高壓水流量計(jì) 高壓噴淋系統(tǒng)流量計(jì) 噴霧加濕系統(tǒng)流量計(jì)
金屬管浮子流量計(jì)是工業(yè)自動(dòng)化過(guò)程控制中常用的一種變面積流量?jī)x表，它具有體積小，檢測(cè)范圍大，使用方便等特點(diǎn)，金屬管浮子流量計(jì)可用來(lái)測(cè)量液體、氣體以及蒸汽的流量，特別適合用于低流速小流量介質(zhì)的流量測(cè)量，金屬管浮子流量計(jì)分就地指示型和智能遠(yuǎn)傳型，具有指針顯示瞬時(shí)流量，液晶顯示瞬時(shí)、累計(jì)流量，標(biāo)準(zhǔn)4～20mA電流輸出，上、下限報(bào)警，HART協(xié)議輸出等多種功能。
工作原理：
金屬管浮子流量計(jì)由測(cè)量管、浮子和指示器組成，浮子在測(cè)量管中自由的上下移動(dòng)，改變管道中的流通面積，隨著流量大小的變化，浮子在測(cè)量管中的垂直位置也發(fā)生相應(yīng)的變化，通過(guò)磁性的傳遞系統(tǒng)將浮子位置準(zhǔn)確傳遞到指示器的刻度盤(pán)上，指示流量值的變化。
主要特點(diǎn)：
·工作可靠，維護(hù)量少，使用壽命長(zhǎng)
·1：10的較寬的量程比
·全金屬結(jié)構(gòu)，堅(jiān)固穩(wěn)定，適合高溫、高壓、強(qiáng)腐蝕性介質(zhì)
·防爆設(shè)計(jì)結(jié)構(gòu)適合易燃、易爆危險(xiǎn)場(chǎng)合
·新型磁耦合傳感器保證信號(hào)傳輸穩(wěn)定可靠
·適合低流速小流量的介質(zhì)流量的測(cè)量
·可加裝磁過(guò)濾器
·智能型可選現(xiàn)場(chǎng)瞬時(shí)和累積流量顯示
·可選二線(xiàn)制、電池供電方式
·可帶保溫、夾套設(shè)計(jì)
技術(shù)參數(shù)：
測(cè)量范圍 | 水：2.5～100000L/h |
空氣：0.07～3000m3/h | |
量程比 | 10:1（特殊型 20:1） |
精度等級(jí) | 標(biāo)準(zhǔn)型1.5級(jí)，特殊訂貨可達(dá)1.0級(jí) |
工作壓力 | DN15、DN25、DN40、DN50～4.0MPa |
DN80、DN100、DN150、DN200～1.6MPa | |
介質(zhì)溫度 | 普通型：-40℃～100℃ |
高溫型：-80℃～250℃ | |
內(nèi)襯F46氟塑料：-40℃～+80℃，內(nèi)襯PFTE-40℃～+120℃ | |
環(huán)境溫度 | 指針式：-40℃～+65℃ |
智能型：-25℃～+65℃ | |
連接方式 | 法蘭連接 |
電氣接口 | M20×1.5（特殊要求可做） |
防護(hù)等級(jí) | IP65 |
防爆等級(jí) | 本安：ExibIICT4； 隔爆：ExdIIBT4 |
介質(zhì)粘度 | DN15≤5Mpa.s DN25～200≤5Mpa.s |
工作電源 | +24VDC，紋波≤5% |
測(cè)量管材質(zhì) | 304不銹鋼 316不銹鋼，304或316L不銹鋼內(nèi)襯FTFE或F46 |
浮子材質(zhì) | 304或316（不銹鋼）；FTFE或F46 |
產(chǎn)品分類(lèi)：
儀表規(guī)格 | 現(xiàn)場(chǎng)顯示型（指針指示） | 遠(yuǎn)傳顯示型（液晶數(shù)顯） |
信號(hào)輸出 | 無(wú) | 4～20mA |
供電電源 | 無(wú) | +24VDC |
精度等級(jí) | 1.5級(jí) | |
顯示 | 指針或液晶 | |
通訊接口 | 可選配HART通訊 | |
測(cè)量管材質(zhì) | 不銹鋼，可選內(nèi)襯PTFE（防腐蝕） | |
防爆等級(jí) | 可選本安：ExibIICT4； 隔爆：ExdIIBT4 | |
防護(hù)等級(jí) | IP65 | |
儀表通徑 | DN15～DN200 | |
安裝方式 | 法蘭安裝 | |
介質(zhì) | < 250℃ | |
環(huán)境溫度 | -30℃～65℃ | |
流量范圍：
口徑 | 水(L/h)20℃ 0.101325MPa | 空氣(m3/h)20℃ 0.101325MPa | |||
