高壓水流量計 高壓噴淋系統流量計 噴霧加濕系統流量計
金屬管浮子流量計是工業自動化過程控制中常用的一種變面積流量儀表，它具有體積小，檢測范圍大，使用方便等特點，金屬管浮子流量計可用來測量液體、氣體以及蒸汽的流量，特別適合用于低流速小流量介質的流量測量，金屬管浮子流量計分就地指示型和智能遠傳型，具有指針顯示瞬時流量，液晶顯示瞬時、累計流量，標準4～20mA電流輸出，上、下限報警，HART協議輸出等多種功能。
工作原理：
金屬管浮子流量計由測量管、浮子和指示器組成，浮子在測量管中自由的上下移動，改變管道中的流通面積，隨著流量大小的變化，浮子在測量管中的垂直位置也發生相應的變化，通過磁性的傳遞系統將浮子位置準確傳遞到指示器的刻度盤上，指示流量值的變化。
主要特點：
·工作可靠，維護量少，使用壽命長
·1：10的較寬的量程比
·全金屬結構，堅固穩定，適合高溫、高壓、強腐蝕性介質
·防爆設計結構適合易燃、易爆危險場合
·新型磁耦合傳感器保證信號傳輸穩定可靠
·適合低流速小流量的介質流量的測量
·可加裝磁過濾器
·智能型可選現場瞬時和累積流量顯示
·可選二線制、電池供電方式
·可帶保溫、夾套設計
技術參數：
測量范圍 | 水：2.5～100000L/h |
空氣：0.07～3000m3/h | |
量程比 | 10:1（特殊型 20:1） |
精度等級 | 標準型1.5級，特殊訂貨可達1.0級 |
工作壓力 | DN15、DN25、DN40、DN50～4.0MPa |
DN80、DN100、DN150、DN200～1.6MPa | |
介質溫度 | 普通型：-40℃～100℃ |
高溫型：-80℃～250℃ | |
內襯F46氟塑料：-40℃～+80℃，內襯PFTE-40℃～+120℃ | |
環境溫度 | 指針式：-40℃～+65℃ |
智能型：-25℃～+65℃ | |
連接方式 | 法蘭連接 |
電氣接口 | M20×1.5（特殊要求可做） |
防護等級 | IP65 |
防爆等級 | 本安：ExibIICT4； 隔爆：ExdIIBT4 |
介質粘度 | DN15≤5Mpa.s DN25～200≤5Mpa.s |
工作電源 | +24VDC，紋波≤5% |
測量管材質 | 304不銹鋼 316不銹鋼，304或316L不銹鋼內襯FTFE或F46 |
浮子材質 | 304或316（不銹鋼）；FTFE或F46 |
產品分類：
儀表規格 | 現場顯示型（指針指示） | 遠傳顯示型（液晶數顯） |
信號輸出 | 無 | 4～20mA |
供電電源 | 無 | +24VDC |
精度等級 | 1.5級 | |
顯示 | 指針或液晶 | |
通訊接口 | 可選配HART通訊 | |
測量管材質 | 不銹鋼，可選內襯PTFE（防腐蝕） | |
防爆等級 | 可選本安：ExibIICT4； 隔爆：ExdIIBT4 | |
防護等級 | IP65 | |
儀表通徑 | DN15～DN200 | |
安裝方式 | 法蘭安裝 | |
介質 | < 250℃ | |
環境溫度 | -30℃～65℃ | |
流量范圍：
口徑 | 水(L/h)20℃ 0.101325MPa | 空氣(m3/h)20℃ 0.101325MPa | |||
壓力等級 | 通徑 | 浮子（CrNi Hc) | 浮子（PTFE Ti) | 浮子（CrNi Hc) | 浮子（PTFE Ti) |
4.0MPa | 15 | 1.6-16 | 0.05-0.5 | ||
2.5-25 | 2.5-25 | 0.075-0.75 | 0.075-0.75 | ||
4.0-40 | 4.0-40 | 0.12-1.2 | 0.12-1.2 | ||
6.0-60 | 6.0-60 | 0.18-1.8 | 0.18-1.8 | ||
10-100 | 10-100 | 0.30-3.0 | 0.30-3.0 | ||
16-160 | 16-160 | 0.45-4.5 | 0.45-4.5 | ||
25-250 | 25-250 | 0.75-7.5 | 0.75-7.5 | ||
40-400 | 40-400 | 1.2-12 | 1.2-12 | ||
60-600 | 60-600 | 1.8-18 | 1.8-18 | ||
