1.压电传感器输出的电荷信号QH满足正弦规律,如式(1)所示
QH=γρƒ2sin(2πƒt+φa) (1)
式中:γ为压电传感器的系数,ρ为流体密度,ƒ为涡街频率,φa为初始相位。
2.在涡街流量计中,电荷放大器一般用于将传感器输出的电荷信号转换成电压信号。电压信号是待处理的原始信号,和电荷信号一样为正弦波形式。当流体密度和发生体的宽度为固定值时，涡街信号的幅值与频率的平方成正比,如式(2)所示
α∞ƒ2(2)
式中:α为涡街信号的幅值。
由于涡街流量计的传感器属于振动型传感器,很容易受到振动干扰，这对涡街流量计的测量精度和测量范围有很大的影响。由于涡街信号的幅值与频率的平方成正比，在高流速下信号的信噪比大,信号受噪声影响小;在低流速下信号的信噪比小,信号受噪声影响大,增加了信号检测的难度。国内外众多学者对这一问题进行了研究(2-3]。近年来，卡尔曼滤波方法也开始被应用在涡街流量计的信号处理中。
卡尔曼滤波是科学家R.E.Kalman等在1960年提出的一种适用于离散随机非平稳系统的最优估计算法。它基于线性离散系统,将最优滤波理论与状态空间思想相结合。宋开臣等[4]针对压电式涡街流量计抗干扰性差的缺点,提出了基于多传感器融合的涡街信号检测方法。该方法通过无迹卡尔曼滤波算法将压差传感器测量的钝体前后压差和其下游的涡街信号频率进行融合,增强了压电式涡街流量计的抗振能力,有效提高了数字带通滤波器的测量精度。Shao等[5]针对涡街流量计提出了一种基于分段卡尔曼滤波的数字信号处理方法。该方法首先分析瞬态冲击的特性,建立数学模型,然后在流量信号数据中找到含有强瞬态冲击的数据段,并对数据段进行卡尔曼滤波,以降低瞬态冲击的功率。
本文提出了一种基于涡街流量计信号模型的卡尔曼滤波的信号处理方法(以下简称“本方法")。首先,根据微分原理和线性矩阵对非线性的涡街信号进行线性化处理并建立模型;其次,根据涡街信号的幅频关系,初始化涡街信号模型频率;再次,将滤波后的输出频率作为下一个循环的初始涡街模型频率进行迭代和模糊搜索,直到输出频率与模型频率的误差在涡街流量计允许的误差范围内为止;最后,通过仿真实验和实流实验对该方法进行了验证。 |
