS производителя Nemoto с диапазоном измерения 0-100% LEL (в отечественной литературе: НКПР - нижний концентрационный предел распространения пламени). Среди имеющихся функций преобразования каталитических датчиков [107, 108, 109], функций одновременно учитывающих влияние всех факторов окружающей среды, по отношению к которым датчик проявляет чувствительность, найдено не было. В связи с этим было принято решение о построении многофакторной функции преобразования каталитического датчика [110].
Каталитические газочувствительные датчики обычно содержат два элемента - активный (чувствительный) и пассивный (опорный), заключённые в корпус с газопроницаемой мембраной. Элементы представляют собой платиновые спирали в керамических капсулах. Капсула активного элемента содержит катализатор (платина). Элементы подогреваются током внешнего источника до температуры, при которой может происходить каталитическое окисление горючих газов. Типовое включение датчика - мостовая схема (рисунок 2.8). В отсутствие горючих газов температура спиралей одинакова, а мост сбалансирован. Появление в газовой смеси горючих газов в присутствии кислорода приводит к окислительным процессам на поверхности активного элемента и возрастанию его температуры.
В идеальном случае каталитическое горение на опорном элементе не происходит, а его назначение — компенсация влияния параметров окружающей среды. Сопротивление R\ активного элемента растёт, мост разбалансируется и на его измерительной диагонали появляется напряжение AU. Однако в реальных преобразователях, особенно однокамерных, элементы влияют друг на друга из-за подогрева и протекания реакций горения на эталонном элементе при его высокой температуре. Это уменьшает чувствительность датчика, а также может повлиять на способность датчика к компенсации влияния параметров окружающей среды.
Простейшая схема включения приводит к взаимному влиянию элементов датчика и из-за последовательного подключения к источнику напряжения. Увеличение сопротивления активного элемента R{ приводит к уменьшению тока и, следовательно, к уменьшению сопротивления пассивного элемента /?2- Рассмотрим подробнее процессы в датчике.
Выбор оптимальной структуры устройства обработки и исследование ИНС различных конфигураций
Подавление влияния вариаций температуры показано на рисунке 3.21. Значения температуры определялись имеющимися экспериментальными данными и составляли 10 и 50С. Соответствующие диаграммы представлены на рисунках 3.21 (а) и 3.21 (б) при концентрациях углекислого газа 0,5; 2 и 4%. (красным цветом обозначены погрешности, получаемые в результате использования устройства обработки, зеленым - погрешности, получаемые без использования устройства обработки) Относительная влажность и давление соответствовали нормальным условиям и принимались равными 50 % и 101,325 кПа соответственно.
Из представленных диаграмм видно, что использование ИНС позволяет подавить влияние вариаций температуры от трёх до 10 раз.
Сравнение погрешностей измерений концентраций газов многокомпонентным газоанализатором с погрешностями самих используемых датчиков при одновременном воздействии всех мешающих факторов На рисунке 3.22 наглядно показана эффективность данного многокомпонентного газоанализатора по сравнению с раздельными показаниями самих датчиков при одновременном воздействии мешающих факторов: вариаций давления (95 - 110 кПа), температуры (+10 - +50С), относительной влажности (10 - 90%) и концентраций мешающих газов (водород 0 - 4 об. %, угарный газ 0,003 - 0,1 об. %, углекислый газ 0 - 5 об. %).
Полученные результаты демонстрируют высокую потенциальную эффективность предложенного устройства совместной обработки сигналов датчиков, в случае одновременного воздействия всех влияющих факторов.
Сравнение показаний многокомпонентного газоанализатора с показаниями отдельных датчиков при измерениях концентраций водорода, угарного и углекислого газов в воздушной среде при вариациях всех влияющих факторов: а) показания многокомпонентного газоанализатора; б) оценки по функциям преобразования одиночных датчиков
Оценка устойчивости устройства обработки сигналов датчиков многокомпонентного газоанализатора на основе ИНС Кроме погрешностей моделирования функций преобразования газочувствительных датчиков и погрешностей собственно устройства обработки на основе ИНС возможно появление дополнительных погрешностей, связанных с неточностью приготовления калибровочных газовых смесей.
