本文關(guān)鍵詞：基于主成分分析的遺傳神經(jīng)網(wǎng)絡(luò)換能器一致性研究

  更多相關(guān)文章： 氣體超聲波換能器配對(duì) 等效電路模型仿真 神經(jīng)網(wǎng)絡(luò) 主成分分析 遺傳算法 GUI

【摘要】：氣體超聲波流量計(jì)最早出現(xiàn)于上世紀(jì)70年代,由于其精確度高、性能穩(wěn)定可靠、管道中無檢測壓損等優(yōu)點(diǎn),獲得了廣泛的應(yīng)用。在實(shí)際運(yùn)用中,基于傳播速度差法的時(shí)差法是采用最多的一種檢測方法,氣體超聲波換能器作為氣體超聲波流量計(jì)最重要的傳感器,都是成對(duì)使用的,其配對(duì)性能直接影響儀表的整體檢測精度。然而目前國內(nèi)對(duì)換能器的配對(duì)技術(shù)研究研究很少,大多只停留在實(shí)際經(jīng)驗(yàn)中。針對(duì)傳統(tǒng)換能器配對(duì)存在的問題,本課題提出一種基于主成分分析的遺傳神經(jīng)網(wǎng)絡(luò)配對(duì)技術(shù)。本論文分六章進(jìn)行研究：第一章概述了氣體超聲波換流量計(jì)以及氣體超聲波換能器,介紹了氣體超聲波換能器配對(duì)意義與方法,并著重介紹了目前配對(duì)存在的問題,以此提出了本文研究內(nèi)容——換能器配對(duì)技術(shù)研究。第二章建立了構(gòu)建換能器對(duì)射等效電路仿真模型,通過等效電路模型研究換能器的靈敏度以及等效電路參數(shù),并對(duì)上述模型進(jìn)行實(shí)驗(yàn)驗(yàn)證,最終給出與換能器配對(duì)性能相關(guān)的參數(shù),以及各參數(shù)之間的關(guān)系,為后面預(yù)測提供指導(dǎo)。第三章闡明BP神經(jīng)網(wǎng)絡(luò)算法基本原理,并針對(duì)BP神經(jīng)網(wǎng)絡(luò)輸入層參數(shù)過多情況,引入主成分分析法,除去參數(shù)之間的相關(guān)性,其次根據(jù)BP神經(jīng)網(wǎng)絡(luò)算法存在問題,引入遺傳算法GA對(duì)BP神經(jīng)網(wǎng)絡(luò)的權(quán)值以及閾值進(jìn)行優(yōu)化,通過解決這兩個(gè)問題,從而提高預(yù)測模型的準(zhǔn)確性,最后構(gòu)建基于主成分分析遺傳神經(jīng)網(wǎng)絡(luò)換能器配對(duì)模型。第四章首先利用仿真數(shù)據(jù),驗(yàn)證了預(yù)測模型的可行性,通過比較不同模型的預(yù)測精度,得出最優(yōu)的預(yù)測模型,即基于主成分分析的遺傳神經(jīng)網(wǎng)絡(luò)模型,并采用該模型的對(duì)不同測試條件下實(shí)際數(shù)據(jù)進(jìn)行預(yù)測并對(duì)比結(jié)果,最后對(duì)比仿真數(shù)據(jù)與實(shí)測數(shù)據(jù)預(yù)測結(jié)果,得出在前者預(yù)測結(jié)果的精度較高,表明了外界環(huán)境對(duì)換能器的配對(duì)性能預(yù)測有影響。第五章設(shè)計(jì)了換能器優(yōu)化配對(duì)程序流程圖與配對(duì)性能預(yù)測程序流程圖,并利用MATLAB中GUI設(shè)計(jì)氣體超聲波換能器的配對(duì)系統(tǒng)。最后對(duì)本課題的研究工作進(jìn)行了總結(jié),并結(jié)合實(shí)際情況,提出了一些展望。
【關(guān)鍵詞】：氣體超聲波換能器配對(duì) 等效電路模型仿真 神經(jīng)網(wǎng)絡(luò) 主成分分析 遺傳算法 GUI
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TH814.92;TP18
【目錄】：

