【摘 要】
：
在冷轧薄钢板的过程中,轧辊和钢板之间要有一定浓度的工艺润滑剂--乳化液,轧钢乳化液浓度的高低对钢板的产量、质量有着重大影响.如通过化学分析得到浓度数据费时较长,不能达到实时的要求.超声波浓度测量是利用超声波的声速随介质浓度的变化而变化这一原理实时检测乳化液溶液的浓度[1].对于不同浓度的乳化液溶液,其浓度D表达式为:D=f(c,T,p),式中,c为声波在溶液中的声速,T为溶液温度,p为溶液的压力.
【机 构】
：
同济大学声学所,上海,200092
【出 处】
：
中国声学学会2006年全国声学学术会议
论文部分内容阅读
在冷轧薄钢板的过程中,轧辊和钢板之间要有一定浓度的工艺润滑剂--乳化液,轧钢乳化液浓度的高低对钢板的产量、质量有着重大影响.如通过化学分析得到浓度数据费时较长,不能达到实时的要求.
超声波浓度测量是利用超声波的声速随介质浓度的变化而变化这一原理实时检测乳化液溶液的浓度[1].对于不同浓度的乳化液溶液,其浓度D表达式为:D=f(c,T,p),式中,c为声波在溶液中的声速,T为溶液温度,p为溶液的压力.对于溶液可认为压力恒定,则有:D=f(c,T)(1)
又超声波的传播时间t、声速c和声程L有关系:c=L/t,得: D=f(L/t,T)=F(t,T)(2)
式中t为声时,T为温度.当三者的关系较为复杂时,线性插值方法的精度不再能够满足测量的要求.神经网络模型作为多模型方法的一种,具有概念清楚,结构简单,使用性强等优点,已广泛应用于过程建模.同时该方法计算量小、精度高,易于在线校正,在多数情况下,能很好地满足生产要求.本文通过RBF神经网络对F(t,T)进行拟合,从而实现浓度实时测量的目的.
其他文献
基于二阶微扰理论和导波的模式展开分析方法,本文分析了一般情况下SH板波的二次谐波发生问题.源于板材的体非线性在固体板中将产生二倍频的驱动项,其结果是在板内激发出二次谐波.板内二次谐波的声场可用二倍频兰姆波模式为基进行展开.当SH板波与某个二倍频兰姆波模式的相速度相等或近似相等时时,该二倍频兰姆波模式分量的振幅随传播距离呈积累增长性质;若二者相速度差异较大,则可略去该二倍频兰姆波模式分量.本文的分析
入侵探测装置是用来探测入侵者的移动或其它动作的电子及机械部件所组成的装置.入侵探测装置都不可避免的会产生虚警,或者说是误报.入侵探测装置产生虚警的原因除了元器件的故障或外界影响之外,还有方法自身的原因.例如目前已经广泛使用的超声或微波多普勒入侵探测装置就容易受到房间内主人的宠物(猫狗等小动物)的影响而报警,产生较高的虚警率,因为此时并不需要进行报警.为了有效降低上述情况下的虚警率,本文研制一种新型
在目标方位估计(DOA)算法中,探索一种相干环境下适用所有信号(相干与非相干信号)目标方位估计的算法很重要.解相干的方法基本有两大类:一类是对数据协方差矩阵进行降维处理,另一类是非降维处理.降维处理方法是一类常用的解相干处理方法,其基本原理是基于数据协方差矩阵的空间平滑[3],但该方法的代价是减小了阵列的孔径,从而减小了可估计的信号源的数目.而非降维处理如Toeplitz方法其估计精度差,很难满足
目前各种基于声信号的分析处理方法被广泛应用在车辆识别中.相关论文中虽然特征提取的算法不同,但普遍是基于单个声传感器所采集的数据;声传感器阵列通常被用于目标的跟踪、定位.本文尝试利用模拟人的双耳功能的生理模型,综合两个声传感器的信息提取特征以提高分类性能.
希尔伯特黄变换(HHT)[1]是一种新信号分析方法.本文将HHT用于水声领域并与矢量传感器的应用相结合,对矢量信号进行瞬态处理,提出了瞬时方位的概念.与传统的分析法相比较,矢量HHT的方法提供了更为丰富的目标信息.
地面声探测器阵,可用于空气中战场空间目标的探测、识别、定位与跟踪.与光学系统、雷达相比,有成本低、使用被动式工作方式、由于声波能够绕山,或穿过丛林传播,因此,可在非直视环境中探测目标等许多优点.但声探测系统也有不足,最重要的是声探测器阵受气象环境的影响是不可忽视的,其中,风和温度的影响最大.另外,大气声吸收、地面的吸收和反射等对声的传播也有影响.通常在安静的夜晚,探测信号强,探测性能很好.但在阳光
相位干涉型光纤水听器具有很多优良特性,是水听器的研究热点之一.相位干涉型光纤水听器得到的干涉光信号只有转换成电信号后才能实现解调,光电检测电路是必要环节.本文分析了基于PIN光电二极管和运算放大器的光电检测电路,将其应用于相位干涉型光纤水听器系统中,并对实验数据进行了处理分析.
在水声阵列信号处理中,微弱水声信号的检测是个亟待解决的问题.一般情况下,通过波束形成的方法获得观测场的空间信息,利用能量检测的方法检测目标信号.其中,后者体现在被动声呐显示上,其主要方法是根据声呐波束形成后的能量输出信息实时获得目标的方位一历程数据,提取目标的运动轨迹,这对于目标的运动分析和进行辅助军事决策都具有重大意义.文献中用于目标轨迹提取的方法和技术有多种[1-3],都可以达到目标轨迹提取的
应用近场声全息(NAH)方法和多普勒原理识别运动声源是一种有效的方法[1].但由于空间采样的局限性,近场声全息中FFT变换会带来空间频率的泄漏和混叠.统计最优平面近场声全息(SONAH)[2,3,4]直接在空间域采用声场叠加原理来实现空间声场的重建,避免了FFT变换所引起的误差.本文在统计最优平面近场声全息的基础上,利用多普勒效应消除原理来实现运动声源的识别.通过实车试验验证了方法的有效性.
钢材中的夹杂物对其性能有很大的影响,因此对钢材中所夹杂物的检测非常重要,超声检测是检测钢材内夹杂物的一种重要无损检测方法.低碳钢连铸坯材料是一种被广泛应用的粗晶材料,对其中缺陷的超声无损检测比较困难,研究如何有效地提取和利用反映所夹杂物的信号特征,对于工业应用有重要的意义.本文利用离散序列的小波变换多尺度分析上海宝山钢铁公司提供的低碳钢连铸坯材料,材料的晶粒直径约为2000μm.小波变换中选择不同