[发明专利]一种科里奥利质量流量计驱动方法

摘要

本发明提供了一种科里奥利质量流量计驱动方法，涉及智能化仪器仪表领域，本发明设计一种科里奥利质量流量计，位移传感器检测振动管的振动位移后，将位移信号的频率达到共振生成振动信号，信号发生器依据理想恒定振幅和自激振荡单元生成参考信号并产生误差信号，得到施加在驱动线圈上的驱动力，该驱动力迫使振动管振动实现流量计的闭环控制，本发明增加基于自适应神经网络滑模控制器的全数字振幅校正单元，解决了传统驱动控制方案振幅控制能力有限的技术问题，包括使流量计的温度误差得到修正，流体质量测量精度得到提高；在两相流状态下，使振动管做受迫运动，避免振动管“停振”导致的流体质量测量失效问题。

主权项

1.一种科里奥利质量流量计驱动方法，其特征在于包括下述步骤：步骤1：根据科里奥利质量流量计振动管的动力学特性，给出其动力学方程：其中，和x分别为振动管的振动加速度、速度和位移；m为振动系统的质量，c，k分别是振动管的阻尼系数和刚度系数，且c＝‑2mξω_n，ξ为阻尼比，ω_n为固有频率，u为驱动线圈产生的静电驱动力，通过自适应神经网络滑模控制器获取；由于制造缺陷、环境温度以及外部干扰的影响，科里奥利质量流量计振动管的动力学方程可进一步表示为其中，Δc、Δk为制造缺陷和环境温度造成的未知的参数不确定，d(t)为外部干扰；步骤2：定义制造缺陷、环境温度以及外部干扰造成的未知项动力学方程为构造神经网络逼近得到其中，X_in是神经网络的输入向量，且为神经网络的权值矩阵；θ(·)：R²→R^M为输入的非线性函数，M为神经网络节点数，θ为基向量，其第i个元素由下述高斯函数计算得到，即：其中，X_mi，σ_i分别是公式(5)的高斯函数的中心和标准差，且定义最优估计参数w^*为其中，ψ是w的集合；因此，动力学模型的未知项可表示为其中，ε为神经网络的逼近误差；未知项的估计误差为其中，且为神经网络权值矩阵的估计误差，为的一阶导数，为的一阶导数；步骤3：建立振动管动力学的参考模型为其中，x_m为参考振动信号，且x_m＝A_msin(ω_xt)，A_m为参考振幅，ω_x为参考角频率；为x_m的二阶导数，构建跟踪误差为e＝x‑x_m                         (10)采用线性滑模函数s为其中，是e的一阶导数，β＞0；对式(11)求导，有其中，为的一阶导数，为s的一阶导数，为x的二阶导数；当滑模趋近律为时，自适应神经网络滑模控制器为其中，θ为θ(X_in)的简写形式，其中k_o＞0；选取自适应律为其中，r＞0；步骤4：科里奥利质量流量计包括模拟部分、数字部分、驱动线圈、振动管和位移传感器，其中模拟部分中包括乘法器、自动增益控制和自激振荡，数字部分包括信号发生器和自适应神经网络滑模控制器，位移传感器检测质量流量计振动管的振动位移后，将该位移信号输入模拟部分，其中，自激振荡单元使位移信号的频率逐渐趋近于振动管的固有频率，直至达到共振，自动增益控制单元提供可变增益，使位移信号的振幅波动小于10％，自动增益控制单元输出的振幅与自激振荡单元输出的频率经过乘法器，生成模拟控制后振动管的振动信号，在数字部分，信号发生器依据参考振幅和参考角频率生成参考正弦信号，即式(9)，该参考信号与模拟控制后振动管的振动信号对比，产生误差信号，误差信号输入自适应神经网络滑模控制器，根据自适应神经网络滑模控制器式(13)和自适应律式(14)，得到施加在驱动线圈上的驱动力，该驱动力迫使振动管振动，进而实现科里奥利质量流量计振动管振动位移的振幅和频率闭环控制，即实现模拟‑数字驱动控制，使流量计的温度误差得到修正。