数字科氏质量流量计闭环系统及信号解算

在科氏质量流量计测量系统设计中,提出一种数字式信号处理、解算的全新设计思路.采用高速并行模拟数字转换电路(A/D)将传感器输出的信号完整采样,借助数字信号处理芯片(DSP, Digital Signal Processor)强大运算能力对信号进行深入的分析与处理;利用信号处理方法对信号进行实时滤波处理并精确计算两路信号的相位差,进而解算出流体的质量流量和密度,辅以单片机和现场可编程器件(FPGA, Field Programmable Gate Array)实现系统的控制、显示与通讯;提出谐振电路的数字式闭环设计新思想,利用数字电路及其信号处理方法实现传统的闭环增益控制(AGC, Auto Gain Control).实验结果表明:该系统有效提高了测量系统的零点稳定性和测量精度.     

幅度调制稳态听觉刺激脑电信号响应及选择性注意力分析

闭锁症患者不能自主控制眼球运动,无法使用视觉刺激脑-机接口（BCI）技术实现意识交流,听觉刺激脑-机接口技术不受视觉限制,可实现这类患者的意识交流,具有重要意义。首先,对不同受试者在幅度调制频率变化的听觉诱发刺激下的响应特征进行研究,获得人体大脑听觉通频带的幅频特性。然后,基于受试者的听觉通频带频率特征,设计了全新的听觉选择注意力实验范式,选择响应幅值较强的刺激频率作为受试者的刺激频率,并提出了改进的空间相干脑电（EEG）信号解算方法,提高了算法的鲁棒性,获得了相对更高的准确率,受试者通过注意力选择实现脑-机接口的二分类控制。实验获得了不同受试者的大脑听觉通频带频率特征,得到了人体大脑在35~94 Hz调制频率范围内的听觉幅频特性曲线,发现了响应幅值在35~44 Hz调制频率范围最强。利用改进的空间相干算法,将提出的基于通频带特征的实验范式和固定频率组合的实验范式进行比较,由3名受试者的对比实验表明,所提实验范式和改进的空间相干算法获得了更高的准确率。      

谐振式液体密度传感器的频率解算方法研究

为实现高精度测量谐振式液体密度传感器的输出信号频率,在现有的FFT频率解算理论基础上,引入更符合实际情况的加窗插值FFT频率解算方法,并分析频率变化以及噪声对解算结果的影响。通过Matlab仿真实验对该方法中常用的窗函数进行对比分析,最终选择加入Rife_Vincent窗的插值FFT算法作为输出信号频率的解算方法,并在所设计的硬件系统上进行了实验验证,结果表明,采用加Rife_Vincent窗的插值FFT算法解算传感器输出信号的频率,其解算误差小于0.1Hz,解算精度高且易于实现。     

Coriolis质量流量传感器内部耦合振动

谐振式科里奥利质量流量计(CMF),依靠测量管路工作在谐振状态产生的科氏力效应实现流体流量的测量.实际的谐振式科里奥利质量流量计工作过程中,普遍存在传感器的外部和内部耦合振动现象,直接影响流量计的稳定性和测量精度.对传感器的外部耦合振动问题,通过增加测量管路直管段、增强传感器固定刚度等措施已得到较好解决;传感器内部耦合振动问题目前尚无完善的理论指导和技术解决方案.结合CMF传感器的工作机理,利用激光测振仪对存在内部耦合振动问题和无内部耦合振动问题的CMF对比测试,进一步证实了传感器内部耦合振动对测量精度的影响,揭示了内部耦合振动对测量管振动的影响相当于在测量管的主振动上叠加了一个附加分量,导致测量管上的2个拾振点产生附加的振动相位差,并且对于一个特定的传感器,该附加分量的量值基本固定,而科氏力对测量管振动的作用随被测流量的增加而增强,故随着被测流量的增加,耦合振动的影响相对减小,引起的流量测量误差随之减小.      

谐振式液体密度传感器压电激励与检测的实现

本文利用正压电效应和逆压电效应,实现谐振式液体密度传感器的压电激励与压电检测,原理简单、功耗低、检测方便。设计了基于该激励和检测方式的自动增益控制(Automatic Gain Control,AGC)电路,当传感器的输出信号发生较大变化时,激励信号的增益可随输出信号的幅值进行自动调节,使输出信号的幅值保持稳定。该电路具有结构简单,适应性好,可靠性高,调节速度快等优点。同时,对所设计的谐振式液体密度传感器进行了标定实验,该密度传感器的精度约为±1.0kg/m³,重复性约为±0.05%,可以实现液体密度的高精度实时在线测量。     

基于改进极限学习机的光谱定量建模方法

依据近红外光谱(NIR)产生原理,提出了粒子群优化极限学习机(PSO-ELM)算法,运用于小样本氨水浓度定量分析。通过优化极限学习机(ELM)隐藏节点参数,解决了极限学习机由于输入权值和隐含层偏差随机产生的建模结果具有随机性的问题,提高了预测模型的稳定性、精确度和泛化性能。经实验验证,优化后的PSO-ELM相比ELM,模型预测集均方根误差由0.01166减小至0.00322,预测集相关系数由0.9951提高至0.9979。将优化后的模型预测结果与支持向量机(SVM)、BP神经网络算法等传统方法的建模结果进行对比,优化后的PSO-ELM算法具有较高的精确度和良好的泛化性能,模型预测效果优于传统的定量回归分析算法。     

考虑非线性因素的科氏质量流量计灵敏度分析

基于科氏质量流量计(CMF)测量管的工作原理,为了提高传感器的灵敏度,了解其振动过程中非线性项对于CMF灵敏度的影响至关重要。以U型管科氏质量流量计为研究对象,考虑非线性因素,用比较法推导出非线性项对于CMF灵敏度的影响。此外,通过实验仿真,优化传感器结构,进而提高传感器灵敏度。