壓力等級(jí) | 通徑 | 浮子（CrNi Hc) | 浮子（PTFE Ti) | 浮子（CrNi Hc) | 浮子（PTFE Ti) |
4.0MPa | 15 | 1.6-16 | 0.05-0.5 | ||
2.5-25 | 2.5-25 | 0.075-0.75 | 0.075-0.75 | ||
4.0-40 | 4.0-40 | 0.12-1.2 | 0.12-1.2 | ||
6.0-60 | 6.0-60 | 0.18-1.8 | 0.18-1.8 | ||
10-100 | 10-100 | 0.30-3.0 | 0.30-3.0 | ||
16-160 | 16-160 | 0.45-4.5 | 0.45-4.5 | ||
25-250 | 25-250 | 0.75-7.5 | 0.75-7.5 | ||
40-400 | 40-400 | 1.2-12 | 1.2-12 | ||
60-600 | 60-600 | 1.8-18 | 1.8-18 | ||
20 | 40-400 | 25-250 | 0.75-7.5 | 0.75-7.5 | |
60-600 | 40-400 | 1.2-12 | 1.2-12 | ||
100-1000 | 60-600 | 1.8-18 | 1.8-18 | ||
25 | 100-1000 | 100-1000 | 3.0-30 | 3.0-30 | |
160-1600 | 120-1200 | 5.0-50 | 5.0-50 | ||
250-2500 | 160-1600 | 7.5-75 | 7.5-75 | ||
400-4000 | 250-2500 | 12-120 | |||
32 | 160-1600 | 120-1200 | 3.0-30 | 3.0-30 | |
250-2500 | 160-1600 | 5.0-50 | 5.0-50 | ||
400-4000 | 250-2500 | 7.5-75 | 7.5-75 | ||
600-6000 | 18-180 | ||||
40 | 400-4000 | 100-1000 | 3.0-30 | 3.0-30 | |
600-6000 | 160-1600 | 5.0-50 | 5.0-50 | ||
1000-10000 | 250-2500 | 7.5-75 | 7.5-75 | ||
50 | 600-6000 | 400-4000 | 12-120 | 12-120 | |
1000-10000 | 600-6000 | 18-180 | 18-180 | ||
1600-16000 | 1000-10000 | 30-300 | 30-300 | ||
2000-20000 | 1200-12000 | 37-370 | |||
1.6MPa | 65 | 1200-12000 | 600-6000 | 18-180 | 18-180 |
1600-16000 | 1000-10000 | 30-300 | 30-300 | ||
2500-25000 | 1200-12000 | 37-370 | 37-370 | ||
80 | 2500-25000 | 1600-16000 | 37-370 | 50-500 | |
4000-40000 | 2500-25000 | 75-750 | 75-750 | ||
100 | 4000-40000 | 2500-25000 | 120-1200 | 120-1200 | |
6000-60000 | 4000-40000 | 180-1800 | |||
125 | 8000-80000 | 4000-40000 | 120-1200 | 120-1200 | |
10000-100000 | 6000-60000 | 180-1800 | |||
150 | 12000-120000 | 6000-60000 | 200-2000 | 180-1800 | |
-150000 | 8000-80000 | ||||