20 | 40-400 | 25-250 | 0.75-7.5 | 0.75-7.5 | |
60-600 | 40-400 | 1.2-12 | 1.2-12 | ||
100-1000 | 60-600 | 1.8-18 | 1.8-18 | ||
25 | 100-1000 | 100-1000 | 3.0-30 | 3.0-30 | |
160-1600 | 120-1200 | 5.0-50 | 5.0-50 | ||
250-2500 | 160-1600 | 7.5-75 | 7.5-75 | ||
400-4000 | 250-2500 | 12-120 | |||
32 | 160-1600 | 120-1200 | 3.0-30 | 3.0-30 | |
250-2500 | 160-1600 | 5.0-50 | 5.0-50 | ||
400-4000 | 250-2500 | 7.5-75 | 7.5-75 | ||
600-6000 | 18-180 | ||||
40 | 400-4000 | 100-1000 | 3.0-30 | 3.0-30 | |
600-6000 | 160-1600 | 5.0-50 | 5.0-50 | ||
1000-10000 | 250-2500 | 7.5-75 | 7.5-75 | ||
50 | 600-6000 | 400-4000 | 12-120 | 12-120 | |
1000-10000 | 600-6000 | 18-180 | 18-180 | ||
1600-16000 | 1000-10000 | 30-300 | 30-300 | ||
2000-20000 | 1200-12000 | 37-370 | |||
1.6MPa | 65 | 1200-12000 | 600-6000 | 18-180 | 18-180 |
1600-16000 | 1000-10000 | 30-300 | 30-300 | ||
2500-25000 | 1200-12000 | 37-370 | 37-370 | ||
80 | 2500-25000 | 1600-16000 | 37-370 | 50-500 | |
4000-40000 | 2500-25000 | 75-750 | 75-750 | ||
100 | 4000-40000 | 2500-25000 | 120-1200 | 120-1200 | |
6000-60000 | 4000-40000 | 180-1800 | |||
125 | 8000-80000 | 4000-40000 | 120-1200 | 120-1200 | |
10000-100000 | 6000-60000 | 180-1800 | |||
150 | 12000-120000 | 6000-60000 | 200-2000 | 180-1800 | |
-150000 | 8000-80000 | ||||
基于HLO-LSSVM算法的浮子流量計非線性校正，針對浮子流量計非線性校正中常用的分段線性擬合和*小二乘法不足 ，以及*小二乘支持向量機參數難確定問題，提出了一種基于人類學習優化－*小二乘支持向量機算法（HLO－LSSVM）的儀表非線性校正方法。 首先簡介了*小二乘支持向量機和人類學習優化算法，接著闡述了 HLO－LSSVM 算法進行非線性校正的實現過程，分別采用分段線性擬合、*小二乘法和 HLO－LSSVM 算法對浮子流量計非線性校正問題進行了對比。 結果表明，HLO－LSSVM 算法具有更優的校正效果，實現簡單，具有良好的應用前景。
浮子流量計引是以浮子在垂直錐形管中隨著流量變化而升降，改變它們之間的流通面積來進行測量的體積流量儀表。 磁阻式金屬管浮子流量計由磁阻傳感器、外部感應磁鋼、內嵌磁鋼的浮子和金屬管道組成。 流量計輸出的流量值與浮子位移 h 成正比。 由于磁阻式浮子流量計在測量過程中受到溫度、 磁場的影響，其輸出浮子位移 h 與磁阻傳感器輸入 v 的關系為非線性。 克服傳感器非線性的傳統方法包括了硬件補償法、*小二乘法和分段線性擬合法。 這些傳統方法復雜、需要樣本多，精度低，且當更換新的流量計，必須再次進行復雜的計算，可操作性差。
