磁致伸縮液位傳感器是一種新型的、高精度、高靈敏度、可用于傳統液位傳感器不能滿足要求的工業場合，其廣泛應用于航空航天、石油化工等工 業領域，本文研究的磁致伸縮液位傳感器應用 于航空發動機滑油噴嘴流量試驗器的計量系統中， 因此其測量精度，對環境的適應性以及抗力 更為重要。
在磁致伸縮液位傳感器問題的研究上，顏慶偉等人對傳感器的工作原理、結構進行了介紹分析，設計了模塊化的電路設計方法，并通過試驗驗證了這種電路設計方法具有較好的靜態、動態特性，可以提高傳感器的整體性能。代國前、王崢等人［8－9］ 運用了電磁學、材料力學等相關理論對磁致伸縮液位傳感器的彈性波產生機理、信號檢測機理等建立數學模型，并通過計算、實驗對建立的模型進行驗證，對后來學者研究提高傳感器測量精度的方法提供了較好的理論依據和實驗數據支持，具有積極的意義。但是這些學者對于溫度對傳感器的影響沒有進行研究。陶若杰等［10］研究了一種雙絲差動的新型結構，有效的降低了磁致伸縮位移傳感器的噪聲干擾，提高了測量的精度。李永波等［11］對分析了溫 度對傳感器晶振頻率、回波速率以及液體密度對傳感器測量精度的影響，提出了可以消除上述影響的雙輔助磁性浮子設計方法。但是這些提高傳感器精度的方法均采用改動硬件結構的方式，不僅不易于實現，適應性不強，不能夠對全程進行補償、補償電路易產生漂移等問題，而且對已生產的、已經投入使用的傳感器無法采用該種方法進行修正。
依據上述問題，本文建立基于改進型自適應神經模糊推理系統的磁致伸縮液位傳感器的溫度補償方法。該系統采用附加動量算法不斷修正自適應神經模糊推理系統中的前題參數以避免采用梯度下降算法時易陷入局部極小，訓練速度較慢等缺點，提高系統的忽略網絡中微小變化的能力。結合理論分析與試驗研究，對該種溫度補償方法進行了相關測試和分析。
1傳感器誤差分析
1.1磁致伸縮液位傳感器工作原理
根據磁體的磁致伸縮原理設計出磁致伸縮液位 傳感器，由不會被磁化的不銹鋼波導管、波導絲、內部 裝有磁鐵的浮球以及電子信號處理裝置等組成。傳感器工作時，裝在傳感器最上端的電子信號處理裝置首先會將一個電流脈沖信號發送給磁致伸縮波導絲上，電脈沖會產生一個環形磁場，以光速傳播，導波管會因為由電流脈沖信號產生的環形磁場遇到浮球內的磁鐵時相互疊加而產生波導扭曲，并且會因此產生一個應變脈沖的超聲波，超聲波以一個固定的速率在波導管中向兩端傳播，當一端超聲波遇到末端的衰減阻尼器時能量會被吸收，另一端超聲波傳到電子信號處理裝置的接收器時會被轉化為電流脈沖信號并被計時器采集，這樣通過超聲波的速度乘以發射電流脈沖與接收電流脈沖的時間差即可得到浮球的位置。
1.2溫度對傳感器內部晶振的影響
通過對傳感器工作原理了解可知，浮子的位置 是由測量時的激勵脈沖與返回脈沖的時間決定的， 因此時鐘晶振是決定傳感器穩定性以及測量精度的 重要因素，然而在被測液位溫度變化較大時，晶振會 產生溫度漂移，隨之帶來的傳感器測量的誤差，可以 使用溫度漂移系數來表示晶振的溫度漂移:為在標定溫度下，進行測量時的脈沖數; k 為晶振的溫度漂移系數。
1.3溫度對回波速率的影響
磁致伸縮液位傳感器的本質是使用時間值表示液位值，彈性模量等參數有關，而這些參數會隨著溫度變化產生明顯的改變，因此上述回波速率公式適用于恒溫下，溫度變化不大的測量場合。
1.4溫度對磁致伸縮液位傳感器浮子的影響
本文研究的傳感器的被測液體是航空滑油，其 密度會隨著溫度變化而變化，通過實際的實驗測量， 二者變化曲線類似于拋物線，而密度的變化會使得 同一個物體侵入該液體體積發生改變。由磁致伸縮 液位傳感器的工作原理得知傳感器是通過浮球侵入 液體從而反應出相對于的液位，溫度的變化勢必影 響傳感器浮球侵入液體的體積，從而影響傳感器測 量的準確性，特別對于溫差較大的系統，其誤差有可 能超過系統的要求。因此在溫度變化較大的系統必 須消除溫度對磁致伸縮液位傳感器的影響。