• 致謝4-5
• 摘要5-7
• ABSTRACT7-13
• 1. 緒論13-26
• 1.1 氣體超聲波流量計(jì)概述13-14
• 1.2 氣體超聲波換能器概述14-19
• 1.2.1 氣體超聲波換能器性能參數(shù)15-18
• 1.2.2 氣體超聲波流量計(jì)對(duì)于換能器的要求18-19
• 1.3 氣體超聲波換能器配對(duì)概述19-24
• 1.3.1 換能器配對(duì)意義19-20
• 1.3.2 換能器配對(duì)原理20-21
• 1.3.3 換能器配對(duì)存在問題及解決方案21-24
• 1.4 本論文的目的、創(chuàng)新點(diǎn)以及意義24-25
• 1.5 本論文的主要工作內(nèi)容25-26
• 2. 氣體超聲波換能器等效電路模型仿真26-54
• 2.1 氣體超聲波換能器基本理論26-33
• 2.1.1 壓電陶瓷性能參數(shù)及特性26-30
• 2.1.2 匹配層特性30-31
• 2.1.3 換能器性能參數(shù)31-33
• 2.2 氣體超聲波換能器性能檢測裝置33-37
• 2.2.1 換能器瞬態(tài)特性參數(shù)檢測裝置33-34
• 2.2.2 穩(wěn)態(tài)特性參數(shù)檢測裝置34-35
• 2.2.3 換能器溫度檢測裝置35-36
• 2.2.4 換能器壓力檢測裝置36-37
• 2.3 氣體超聲波換能器等效電路模型37-53
• 2.3.1 模型簡化37-38
• 2.3.2 壓電陶瓷徑向振動(dòng)等效電路38-40
• 2.3.3 匹配層徑向振動(dòng)的等效電路40-43
• 2.3.4 氣體超聲波換能器等效電路模型43-48
• 2.3.5 氣體超聲波換能器模型實(shí)驗(yàn)評(píng)估48-53
• 2.4 本章小結(jié)53-54
• 3. 基于主成分分析的遺傳神經(jīng)網(wǎng)絡(luò)換能器配對(duì)模型設(shè)計(jì)54-76
• 3.1 神經(jīng)網(wǎng)絡(luò)概述54-58
• 3.1.1 神經(jīng)網(wǎng)絡(luò)原理54-55
• 3.1.2 神經(jīng)網(wǎng)絡(luò)傳遞函數(shù)55
• 3.1.3 BP神經(jīng)網(wǎng)絡(luò)55-58
• 3.2 主成分分析58-59
• 3.3 主成分分析與神經(jīng)網(wǎng)絡(luò)結(jié)合設(shè)計(jì)59-61
• 3.4 遺傳算法概述61-63
• 3.4.1 遺傳算法的原理61-62
• 3.4.2 遺傳算法的基本步驟62-63
• 3.5 遺傳算法與主成分分析的BP神經(jīng)網(wǎng)絡(luò)結(jié)合設(shè)計(jì)63-69
• 3.5.1 BP神經(jīng)網(wǎng)絡(luò)存在的問題63
• 3.5.2 BP神經(jīng)網(wǎng)絡(luò)的改進(jìn)63-64
• 3.5.3 遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)方案64-65
• 3.5.4 遺傳算法優(yōu)化主成分分析的神經(jīng)網(wǎng)絡(luò)的具體方法65-69
• 3.6 基于主成分的遺傳神經(jīng)網(wǎng)絡(luò)換能器配對(duì)模型設(shè)計(jì)69-75
• 3.6.1 換能器靈敏度預(yù)測結(jié)果要求69
• 3.6.2 訓(xùn)練樣本及檢驗(yàn)樣本的選取69-70
• 3.6.3 數(shù)據(jù)及訓(xùn)練樣本的處理70
• 3.6.4 網(wǎng)絡(luò)結(jié)構(gòu)的確定70-73
• 3.6.5 神經(jīng)網(wǎng)絡(luò)預(yù)測模型73-74
• 3.6.6 利用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)74-75
• 3.7 本章小結(jié)75-76
• 4. 基于主成分分析的遺傳神經(jīng)網(wǎng)絡(luò)換能器配對(duì)模型測試76-93
• 4.1 換能器等效電路仿真數(shù)據(jù)預(yù)測76-84
• 4.1.1 BP神經(jīng)網(wǎng)絡(luò)預(yù)測76-78
• 4.1.2 基于主成分分析的BP神經(jīng)網(wǎng)絡(luò)預(yù)測78-81
• 4.1.3 基于主成分分析的遺傳神經(jīng)網(wǎng)絡(luò)預(yù)測81-84
• 4.2 基于主成分的遺傳神經(jīng)網(wǎng)絡(luò)實(shí)測數(shù)據(jù)預(yù)測84-91
• 4.2.1 常溫常壓下檢測數(shù)據(jù)預(yù)測結(jié)果84-86
• 4.2.2 常壓不常溫下檢測數(shù)據(jù)結(jié)果預(yù)測86-88
• 4.2.3 常溫不常壓下檢測數(shù)據(jù)結(jié)果預(yù)測88-91
• 4.3 仿真結(jié)果與實(shí)測結(jié)果比較91
• 4.4 本章小結(jié)91-93
• 5. 氣體超聲波換能器配對(duì)系統(tǒng)設(shè)計(jì)93-110
• 5.1 配對(duì)系統(tǒng)程序設(shè)計(jì)方案93-100
• 5.1.1 最優(yōu)配對(duì)程序流程圖設(shè)計(jì)93-99
• 5.1.2 配對(duì)性能預(yù)測程序流程圖設(shè)計(jì)99-100
• 5.2 配對(duì)系統(tǒng)界面設(shè)計(jì)與開發(fā)100-109
• 5.2.1 圖形用戶界面(GUI)100-101
• 5.2.2 設(shè)計(jì)方案101-106
• 5.2.3 實(shí)驗(yàn)結(jié)果分析106-109
• 5.3 本章小結(jié)109-110
• 6. 總結(jié)與展望110-112
• 6.1 論文總結(jié)110
• 6.2 論文展望110-112
• 參考文獻(xiàn)112-116

