基于AI算法的温度传感热敏电阻检测流量技术的介绍.doc

基于AI算法的温度传感热敏电阻检测流量技术的介绍测量或验证存在气体或液体运动通常使用机电技术。流量驱动光学或霍尔传感器路径中的桨轮以及RPM的测量提供了良好的流速指示。另一种方法是使用应变仪测量应力，如连接到弹簧规的帆。虽然有效，但这些基于机械的方法可能遭受摩擦磨损和击穿，并且当污垢，腐蚀物或冲击损坏机构时可能会失效。气体或液体的高度一致性和纯度提供了使用光学和声波测量技术的选项。具有严格约束特性的精炼流体（如燃料）利用光学特性或声波特性来测量流量。这类似于在空气吹过瓶子顶部时寻找共振声音音调。可预测且易于构建的电路可以检测您正在寻找的变量。本文介绍了使用温度传感热敏电阻检测流量的技术。该方法使用自加热模式与斜率分析，基于AI的算法相结合，以可靠地测量和验证流体或气体流过通路。热敏电阻特性热敏电阻是一种双端热敏电阻。它表现出随温度变化的阻力变化。存在两种类型的热敏电阻。 NTC是负系数变化，其中电阻随温度降低。随着温度的升高，PTC的正系数随着电阻的增加而变化。两种类型都可用，但NTC更常见。特定的热敏电阻将被指定为具有标称电阻和容差，通常为25°C。电阻的变化与温度变化成比例，系数通常不是线性关系。因此，制造商通常会提供特定系列的温度与电阻变化表。例如，松下ERT-JZEG103JA是ERTJ系列的一部分，数据表中提供了非线性系数的详细信息，基于电阻比的表格。¹热敏电阻是有利的，因为它们坚固耐用，具有良好的可用范围（通常为-100°至+ 325°C），具有良好的精度（通常为0.05°至1.5°C），成本低，并且很少受到外部噪音的影响。热敏电阻也有缺点。它们必须密封，因为水分渗透会导致故障。非线性也可以被视为缺点，因为为了执行精确读取，可能需要曲线拟合算法或基于处理器的查找表。另一个缺点是自热。自热是因为热敏电阻的行为与电阻一样，会耗散功率。在高电阻下，自加热通常可以忽略不计。然而，当用更高的电压和更低的电阻进行偏置时，自加热会导致错误的读数，甚至是NTC型零件的自毁性热失控条件。这种自加热可用于测量周围环境提取热量的能力。这是这种技术的工作原理。建立基线第一步是将气密密封的热敏电阻放置在待监测的气体或液体的流路中（图1）。始终确保热敏电阻本体和引线的成分对暴露流动的腐蚀不敏感。机械结构还必须足够坚固，以免在最大流速下对热敏电阻安装件施加应力和变形。图1：热敏电阻与流量一致，我们可以测量热量消除的速率。在检测到任何活动更改之前，必须首先建立基线。在这种情况下，基线将指示任何流量开始发生之前的环境温度。您需要设置一个阈值或限制点，以指示不会发生进一步的自热，特别是对于NTC类型的热敏电阻，它们吸收的电流越多，它们就越热。通过已知腔室和环境温度的特性，可以推导出三个条件。首先是热敏电阻是否锁气。当热敏电阻被气体锁定且流体室为空时，自加热脉冲会很快加热热敏电阻。在这种情况下，热量主要通过辐射消散，并在静态气体或空气填充室中缓慢发生。同样，由于热量散热缓慢，热敏电阻将需要更长的时间冷却回到环境温度（图2）。图2：气锁式热敏电阻非常快速地加热并且非常缓慢地冷却。电阻变化的测量将表明这一点。具有静态，不流动的流体状态，较稠密的流体充当散热器并从热敏电阻吸收热量。结果，热敏电阻升温更慢，达到阈值电阻需要更多时间（图3）。图3：静态液态将充当散热器，降低加热速度。与气体锁定状态相比，冷却将更快地进行。随着流量，最快的热量去除。结果，加热将花费很长时间才能达到阈值。