振动式液量检测装置

自05 王雨晨

一、 项目综述

  本装置为本学年我所参加的SRT项目课题,由我与另一位自动化系大三学长合作完成(二人为共同一作)。本作品基于生活中常见的敲击不同液量的玻璃杯产生不同的音高这一现象为入手点,设计了一个基于此方法完成非侵入式液量检测的装置。本作品适用于某些无法采用侵入式测量方法的特殊环境,如对装有高毒性、强腐蚀性液体的储液罐的非侵入式测量。本项目最终在校挑战杯终审中取得了三等奖的好成绩。

二、 研究思路与实验过程

  为了突破现有非侵入式检测装置的局限性,我们摒弃了传统的通过测量储液高度、重量等指标推算液量的方法,将储液罐与其中液体作为一个整体进行分析。此处的核心特征使用了课程中所学的FFT算法进行频谱分析所确定的系统基频、谐频。之后再利用有限元分析软件确定这些频率所对应的振动模态,进而确定激励点与传感器接收位置,最后利用神经网络进行数据拟合。

三、 实验数据与特征提取

  对于实验所使用的500mL开口玻璃烧杯,在杯壁粘贴压电传感器,同时在杯壁与杯底进行敲击激励,对接收到的2s,40kHz采样率的时域信号进行高斯滤波消除低频噪声,再进行FFT对频谱中的特征频率进行识别与提取。数据由下图所示,其中上方的波形为底部激励结果,下方的波形为侧壁激励结果。左侧为时域结果,右侧为FFT后得到的频域结果。

▲ 图3.1 测试波形与频谱

▲ 图3.1 测试波形与频谱

  可以看到其中存在两个较为明显的特征频率,其中1kHz左右的频率在两个激励条件下均较为明显,而872Hz的频率仅存在于侧壁激励下。之后利用有限元分析对这两个位置的激励进行仿真(敲击激励可近似为一单位冲激),得到这两个特征频率所对应的振型如下:

▲ 图3.2 两种不同的震动模式

▲ 图3.2 两种不同的震动模式

  由此可以确定两个敲击点所对应的振动模式为两独立振型。之后改变液量,对0-500mL量程内的液位每25mL间隔进行一次测量,提取上述两振型的特征频率,进行两个振型的频率-液位曲线绘制,结果如下:

▲ 图3.3 烧杯液量与频率关系

▲ 图3.3 烧杯液量与频率关系

  可以看到,在低液位下底部模态的频率变化率较高,而在高液位下侧壁模态的频率变化率高。传统利用模态的液位检测仅关注侧壁模态,所获的量程仅有上半液位。而通过引入底部模态,不仅将量程扩充至全液位,更是在现有非侵入式液位检测装置难以测量的极低液位(0-50mL)有着极高精度的表现。

四、 装置实现

  为了实现全自动的激励、检测、液量分析,我们通过单片机进行数据通信,连接上位机与传感器,激励装置。在激励装置的选择上,为了获得更加理想的单位冲激激励,我们尝试了不同的激励装置,最终确定了弹片与电磁铁的组合,该装置在实验所用的容器上有很好的声学效果,所得的频谱最为干净。整体装置图如下:(从左至右依次为上位机及其图形化界面,单片机,接口电路,激励装置与传感器)

▲ 图4.1 实验测试装置

▲ 图4.1 实验测试装置

  在实际的一次测量流程中,将由上位机发出指令,通过单片机给出电压信号控制继电器,进而带动电磁铁完成以此激励,之后将传感器采集到的数据通过接口电路传给单片机,进行数据的结构调整后传给上位机,进行数据分析、处理与可视化显示。

  对于数据拟合方法,我们使用神经网络代替传统的指数拟合法。相比之下,神经网络更加贴近其原本规律,且可以同时对两通道数据进行拟合,精度更高。神经网络的结构及训练结果如下:

▲ 图4.2 使用神经网络进行数据拟合

▲ 图4.2 使用神经网络进行数据拟合

  可以看到,训练结果曲线较为平滑,且在两个平面上的投影规律与实验相符。代入测试集进行测试,结果如下:

▲ 图4.3 测试集合测试结果

▲ 图4.3 测试集合测试结果

  选取20个液量(非标定点数据)的数据点作为测试集。在测试集上的误差最大不超过5mL,平均误差不超过2mL。测量平均精度达到平均误差0.3%,最大误差0.68% 。

五、 成果总结与前景展望

  相比传统非侵入式检测方法,本装置实现了在低液量时的高精度测量。这一点在某些昂贵溶液的测量中有着重要的应用价值。另外,在液面倾斜、不平稳等情况下,本方法也表现出了较高的鲁棒性。在作品中使用神经网络拟合、代替传统的固定函数形式的拟合方法,进一步提高了预测的科学性与准确性。实验结果显示,当液位较低、较高时,测量精度可达到千分之二;在中间液位时也可达到千分之五的精度。

▲ 图5.1  测试过程:容量50mL

▲ 图5.1 测试过程:容量50mL

六、 实验与课程感想

  本项目从我大一下的暑假便开始研究,直到本学期期中参加挑战杯终审,跨度将近一年。从一开始的理论研究、文献调研,到手动敲击实验、规律探寻,再到装置的搭建,系统的调试、改进,最后到在装置上的实验、调整。一路上遇到了许多许多的困难,但我们为了自己的目标以及对这个项目的热情一步步的调整、改进,最终获得了让我们满意的结果。这也是我的第一次科研经历,虽然辛苦但却倍感收获。

  对于信号与系统这门课程,我们的整个课题的核心其实就是采样与频域分析。因此信号与系统课程上的许多知识都在本次课题中有着重要的应用,比如FFT的时频转化、采样定理、滤波、系统函数等。在学习信号与系统的过程中让我对我们的课题产生了许多新的想法、而在项目的不断推进中也让我加深了对信号与系统这门课程的理解。几乎在每一个新概念的学习中,我都能从我们的项目中找到这个概念对应的实际应用,从而帮我更好的记忆与理解。

▲ 图6.1  测试过程:容量300mL

▲ 图6.1 测试过程:容量300mL

  这也让我明白了这门课是一门结合理论与实际的课程,以及在实践中学习的重要性。我们的课题能获得这样的成绩也离不开卓老师对信号与系统这门课程精彩的演绎。可以说,这门课是我大学阶段目前最实用,最有趣的一门课程。在此感谢卓老师一学期的辛苦。

附:挑战杯获奖证书

▲ 图6.2 挑战杯获奖证书

▲ 图6.2 挑战杯获奖证书


● 相关图表链接:

猜你喜欢

转载自blog.csdn.net/zhuoqingjoking97298/article/details/125467945