基于HLO-LSSVM算法的浮子流量計(jì)非線(xiàn)性校正，針對(duì)浮子流量計(jì)非線(xiàn)性校正中常用的分段線(xiàn)性擬合和*小二乘法不足 ，以及*小二乘支持向量機(jī)參數(shù)難確定問(wèn)題，提出了一種基于人類(lèi)學(xué)習(xí)優(yōu)化－*小二乘支持向量機(jī)算法（HLO－LSSVM）的儀表非線(xiàn)性校正方法。 首先簡(jiǎn)介了*小二乘支持向量機(jī)和人類(lèi)學(xué)習(xí)優(yōu)化算法，接著闡述了 HLO－LSSVM 算法進(jìn)行非線(xiàn)性校正的實(shí)現(xiàn)過(guò)程，分別采用分段線(xiàn)性擬合、*小二乘法和 HLO－LSSVM 算法對(duì)浮子流量計(jì)非線(xiàn)性校正問(wèn)題進(jìn)行了對(duì)比。 結(jié)果表明，HLO－LSSVM 算法具有更優(yōu)的校正效果，實(shí)現(xiàn)簡(jiǎn)單，具有良好的應(yīng)用前景。
浮子流量計(jì)引是以浮子在垂直錐形管中隨著流量變化而升降，改變它們之間的流通面積來(lái)進(jìn)行測(cè)量的體積流量?jī)x表。 磁阻式金屬管浮子流量計(jì)由磁阻傳感器、外部感應(yīng)磁鋼、內(nèi)嵌磁鋼的浮子和金屬管道組成。 流量計(jì)輸出的流量值與浮子位移 h 成正比。 由于磁阻式浮子流量計(jì)在測(cè)量過(guò)程中受到溫度、 磁場(chǎng)的影響，其輸出浮子位移 h 與磁阻傳感器輸入 v 的關(guān)系為非線(xiàn)性。 克服傳感器非線(xiàn)性的傳統(tǒng)方法包括了硬件補(bǔ)償法、*小二乘法和分段線(xiàn)性擬合法。 這些傳統(tǒng)方法復(fù)雜、需要樣本多，精度低，且當(dāng)更換新的流量計(jì)，必須再次進(jìn)行復(fù)雜的計(jì)算，可操作性差。
本文提出了一種 HLO－LSSVM 算法的非線(xiàn)性校正方法，利用人類(lèi)學(xué)習(xí)優(yōu)化算法（HLO）對(duì)*小二乘支持向量機(jī)（LSSVM）的參數(shù)進(jìn)行優(yōu)化方法，用于解決浮子流量計(jì)的非線(xiàn)性校正問(wèn)題。
1.基于 LSSVM 的流量計(jì)非線(xiàn)性校正
磁阻式浮子流量計(jì)的磁阻材料的阻值會(huì)隨外部磁場(chǎng)變化而變化。 復(fù)雜的工作現(xiàn)場(chǎng)可能會(huì)存在較強(qiáng)的外部磁場(chǎng)干擾。 同時(shí)磁阻材料阻值也會(huì)隨環(huán)境溫度的變化而變化， 所以流量計(jì)輸出浮子位移 h 與磁阻傳感器輸入 v 的特性總是存在一定的非線(xiàn)性。從理論上較難推出浮子位移與流量計(jì)輸出的函數(shù)關(guān)系。 浮子流量計(jì)輸出浮子位移 h 與磁阻傳感器輸出 v 可以由式（1）表示：
徑向基函數(shù)的核寬度參數(shù) δ2 體現(xiàn)了訓(xùn)練樣本數(shù)據(jù)集的分布特性，能夠確定局部鄰域的寬度。 較大的 δ2 意味著較低的方差。 *小二乘支持向量機(jī)表達(dá)式的正則化參數(shù) γ 用來(lái)調(diào)節(jié)LSSVM 置信范圍和經(jīng)驗(yàn)風(fēng)險(xiǎn)的比例 ， 取折中以使泛化能力 。 這兩個(gè)參數(shù)的變化對(duì)*小二乘支持向量機(jī)的校正結(jié)果有很大的影響，對(duì)這兩個(gè)參數(shù)的選取決定了線(xiàn)性擬合的好壞。 因此，尋找 參數(shù)將是提高LSSVM 性能的關(guān)鍵。
2.基于 HLO－LSSVM 的流量計(jì)非線(xiàn)性校正
人類(lèi)學(xué)習(xí)優(yōu)化算法 （Human Learning Optimization Al-gorithm，HLO）是由 Wang 等人于 2014 年提出的一種模擬人類(lèi)學(xué)習(xí)機(jī)制啟發(fā)式算法，利用群體智能搜索較好的解。 該算法收速度快，設(shè)置參數(shù)少、算法簡(jiǎn)單易實(shí)現(xiàn)等優(yōu)點(diǎn)，已在多個(gè)應(yīng)用問(wèn)題上表現(xiàn)出優(yōu)勢(shì)。