当它发生时，它会很快冷却下来（图4）。图4：流量最快地移除热量。斜率表示存在流量，甚至可以指示流速。关键点在于您无需达到阈值即可知道加热的斜率或变化率。或者，您可以使其达到阈值并使用时间作为决定因素。另一点是，如果要补偿流动气体或流体的进入温度的任何变化，可以在流量传感电路之前使用第二个热敏电阻。如果温度变化来自流量，这可以让您调整您的期望。双模电路双偏置电路用于在测量模式和自热模式之间切换。固态元件或机电继电器可用于将自热电压与系统电压隔离（图5）。图5：双模电路允许微电路在自热偏置阶段切换。通常，常闭触点用作测量模式作为次级故障保护，因此如果微型锁定，则热敏电阻不会被加热以自毁。必须提出一些安全点。过度驱动的NTC热敏电阻会爆炸起火。最有可能的是，嵌入式微控制器将控制模式并读取热敏电阻，微控制器可能会发生故障并进入锁定状态。因此，故障安全措施使电路不可能锁定在自热模式。保证这一点的一种方法是使微触发器成为不可再触发的单稳态多谐振荡器（单触发脉冲发生器），这样如果它进入该状态，它就不会使热敏电阻油炸。这也很有用，因为单次触发具有固定的脉冲宽度。微型脉冲可以在与中断延迟相关的脉冲中产生抖动。利用已知的固定脉冲宽度，您可以知道每个脉冲向热敏电阻输入多少能量。另一个安全技巧是使单触发脉冲宽度相对较窄，并用微脉冲“N”脉冲串触发它。这样可以更好地控制每个激励/测量周期泵入热敏电阻的能量，并确保在出现电路故障时输送到热敏电阻的最大能量很小。AI shell正如您可能已经推断出的那样，实时心跳是控制算法的关键部分。连续周期的时间测量是决定斜率的因素，因此时间触发的准确性是关键。因此，定时器计数器中断服务程序快速而简单。在每个实时时钟中断中，采样统计块（在这种情况下为8）并存储在三维存储器阵列的位置（图6）。对于每个样本块，还累积和计算该样本块的平均值，峰值和低值。该过程类似于自主功能。图6：背景和前台处理可以使用热敏电阻数据来使用基于推理和推导引擎规则的处理对系统状态进行高级评估。与前台共享循环缓冲区指针。前台例程分两部分执行。当没有其他实时关键功能发生时，一个非关键的，基于计时器的“潜意识”处理器会查看数据块。首先要检查错误情况。如果峰值和低值之间的差异大于预定量，则可以标记错误情况。这可能表明系统中的温度变化比系统正常运行时的温度变化更快。在嘈杂的环境中，它可能表示存在损坏的样本块。在任何一种情况下，它都可以触发更严格地检查数据的中断，或者将样本块丢弃为损坏。如果没有发生阈值违规，潜意识前景例程会计算循环缓冲区中峰值，低值和平均数据块的平均斜率。三者再次平均以创建趋势平均值。这证实确实发生了加热循环或冷却循环。根据需要，在前景过程中进行斜率的大小和实际状态的确定。执行表格规则列表作为演绎引擎，可以查看斜率幅度，峰值变化以及样本数组中的任何数据，以创建更新其中一个状态累加器的加权值。例如，大于4的平均斜率将表明冷却正在非常快速地发生，因此流量累加器将增加大量的流量。在处理表格规则集的最后，累加器将保存进行状态确定所需的数据。注意，利用已知的直径，压力，输入温度，流体的比重，热系数等，可以进一步处理样品阵列以确定流速。这也是在有意识的前景处理程序中完成的。结论处理算法可以从传感器中提取大量可用信息，这些信息可用于进行高级别扣除。您可以调整在后台和前台进行的处理，如果没有其他实时处理约束，甚至可以将进程压缩为一个连续的处理块。您还可以调整样本块和规则集的深度。这只是使用基于AI的算法和处理来进行高级假设的众多示例之一。