【技术实现步骤摘要】
一种气密性检测系统
本专利技术涉及气密性检测自动化装备的
,具体涉及一种气密性检测系统。
技术介绍
随着工业技术的发展,对建筑、机械、航天汽车、空调和燃气具等行业中的气密性要求越来越高,气密性检测是保证建筑和机械产品质量和安全性能的重要手段之一,对气密性的检测也逐渐要求智能化,并要求能适用于在线检测。在气密性检测方法中,传统的“湿式法”、压降法和流量测量法检测精度低,这些方法都不能适应建筑、机械密封件的大批量出厂检测。差压法在建筑、机械密封件气密性检测中由于其速度快、精度高而得到广泛使用。本专利根据差压法检测原理,充分运用嵌入式控制系统在气密性检测中具有的低功耗、体积小、高性能和低成本等特点,基于工控机、人工智能和现场总线技术设计一种气密性检系统,实现气密性检测的智能化、准确性和高效率等新的要求。
技术实现思路
本专利技术提供了一种气密性检测系统,本专利技术根据现有气密性检测技术效率不高和不精确等问题,对建筑和机械产品的气密性检测不完善造成对建筑物和机械产品性能的影响,本专利技术有效解决了现有建筑和机械产品的气密性检测问题。本专利技术通过以下技术方案实现:一种气密性检测系统包括参数采集与控制平台和气密性大数据处理子系统2部分组成,该系统实现对被检测对象的气密性参数检测、处理和气密性等级分类,提高识别被检测对象气密性的可靠性。本专利技术进一步技术改进方案是:参数采集与控制平台包括气源、充气阀、2个质量流量控制器、压力检测节点、温度检测节点、控制节点、差压传感器、 ...
【技术保护点】
1.一种气密性检测系统,其特征在于:所述系统包括参数采集与控制平台和气密性大数据处理子系统,系统实现对被检测对象的气密性参数检测、处理和气密性等级分类;/n所述气密性大数据处理子系统包括NARX神经网络模型、小波分解模型、GM(1,1)灰色预测模型、降噪自编码器、CNN卷积神经网络模型、梯形模糊数LSTM神经网络模型、梯形模糊数时延神经网络模型、气密性校正模块和温度补偿模块;差压传感器输出和温度补偿模块输出作为NARX神经网络模型的输入,NARX神经网络模型的输出作为小波分解模型的输入,小波分解模型输出NARX神经网络模型输出值的低频部分和多个高频波动部分,NARX神经网络模型输出值的低频部分和多个高频波动部分分别是GM(1,1)灰色预测模型和多个降噪自编码器的输入,GM(1,1)灰色预测模型和多个降噪自编码器的输出是CNN卷积神经网络模型对应的输入,CNN卷积神经网络模型输出和气密性校正模块输出是梯形模糊数LSTM神经网络模型的输入,梯形模糊数LSTM神经网络模型输出是梯形模糊数时延神经网络模型的输入,梯形模糊数时延神经网络模型输出作为CNN卷积神经网络模型输出的对应输入,梯形模糊数 ...
【技术特征摘要】
1.一种气密性检测系统,其特征在于:所述系统包括参数采集与控制平台和气密性大数据处理子系统,系统实现对被检测对象的气密性参数检测、处理和气密性等级分类;
所述气密性大数据处理子系统包括NARX神经网络模型、小波分解模型、GM(1,1)灰色预测模型、降噪自编码器、CNN卷积神经网络模型、梯形模糊数LSTM神经网络模型、梯形模糊数时延神经网络模型、气密性校正模块和温度补偿模块;差压传感器输出和温度补偿模块输出作为NARX神经网络模型的输入,NARX神经网络模型的输出作为小波分解模型的输入,小波分解模型输出NARX神经网络模型输出值的低频部分和多个高频波动部分,NARX神经网络模型输出值的低频部分和多个高频波动部分分别是GM(1,1)灰色预测模型和多个降噪自编码器的输入,GM(1,1)灰色预测模型和多个降噪自编码器的输出是CNN卷积神经网络模型对应的输入,CNN卷积神经网络模型输出和气密性校正模块输出是梯形模糊数LSTM神经网络模型的输入,梯形模糊数LSTM神经网络模型输出是梯形模糊数时延神经网络模型的输入,梯形模糊数时延神经网络模型输出作为CNN卷积神经网络模型输出的对应输入,梯形模糊数LSTM神经网络模型输出的梯形模糊数代表被测量对象的气密性等级值。
2.根据权利要求1所述的一种气密性检测系统,其特征在于:所述温度补偿模块包括NARX神经网络模型、自联想神经网络模型、小波分解模型、GM(1,1)灰色预测模型、多个降噪自编码器和LSTM神经网络模型;标准容器和被测量对象的2组多个温度传感器输出分别作为对应的2组多个NARX神经网络模型的输入,2组多个NARX神经网络模型输出分别作为对应的2个自联想神经网络模型的输入,2个自联想神经网络模型输出的2个容器温度差值作为小波分解模型的输入,小波分解模型输出的2个容器温度差值的低频部分和多个高频部分分别是GM(1,1)灰色预测模型和多个降噪自编码器的输入,GM(1,1)灰色预测模型和多个降噪自编码器的输出是LSTM神经网络模型的输入,LSTM神经网络模型输出值作为温度补偿模块的输出。
3.根据权利要求1所述的一种气密性检测系统,其特征在于:所述气密性校正模块包括NARX神经网络模型、小波分解模型、GM(1,1)灰色预测模型、降噪自编码器和LSTM神经网络模型;标准容器的压力变送器和被测量对象的压力变送器的输出分别作为对应的2个NARX神经网络模型的输入,2个NARX神经网络模型输出的2个变送器压力...
【专利技术属性】
技术研发人员:马从国,王大伟,丁百湛,黄国君,丁晓红,王苏琪,周恒瑞,叶文芊,金德飞,张利兵,王建国,陈亚娟,刘伟,李亚洲,
申请(专利权)人:淮阴工学院,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。