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 李宗懌;余正紅;;基于遺傳神經(jīng)網(wǎng)絡(luò)的物流配送中心選址決策[J];中國水運(yùn)(學(xué)術(shù)版);2006年12期

2 高海龍;張國立;;改進(jìn)遺傳神經(jīng)網(wǎng)絡(luò)及其在負(fù)荷預(yù)測中的應(yīng)用[J];華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年05期

3 鄧一兵;胡偉;高峰;邢朝陽;楊揚(yáng);沈鈞毅;;遺傳神經(jīng)網(wǎng)絡(luò)在載人飛船環(huán)控決策系統(tǒng)中的應(yīng)用研究[J];西安交通大學(xué)學(xué)報(bào);2010年07期

4 羅毅;劉峰;劉向杰;;基于主成分—遺傳神經(jīng)網(wǎng)絡(luò)的短期風(fēng)電功率預(yù)測[J];電力系統(tǒng)保護(hù)與控制;2012年23期

5 任濤;馬軍海;付寧;;基于遺傳神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)負(fù)荷預(yù)測研究[J];內(nèi)蒙古石油化工;2012年21期

6 李斌;劉峰;;遺傳神經(jīng)網(wǎng)絡(luò)在地面沉降趨勢(shì)預(yù)測中的應(yīng)用[J];山東國土資源;2013年08期

7 趙正佳,黃洪鐘,陳新;優(yōu)化設(shè)計(jì)求解的遺傳神經(jīng)網(wǎng)絡(luò)新算法研究[J];西南交通大學(xué)學(xué)報(bào);2000年01期

8 羅躍綱,聞邦春;遺傳神經(jīng)網(wǎng)絡(luò)法在風(fēng)機(jī)故障診斷中的應(yīng)用[J];風(fēng)機(jī)技術(shù);2001年02期

9 王志輝,高啟聚;樁端壓力注漿樁承載力徑向基遺傳神經(jīng)網(wǎng)絡(luò)研究[J];山東交通學(xué)院學(xué)報(bào);2003年04期

10 陳希;朱眾望;王玉峰;;基于遺傳神經(jīng)網(wǎng)絡(luò)上市公司股價(jià)向基本面回歸的分析研究[J];科學(xué)技術(shù)與工程;2011年27期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 張啟義;張智;梅冬;;遺傳神經(jīng)網(wǎng)絡(luò)在公路物資運(yùn)輸量預(yù)測中的應(yīng)用[A];中國運(yùn)籌學(xué)會(huì)第十屆學(xué)術(shù)交流會(huì)論文集[C];2010年