可見，滑油密度的改變會改變浮球浸入滑油的高度，浸入滑油的高度改變勢必使得液位讀數發生改變，使得測量產生了誤差。通過上述對溫度影響磁致伸縮液位傳感器測量精度的分析可知，溫度會對多種因素產生影響，因此使用硬件設計不易于對多種影響因素進行修正，可以通過使用結合智能算法的軟件修正方式對其補償。
2改進型 ANFIS
2.1典型自適應神經模糊推理
系統典型的自適應神經模糊推理系統結構通常分為 5 層網絡，包括兩個輸入層，兩個規則層與一個輸出層。系統中帶有參數的自適應節點用方形節點表示，不帶參數的固定節點由圓形節點表示通過對 ANFIS 結構分析可知，當系統前題參數給定時，自適應神經模糊推理系統網絡的輸出可由結論參數線性組合得出使用混合學習算法來不斷修正前題參數和結論
參數即為自適應神經模糊推理系統的核心思想。使用時須要先將一初始值賦給前題參數，并通過使用遞推最小二乘估計算法得到結論參數，然后使用梯度下降法將系統誤差反向向前傳播，即從第 5 層向第 1 層傳播，從而修正前題參數。
2.2改進型自適應神經模糊推理系統
由于梯度下降算法具有容易陷入局部極小，訓練速度較慢等缺點，因此對 ANFIS 進行改進，采用附加動量算法來不斷修正 ANFIS 的前題參數，這樣就可以將在誤差曲面中，由目標誤差變化產生的影響和在梯度中目標誤差的作用同時進行考慮，它的作用類似于低通濾波器，使得自適應神經模糊推理系統對微弱的、可忽略的變化進行過濾，即使系統具有跳過誤差曲線局部極小值的能力使用附加動量法進行修正的實質就是通過一個 動量因子來傳遞次前題參數變化的影響。當 該動量因子 λ = 0 時，為傳統的 ANFIS 算法，即前題參數僅受梯度下降法影響; 當該動量因子 λ = 1 時， 將新的前題參數變化設置為次前題參數的變 化，忽略倒由梯度下降法參數的變化部分。這樣通 過增加動量項，使得前題參數的調節趨向誤差曲面 底部平均方向變化，當進入誤差曲面底部平坦區域時，Δci( n+1) ≈Δci( n) ，從而有效防止出現 Δci = 0，這樣有利于網絡從誤差曲面的局部極小值中跳出。
由附加動量法設計準則可知，當出現修正的前題參數導致誤差產生較大增長，以及當新的誤差變化率相對于原值超過了已經設定的誤差變化率時，則不能采用新的前題參數，避免網絡進入較大的誤差曲面。因此，為了準確使用修正方法，要在訓練程序中加入條件判斷條件:3溫度補償實驗研究
3.1溫度補償前實驗分析
本文研究的液位標定溫度補償試驗所使用的標定測試裝置組成。所研究的傳感器為在航空滑油噴嘴流量試驗器上用于計量的 JLM 磁致伸縮液位傳感器，其量程范圍為 0 到 700 mm，非線性度為 0．1%，被測液體為 HP－8A 型航空滑油，滑油的溫度范圍為 20 ℃ ～ 70 ℃ ，溫度傳感器為 WBJ / ＲPB23ZNd 型溫度變送器，溫度測量量程為 0 ～ 150℃ ，數據采集系統為西門子 S7 － 300 的模擬量采集模塊 SM331，其具有 15 位的分辨率。被測試的傳感器安裝在油桶中，被加熱至適當溫度的滑油通過滑油噴嘴噴出，進入油桶，油桶與標有刻度的游標連通，油桶中滑油的實際液位通過游標讀出，磁致伸縮液位傳感器和溫度傳感器的測量值通過數據采集系統采集處理傳至上位機。由于該種滑油主要工作溫度為( 60±5) ℃ ，所以僅對 20 ℃ ～ 70 ℃ 范圍內，溫度對傳感器精度的影響進行研究和修正。
通過實驗測得未對傳感器進行溫度補償的數據如表 1 所示。通過對溫度補償前實驗數據進行分析可以看出，在相同實際液位高度下，不同溫度測量時間的測量液位值會隨著溫度升高而增大。通過實驗數據得到了傳感器進行溫度補償前的傳感器工作曲線如圖 4 所示，可以看出在同一溫度下，實際液位越高，溫度漂移現象越明顯，說明液位值越高受到溫度的影響越大。在低液位區域，傳感器輸出的線性度比高液位區域略好。溫度補償前的測量誤差曲線如圖 5 所示，在相同溫度下，液位值越高，測量時受到溫度影響越大，測量誤差越大。在 70． 2 ℃ 時，傳感器在600 mm 液位測量時會因為溫度影響而產生 18． 5%左右的誤差。