本文提出了一種 HLO－LSSVM 算法的非線性校正方法，利用人類學習優化算法（HLO）對*小二乘支持向量機（LSSVM）的參數進行優化方法，用于解決浮子流量計的非線性校正問題。
1.基于 LSSVM 的流量計非線性校正
磁阻式浮子流量計的磁阻材料的阻值會隨外部磁場變化而變化。 復雜的工作現場可能會存在較強的外部磁場干擾。 同時磁阻材料阻值也會隨環境溫度的變化而變化， 所以流量計輸出浮子位移 h 與磁阻傳感器輸入 v 的特性總是存在一定的非線性。從理論上較難推出浮子位移與流量計輸出的函數關系。 浮子流量計輸出浮子位移 h 與磁阻傳感器輸出 v 可以由式（1）表示：
徑向基函數的核寬度參數 δ2 體現了訓練樣本數據集的分布特性，能夠確定局部鄰域的寬度。 較大的 δ2 意味著較低的方差。 *小二乘支持向量機表達式的正則化參數 γ 用來調節LSSVM 置信范圍和經驗風險的比例 ， 取折中以使泛化能力 。 這兩個參數的變化對*小二乘支持向量機的校正結果有很大的影響，對這兩個參數的選取決定了線性擬合的好壞。 因此，尋找 參數將是提高LSSVM 性能的關鍵。
2.基于 HLO－LSSVM 的流量計非線性校正
人類學習優化算法 （Human Learning Optimization Al-gorithm，HLO）是由 Wang 等人于 2014 年提出的一種模擬人類學習機制啟發式算法，利用群體智能搜索較好的解。 該算法收速度快，設置參數少、算法簡單易實現等優點，已在多個應用問題上表現出優勢。
文采用人類學習優化算法優化選取 LSSVM 參數及其核函數參數。 人類學習優化算法模擬人類的學習過程，人類學習過程可以看作是一個迭代的優化過程：人們通過不斷地學習，掌握和提高技能，就像優化算法迭代地尋找 解。 人類學習優化算法采用的是二進制編碼，每一位比特代表人類學習優化算法中解決問題知識的一個組成成分。該算法通過隨機學習、個人學習和社會學習操作算子來求解優化問題。 其迭代公式如式（9）。
其中，i＝1，2…M，M 是種群規模的大小，i 表示第 i 個個體；j表示個體的第 j 維；xij 表示個體 i 在第 j 維的知識；rand（0，1）表示等概率地生成 0 或者 1；ikij 代表第 i 個個體的歷史 解（個體 ）的第 j 維的值。 skj 表示所有個體的歷史 解（全局 ）中
第 j 維的值。 rand()表示［0～1］ 之間的隨機數 ； pr 表示隨機學習的概率；pi 表示個體學習的概率。
所有個體完成學習后， 新解的適應度值通過適應度函數計算獲得。 若新適應度值比上一個個體 解優， 則更新此解，否則不更新；
全局 解以同樣的方 式更新。 HLO＿LSSVM實現過程如圖 2 所示。
3.浮子流量計非線性校正實例
本文通過實驗測得 16 組浮子位移 hi 與磁阻傳感器輸出 vsi 的實測值。 其中 9 組用來進行非線性校正訓練，如表 1 的hi 所示。 剩下的 7 組用來進行驗證對比，如表 2 的 hi 所示。
3．1 HLO＿LSSVM 校正結果
在 Matlab 2014a 軟件中，本文分別采用 HLO－LSSVM 算法、分段線 性 擬 合 算 法 （Piecewise LinearFitting，PLF） 和*小二乘法擬合算法（Least Square Method，LSM擬對表 1 中數據進行了非線性校正。
HLO－LSSVM 算法的參數設置如下所示。 種群規模為 10，迭代次數為 30，隨機學習概率 Pr＝0．2，個體學習 概率 Pi ＝0．93， 正 則 參 數 γ ＝467．859，徑向基函數參數 δ2＝1．312
算法優化和非線性校正
結果與分段線性擬合和*小二乘法對比結果如表 2 所示。 其中，hi 表示浮子實測高度，h1i 表示
HLO－LSSVM 測量的浮子高度，h2i 表示分段線性擬合測量的浮子高度，
h3i 表示*小二乘法擬合測量的浮子高度。
3．2 結果對比
為了更好地分析出實驗結果，本論文采用和方差（SSE）和
均方差（MSE）評價擬合效果。
其中，n 是數據的個數，hi 是原始數據，hi 是預測的數據。
HLO－LSSVM 算法的方差 表 3 對比結果
和均方差均小于分段線性擬合和*小二乘法擬合的和方差和均方差，說明人類學習優化算*小二乘支持向量機具有更好的擬合效果。
