Один из лучших российских интеллектуальных датчиков давления с. Датчики оснащены современными тензорезистивными или емкостными. IP65;; Варианты исполнения — общепромышленное, «Ex» (ExiaIICT6 X), «Exd» .
Методика компенсации температурной погрешности интеллектуальных датчиков давления. Аннотациянаучной статьипо кибернетике, автор научной работы — Николаенко А. Определена структура автоматизированной системы контроля параметров датчиков давления.
Разработана методика компенсации температурной составляющей погрешности измерений, производимых с помощью интеллектуальных датчиков давления. В. Текстнаучной работына тему . Научная статья по специальности. Хаустов. МЕТОДИКА КОМПЕНСАЦИИ ТЕМПЕРАТУРНОЙ ПОГРЕШНОСТИ ИНТЕЛЛЕКТУАЛЬНЫХ ДАТЧИКОВ ДАВЛЕНИЯ. Рассмотрены возможности и сферы применения интеллектуальных датчиков давления. Определена структура автоматизированной системы контроля параметров датчиков давления.
Разработана методика компенсации температурной составляющей погрешности измерений, производимых с помощью интеллектуальных датчиков давления. Оценка тенденций и проблем развития интеллектуальных датчиков проведена в работах . К достоинствам ИДД можно отнести возможность компенсации основных и дополнительных погрешностей, возможность оценки достоверности и обработки информации. Структура и функции современных интеллектуальных датчиков рассмотрены в работах . Увеличение надежности измерения за счет самодиагностики датчиков, т.
Ицкович, Москва, 2005 г. Реферат на тему: Современные интеллектуальные датчики. Ицкович, Москва, 2005 г.
Беспроводная связь в промышленной автоматизации: современные стандарты. USWO для цифровых регуляторов общепромышленного назначения. Современная информационно-измерительная техника Ицкович Э. Интеллектуализация средств автоматизации. Салливан П., Кобасевич Д. Интеллектуальный токовый датчик управления драйвером электродвигателей. Рассматриваются структура и функции современных интеллектуальных датчиков, их связи с полевыми сетями, тенденции их развития. ИЦКОВИЧ ЭММАНУИЛ ЛЬВОВИЧ 1 1 ИПУ им. Структура интеллектуальных датчиков. Современные интеллектуальные датчики имеют многовариантную блочную структуру. Современные интеллектуальные датчики общепромышленного назначения на рынке СНГ.
Концепция основана на комплексном применении принципа внешнего дополнения, теории равномерного приближения и оптимальной дискретной фильтрации. Предложены методы взвешенного равномерного (пропорционального) приближения обратных функций преобразования датчиков.
Рассмотрено применение предложенной концепции на примере калибровки интеллектуальных датчиков давления. Наиболее известными производителями ИДД являются такие отечественные производители как промышленная группа «Метран» (Emerson Process Management), «Манометр», «Элемер» и зарубежные компании «Endress & Hauser», «Valcom», «Honeywell», «Yokogawa», «Fisher- Rosemount». Популярными моделями являются «Метран - 1. DPharp. EJX («Yokogawa»), датчики серии АИР («Элемер»), комплексы «САПФИР» («Манометр»), датчики CDS (Beijing Huakong Technology Co., Ltd) и другие. Значительную часть предприятий, выпускающих ИДД, составляют предприятия оборонно- промышленного комплекса.
Более подробно рынок интеллектуальных датчиков в России проанализирован в работе . Поэтому на этих предприятиях выполняется переход к автоматизированному производству. АСКИ предназначены для определения и контроля параметров датчиков в нормальных и экстремальных климатических условиях. Основные функции системы. При этом требования к точности измерений информации постоянно повышаются. Для реализации в таких системах предлагается метод компенсации температурной составляющей погрешности измерений, производимых с помощью ИДД. Структурная схема системы.
Исходно предполагается, что датчик рассчитан для проведения измерений в известном диапазоне давлений . Также предполагается, что контроллер давления и климатические камеры, входящие в состав установки, позволяют устанавливать данные параметры внутри указанных диапазонов с заданной точностью. Для аппроксимации будут использоваться полиномиальные зависимости.
Также предполагается наличие ошибок измерения выходных сигналов u, т. Методика поиска модели состоит из следующих этапов. Сбор необходимых экспериментальных данных.
Статистическая обработка полученных данных с определением степени полинома п и оценкой коэффициентов аг модели (2) для каждой из рассматриваемых температур Т. Нахождение функций аг = gг(T). Для каждого заданного значения температуры производится получение статической характеристики датчика u(T. После чего для каждого заданного значения давления осуществляется процедура измерения выборочного среднего значения выходного сигнала датчика у. Поэтому зависимость (2) заменяется зависимостью. Р) = 5 Ъг . Для каждого выбранного значения Т (.