Оценка устойчивости устройства обработки проводилась для двух изолированных блоков ИНС, первый блок, включает в себя датчики угарного газа и водорода, обладающие взаимной перекрестной чувствительностью, второй блок включает датчик углекислого газа, не проявляющий перекрестной чувствительности по отношению к газам, детектируемым многокомпонентным газоанализатором.
Методика оценки устойчивости устройства обработки на основе ИНС к погрешностям, возникающим при приготовлении калибровочных газовых смесей. Для оценки устойчивости первого блока ИНС с помощью генератора виртуальных газовых смесей случайным образом было сгенерировано пятьсот газовых смесей, содержащих угарный газ и водород, в различных пропорциях - набор газовых смесей 1. Затем на основе набора газовых смесей 1 был сгенерирован набор газовых смесей 2, внесением случайным образом распределенных по нормальному закону относительных погрешностей от 0 до 5%. Для тестирования ИНС первого блока было сгенерировано тестирующее множество, в котором выходной сигнал газочувствительных датчиков, получался путем подстановки набора газовых смесей 2 в многофакторные функции преобразования соответствующих датчиков. Выходные сигналы датчиков давления, температуры и влажности соответствовали нормальным условиям (101,325 кПа, 20 С, 50% соответственно).
Для оценки устойчивости второго блока ИНС таким же образом были сгенерированы набор газовых смесей 1, представляющий собой пятьсот случайных значений концентраций углекислого газа, и набор газовых смесей 2. Выходной сигнал датчика углекислого газа в тестирующем множестве генерировался подстановкой набора газовых смесей 2 в многофакторную функцию преобразования датчика. Выходные сигналы датчиков давления и температуры соответствовали нормальным условиям (101,325 кПа, 20С соответственно).
Устойчивость устройства обработки оценивалась путем сравнения двух величин приведенных среднеквадратичных погрешностей. Первая величина - отклонение значений концентраций набора газовых смесей 2 от значений концентраций набора газовых смесей 1, далее заданное значение среднеквадратичной погрешности. Вторая величина - отклонение значений концентраций полученных в результате тестирования ИНС от значений концентраций набора газовых смесей 1, далее - полученное значение среднеквадратичной погрешности. На рисунках 3.23-3.25 приведены соответствующие диаграммы относительных погрешностей.
Результаты оценки устойчивости устройства обработки на основе ИНС к погрешностям, возникающим при приготовлении калибровочных газовых смесей. Результаты оценки устойчивости устройства обработки на основе ИНС сведены в таблицу 3.4.
Полученные значения относительных и среднеквадратичных погрешностей определения концентраций газов многокомпонентным газоанализатором соответствуют заданным погрешностям, характеризующим неточность приготовления калибровочных газовых смесей, что позволяет судить об устойчивости предложенного устройства обработки на основе ИНС.
Оценка погрешностей устройства обработки на основе ИНС при отклонении характеристик преобразования датчиков от стандартных, использованных при обучении ИНС
Третий модуль программы реализует функцию имитации многокомпонентного газоанализатора. Для этого необходимо задать условия окружающей среды (температуру, давление, влажность) и концентрации детектируемых газов в воздухе. Результатом являются соответствующие показания (концентрации газов) разработанного многокомпонентного газоанализатора.
Помимо перечисленных выше трех модулей, программа содержит пункты меню: «Данные производителей» и «Справка». В пункте меню «Данные производителей» можно ознакомиться с технической документацией на газочувствительные датчики, экспериментальные данные которых используются для параметризации функций преобразования. В пункте меню «Справка» размещены документы, содержащие описание принципа действия датчиков различных типов и их функций преобразования, использующихся для параметризации, рекомендации по выбору структуры устройства обработки сигналов датчиков в многокомпонентных газоанализаторов и работе с программой.
Программа предусматривает возможность ее дальнейшего развития, в том числе расширение базы данных для параметризации функций преобразования, а так же в пункте меню «Банк моделей» предусмотрена возможность использования пользовательских функций преобразования датчиков.