2 高丙坤;田麗;任晶秋;;非線性濾波的遺傳神經(jīng)網(wǎng)絡(luò)尋優(yōu)方法[A];第十一屆全國信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2003）論文集[C];2003年

3 蘇博;劉魯;楊方廷;;基于灰色關(guān)聯(lián)分析的神經(jīng)網(wǎng)絡(luò)預(yù)測模型研究[A];2006中國控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

4 杜延春;李貽斌;王桂月;;遺傳神經(jīng)網(wǎng)絡(luò)在聲納基陣俯仰角控制系統(tǒng)中的應(yīng)用[A];2007年中國智能自動(dòng)化會(huì)議論文集[C];2007年

5 李洪偉;周云龍;;基于圖像應(yīng)用遺傳—粒子群算法與遺傳神經(jīng)網(wǎng)絡(luò)結(jié)合的氣液兩相流型識(shí)別[A];高效 清潔 安全 電力發(fā)展與和諧社會(huì)建設(shè)——吉林省電機(jī)工程學(xué)會(huì)2008年學(xué)術(shù)年會(huì)論文集[C];2008年

6 金莉;何輔云;張斌;;遺傳神經(jīng)網(wǎng)絡(luò)在正交試驗(yàn)中的仿真研究[A];全國第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];2008年

7 葉德謙;劉波;;一種改進(jìn)的遺傳神經(jīng)網(wǎng)絡(luò)及其在股市中的應(yīng)用[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

8 周敏;李飛;;基于量子遺傳神經(jīng)網(wǎng)絡(luò)的MIMO信號(hào)檢測技術(shù)[A];2009年通信理論與信號(hào)處理學(xué)術(shù)年會(huì)論文集[C];2009年

9 何群英;郝偉;;基于全矢譜和遺傳神經(jīng)網(wǎng)絡(luò)的旋轉(zhuǎn)機(jī)械故障診斷[A];2008年全國振動(dòng)工程及應(yīng)用學(xué)術(shù)會(huì)議暨第十一屆全國設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2008年

10 張禮平;丁一匯;李清泉;張樂飛;;遺傳神經(jīng)網(wǎng)絡(luò)釋用氣候模式預(yù)測產(chǎn)品的試驗(yàn)研究[A];中國氣象學(xué)會(huì)2008年年會(huì)氣候預(yù)測研究與預(yù)測方法分會(huì)場論文集[C];2008年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 曲興華;在線制造質(zhì)量測控技術(shù)的研究[D];天津大學(xué);2003年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 丁芳軍;基于遺傳神經(jīng)網(wǎng)絡(luò)的射頻功放行為模型研究[D];電子科技大學(xué);2014年

2 劉念;基于VC++的手寫字母識(shí)別系統(tǒng)的設(shè)計(jì)[D];電子科技大學(xué);2014年

3 楊帥;基于遺傳神經(jīng)網(wǎng)絡(luò)PQF連軋管機(jī)組軋制工藝的設(shè)計(jì)[D];天津科技大學(xué);2013年

4 徐順;基于主成分分析的遺傳神經(jīng)網(wǎng)絡(luò)換能器一致性研究[D];浙江大學(xué);2016年

5 鄭潔tq;遺傳神經(jīng)網(wǎng)絡(luò)在城市氣象預(yù)報(bào)中的應(yīng)用研究[D];遼寧工程技術(shù)大學(xué);2011年

6 董登;遺傳神經(jīng)網(wǎng)絡(luò)在地表水水質(zhì)評(píng)價(jià)中的應(yīng)用研究[D];遼寧工程技術(shù)大學(xué);2010年

7 尹紀(jì)軍;基于改進(jìn)遺傳神經(jīng)網(wǎng)絡(luò)的圖書采購系統(tǒng)研究[D];江蘇大學(xué);2007年

8 李海艦;遺傳神經(jīng)網(wǎng)絡(luò)在混沌時(shí)間序列預(yù)測中的應(yīng)用[D];中北大學(xué);2008年

9 徐慶增;遺傳神經(jīng)網(wǎng)絡(luò)在熱軋管控制中的應(yīng)用[D];天津科技大學(xué);2006年

10 盧t澤;一種基于遺傳神經(jīng)網(wǎng)絡(luò)的股票決策的方法研究[D];青島理工大學(xué);2010年

，

本文編號(hào)：828349