Определяется максимальная степень Птах полученных полиномов. Для значений Т, для которых степень полинома п < птах, строится полином степени птах с помощью процедуры построения полинома. Так как столбцы матрицы X ортогональны, то матрица (XТ X) является диагональной, в диагонали которой стоят. Поэтому при увеличении степени полинома (3) на единицу нет необходимо- .
ТX) \ а достаточно только увеличить её размеры на 1, при этом последний диагональный элемент будет равен 1/Х(П+1), что существенно упрощает все расчёты. При 7=0 выбирается начальный порядок полинома (3) равным n. Рассчитывается матрица плана эксперимента (5). Рассчитываются оценки коэффициентов регрессии по формуле (4). Вычисляется остаточная дисперсия по формуле (6). Составляется F- отношение: F = M sr / S7.
J . Число F сравнивается со значением gиз таблицы распределения Фишера, соответствующим заданному уровню значимости q и числам степеней свободы, с которыми подсчитаны дисперсии (в нашем случае они равны: Np- n- 1 и M- 1). Далее осуществляется переход к следующему значению температуры T7+1, для чего степень полинома (3) выбирается равной n - степени полинома на предыдущем шаге, и выполняется описанный цикл по пунктам 1. Необходимо увеличить порядок полинома (3) на единицу (n+1) и повторить расчёты, начиная с п. Перед построением моделей (7) необходимо рассчитать веса Wгi наблюдений Ьг/.
Выбирается начальный порядок полинома (3) равным K = 0. SX = CX0, (i = 0. NTmax ). 2. Рассчитывается матрица плана эксперимента в соответствии с (1. Рассчитываются оценки коэффициентов регрессии по формуле (9). Вычисляется остаточная дисперсия из выражения (1.
Составляется F- отношение: F = M Хц . Число F сравнивается со значением gиз таблицы распределения Фишера, соответствующим заданному уровню значимости q и числам степеней свободы, с которыми подсчитаны дисперсии (в нашем случае они равны: NTmax- K- 1 и M- 1).
Эти оценки запоминаются в памяти компьютера, а впоследствии должны быть занесены в память микропроцессора датчика. Осуществляется переход к следующему коэффициенту Ъх+i, и выполняется описанный цикл по пунктам 1. Необходимо увеличить порядок полинома (6) на единицу (K+1) и повторить расчёты, начиная с п. По известным коэффициентам cx и температуре T рассчитываются значения коэффициентов характеристики датчика Ъх на основании выражений (7). Рассчитывается нулевое приближение искомого давления для чего зависимость (2) линеаризуется: u = Ъ0 + Ъ1 . Откуда: P(0) = (u - Ъ0)/Ъь. Нулевое приближение уточняется по методу Ньютона, используя следующее рекуррентное соотношение: P.
Реализация предлагаемого метода в составе автоматизированных систем позволит снизить трудоемкость технологического процесса контроля параметров ИДД во время проведения испытаний; повысить объективность контрольных и испытательных процессов; исключить влияние субъективного фактора за счет автоматизации контроля параметров датчиков; увеличить количество контролируемых параметров при регулировке и испытаниях выпускаемой продукции при одновременном сокращении ручного труда и повышения производительности техпроцесса в целом; обеспечить температурную независимость работы интеллектуальных датчиков давления и повысить точность измерений, производимых с помощью этих датчиков. Новейшие датчики / Р. Г. Интеллектуальные датчики давления с элементами диагностики и управления / О.
В. Зацерклянный // Датчики и системы, . Современные интеллектуальные датчики общепромышленного назначения, их особенности и достоинства / Э. Л. Ицкович // Датчики и системы . Влияние шума на точность измерения в интеллектуальных датчиках давления на основе КНС / Ю. А. Емельянов // Датчики и системы, .
Унификация программного обеспечения интеллектуальных датчиков в микропроцессорных средствах измерений / С. В. Немчинов // Датчики и системы, .
Исследование шума в интеллектуальных датчиках давления / В. А. Ларионов // Датчики и системы, . Вероятностный подход к фильтрации асимметричных помех в интеллектуальных датчиках / И. Е. Тарасов // Датчики и системы, .
Разработка алгоритма параллельной работы с интеллектуальными датчиками / М. В. Маланин // Датчики и системы, . Калибровка интеллектуальных датчиков технологических производств / В. А. Ларионов // Датчики и системы, . Автоматизация калибровки и контроля интеллектуальных датчиков технологических производств: монография / В. А. Челябинск: Издательский центр ЮУр.
ГУ, 2. 01. 1. Метод наименьших квадратов и основы теории обработки наблюдений / Ю. В. Глухарева (ЭОКБ «Сигнал»). Peter A. Glukharev. Николаенко Артем Юрьевич - . Саратовского государственного. Гагарина Ю. А. Nikolaenko - . Master's Degree Student.
Yuri Gagarin State Technical Unicvversity. Коновалов Роман Станиславович - . Саратовского государственного. Гагарина Ю. А. Konovalov - .
Yuri Gagarin State Technical University of Saratov. Хаустов Владимир Викторович - .