Помимо непосредственного использования для проектирования многокомпонентных газоанализаторов для конкретного набора газов в ОАО «Курский завод «Маяк» данный программный комплекс внедрён в учебный процесс кафедры КиТ ЭВС в курсы «Основы научных исследований и инженерного творчества», «Использование программы Matlab в инженерной практике», а также включён в проект «Создание межфакультетского центра развивающих технологий обучения», входящий в «Программу развития вуза на 2012-2016 гг.» (приложение Г).
Для проведения экспериментальных исследований характеристик газочувствительных датчиков и газоанализаторов применяются газосмесительные установки, позволяющие создавать газовые смеси различного состава с высокой точностью. Применяются газосмесительные установки динамического и статического типа.
В установках динамического типа приготовление многокомпонентных газовых смесей осуществляется, путем смешивания, в потоке определяемого при анализе газа и газа-разбавителя. Необходимая удельная концентрация компонентов газовых смесей достигается путём использования расходомеров по каждому газовому компоненту. Недостатками динамических установок являются большой рас 126 ход газа, низкая точность (5-8%), обусловленная ограниченной точностью используемых расходомеров на малые расходы и высокая стоимость.
В установках статического типа наиболее часто применяются гравиметрический и манометрический способы приготовления газовых смесей.
Гравиметрический способ основан на дозировании в смесительную камеру (баллон) исходных газов, измерении массы каждого дозированного компонента и расчете значения молярной доли целевого компонента, исходя из данных о массе, молярной массе и количественном составе исходного чистого газа [129]. Недостатками устройства на основе гравиметрического метода приготовления газовых смесей является малая производительность и высокая стоимость, обусловленная высокой стоимостью используемых прецизионных весов.
Манометрические статические установки осуществляют дозирование газа в смесительную камеру (баллон), из которой вакуумным насосом предварительно откачивается воздух, а величина остаточного давления контролируется вакуумметром. Источники газов - баллоны с воздухом или разбавителем, баллоны с чистыми газами. Подача газов регулируется вентилями. Измерение давления в магистралях и смесительной камере осуществляется высокоточными манометрами [130]. Компоненты газовой смеси дозируют в баллон последовательно. Дозировку соответствующего газа проводят под давлением, превышающем давление в баллоне со смесью, во избежание утечки компонентов из смеси. После дозировки каждого компонента измеряют давление смеси. Содержание каждого компонента в газовой смеси X, рассчитывают по формуле: давление газовой смеси в баллоне в конце приготовления, кПа. В свою очередь парциальное давление определяется через начальное рш (до дозирования) и конечное рк, (после дозирования газа) значения давления газовой смеси в баллоне. Недостатком данного устройства является невысокая точность дозирования компонентов с малыми удельными концентрациями.
Максимальная величина относительной погрешности измерения разности двух давлений 8 ,д является функцией начального (до дозирования /-го газа) и конечного (после дозирования /-го газа) значений давления:
Из рисунка 4.9 видно, что для обеспечения не более чем двукратного возрастания погрешности измерения парциального давления по отношению к погрешности манометра отношение давлений в начале и конце дозирования очередного газа не должно превышать 1/3. Для минимизации ошибки необходимо минимизировать отношение рт /рк„ а это не реализуемо в данном устройстве поскольку величины этих давлений определяются давлением газовой смеси в баллоне. При дозировании малых количеств газов прибегают к использованию смесей чистых газов и газа разбавителя.
Учитывая высокую стоимость и низкую точность существующих установок, предложен вариант установки статического типа, обеспечивающей меньшую величину относительной погрешности (не свыше 3%) и пониженным расходом чистых газов, т.к. в ней не расходуются газы при выходе на рабочий режим, и [131]. При этом установка может конкурировать по точности с установками, использующими гравиметрический метод, но предполагает большую производительность и существенно меньшую цену.
Похожие диссертации на Многокомпонентный газоанализатор на основе блочных нейронных сетей с обучением методом имитации
-
-
-