文采用人類(lèi)學(xué)習(xí)優(yōu)化算法優(yōu)化選取 LSSVM 參數(shù)及其核函數(shù)參數(shù)。 人類(lèi)學(xué)習(xí)優(yōu)化算法模擬人類(lèi)的學(xué)習(xí)過(guò)程，人類(lèi)學(xué)習(xí)過(guò)程可以看作是一個(gè)迭代的優(yōu)化過(guò)程：人們通過(guò)不斷地學(xué)習(xí)，掌握和提高技能，就像優(yōu)化算法迭代地尋找 解。 人類(lèi)學(xué)習(xí)優(yōu)化算法采用的是二進(jìn)制編碼，每一位比特代表人類(lèi)學(xué)習(xí)優(yōu)化算法中解決問(wèn)題知識(shí)的一個(gè)組成成分。該算法通過(guò)隨機(jī)學(xué)習(xí)、個(gè)人學(xué)習(xí)和社會(huì)學(xué)習(xí)操作算子來(lái)求解優(yōu)化問(wèn)題。 其迭代公式如式（9）。
其中，i＝1，2…M，M 是種群規(guī)模的大小，i 表示第 i 個(gè)個(gè)體；j表示個(gè)體的第 j 維；xij 表示個(gè)體 i 在第 j 維的知識(shí)；rand（0，1）表示等概率地生成 0 或者 1；ikij 代表第 i 個(gè)個(gè)體的歷史 解（個(gè)體 ）的第 j 維的值。 skj 表示所有個(gè)體的歷史 解（全局 ）中
第 j 維的值。 rand()表示［0～1］ 之間的隨機(jī)數(shù) ； pr 表示隨機(jī)學(xué)習(xí)的概率；pi 表示個(gè)體學(xué)習(xí)的概率。
所有個(gè)體完成學(xué)習(xí)后， 新解的適應(yīng)度值通過(guò)適應(yīng)度函數(shù)計(jì)算獲得。 若新適應(yīng)度值比上一個(gè)個(gè)體 解優(yōu)， 則更新此解，否則不更新；
全局 解以同樣的方 式更新。 HLO＿LSSVM實(shí)現(xiàn)過(guò)程如圖 2 所示。
3.浮子流量計(jì)非線(xiàn)性校正實(shí)例
本文通過(guò)實(shí)驗(yàn)測(cè)得 16 組浮子位移 hi 與磁阻傳感器輸出 vsi 的實(shí)測(cè)值。 其中 9 組用來(lái)進(jìn)行非線(xiàn)性校正訓(xùn)練，如表 1 的hi 所示。 剩下的 7 組用來(lái)進(jìn)行驗(yàn)證對(duì)比，如表 2 的 hi 所示。
3．1 HLO＿LSSVM 校正結(jié)果
在 Matlab 2014a 軟件中，本文分別采用 HLO－LSSVM 算法、分段線(xiàn) 性 擬 合 算 法 （Piecewise LinearFitting，PLF） 和*小二乘法擬合算法（Least Square Method，LSM擬對(duì)表 1 中數(shù)據(jù)進(jìn)行了非線(xiàn)性校正。
HLO－LSSVM 算法的參數(shù)設(shè)置如下所示。 種群規(guī)模為 10，迭代次數(shù)為 30，隨機(jī)學(xué)習(xí)概率 Pr＝0．2，個(gè)體學(xué)習(xí) 概率 Pi ＝0．93， 正 則 參 數(shù) γ ＝467．859，徑向基函數(shù)參數(shù) δ2＝1．312
算法優(yōu)化和非線(xiàn)性校正
結(jié)果與分段線(xiàn)性擬合和*小二乘法對(duì)比結(jié)果如表 2 所示。 其中，hi 表示浮子實(shí)測(cè)高度，h1i 表示
HLO－LSSVM 測(cè)量的浮子高度，h2i 表示分段線(xiàn)性擬合測(cè)量的浮子高度，
h3i 表示*小二乘法擬合測(cè)量的浮子高度。
3．2 結(jié)果對(duì)比
為了更好地分析出實(shí)驗(yàn)結(jié)果，本論文采用和方差（SSE）和
均方差（MSE）評(píng)價(jià)擬合效果。
其中，n 是數(shù)據(jù)的個(gè)數(shù)，hi 是原始數(shù)據(jù)，hi 是預(yù)測(cè)的數(shù)據(jù)。
HLO－LSSVM 算法的方差 表 3 對(duì)比結(jié)果
和均方差均小于分段線(xiàn)性擬合和*小二乘法擬合的和方差和均方差，說(shuō)明人類(lèi)學(xué)習(xí)優(yōu)化算*小二乘支持向量機(jī)具有更好的擬合效果。