3.2溫度補償后實驗分析
溫度補償原理如圖 6 所示。實際液位高度 H與實際溫度 Tr 共同決定了磁致伸縮液位傳感器輸出的液位高度 Ho ，即傳感器輸出是關于 Hr 和 Tr 的函數: Ho = f( Hr ，Tr ) 。為了消除溫度 Tr 對傳感器的影響，將溫度輸出 To 與實際液位高度 Hr 作為ANFIS 的輸入，將用于作為訓練樣本的實驗數據對
溫度補償的 ANFIS 進行訓練，通過訓練學習，系統能夠將輸入的實際液位高度 Hr 、溫度 To 、傳感器輸出高度 Ho 建立非線性映射，通過對參數不斷優化使得系統輸出 Hc 最終逼近實際液位高度 Hr ，最后通過測試數據對 ANFIS 輸出的液位高度進行測試。使用 ANFIS 進行溫度補償的程序框圖如圖 7 所示。使用溫度范圍在 20 ℃ ～ 70 ℃ ，液位范圍在100 mm ～ 600 mm 的未經過溫度補償的實驗數據作為 ANFIS 的訓練樣本，為了消除量綱不同對計算的產生的影響對采集的數據進行歸一化處理。
隸屬函數選取為三角函數，設定 a、b、c 參數的學習率為 0．01; 允許誤差為 1×10－4 。隸屬函數個數將決定 ANFIS 訓練結果的質量，因此需要選取合適的隸屬函數個數。通過仿真研究可知，增大隸屬函數個數可以減小誤差，但會增加計算量，經過比較隸屬函數個數選為 7 時的訓練效果相對較好。使用梯度下降算法作為誤差反向傳播算法時， 設置目標誤差為 1×10－4 ，通過 301 步迭代運算可以達到誤差要求，而使用動量附加算法作為誤差反向傳播算法時，設置目標誤差為 1×10－4 ，通過 174 步迭代運算可以達到誤差要求。
通過溫度補償后的實驗數據得到傳感器的工作曲線如圖 8。補償后傳感器的輸出基本不會受到溫度影響，線性度非常好?？梢钥闯鐾ㄟ^使用改進型 ANFIS 溫度補償后，在 20 ℃ ～ 70 ℃ 溫度范圍內，100 mm ～ 600 mm液位范圍內的測量誤差均低于 0．88%。
為比較改進型 ANFIS 溫度補償系統的優勢，建立基于 PSO-LSSVM 模型和基于 BP 神經網絡的溫度補償模型，并利用同樣的數據樣本對網絡進行訓練。對 PSO-LSSVM 模型設置進化代數為 100，種群規模為 40，c1 = c2 = 2．5; 對 BP 神經網絡模型選擇隱含層的單元數為 11，選擇 Sigmoid 函數為隱含層函數，Pureline 線性函數為輸出層計算函數，trainlm 為訓練函數，設置訓練次數為 1500。
補償的實驗數據相比較，可以看出 3 種補償方法均可以在一定程度上有效補償溫度對傳感器產生的影 響。對比3 種不同補償方法的效果，可以看出使用了基于 BP 神經網絡的補償方法的相對誤差為 3． 65%，平均為 3． 12%，使用了 PSO-LSSVM補償方法的相對誤差為 2．18%，平均為 1．92%，而改進型 ANFIS 方法的相對誤差為 0．88%，平均為 0．65%，遠小于另外兩種補償方法。這說明 使用了改進型 ANFIS 的溫度補償方法能夠有效消除溫度對磁致伸縮液位傳感器的影響。
4 結論
①介紹了磁致伸縮液位傳感器的工作原理，對由于被測液體溫度變化而產生的誤差機理進行了分析。
②針對傳感器的溫度補償，對自適應神經模糊推理系統進行改進，采用附加動量算法不斷修正自適應神經模糊推理系統中的前題參數以避免采用梯度下降算法時易陷入局部極小，訓練速度較慢等缺點，提高系統的忽略網絡中微小變化的能力。
③將改進型 ANFIS 溫度補償方法進行實際測試，并于基于 BP 神經網絡和基于 PSO-LSSVM 模型的溫度補償方法進行比較，改進型 ANFIS 溫度補償性能優于 BP 神經網絡和基于 PSO-LSSVM 模型的溫度補償方法，具有很強的泛化能力。
