基于人工神经网络烟度计有效光路的算法

　　神经网络和模糊控制是当前最主要的智能控制技术其中，人工神经网络(artificial neural network ,ANN)模拟人脑的结构以及对信息的记忆和处理功能，具有擅长从输人输出数据中学习有用知识的特性，在一些科学研究和实际工程领域中已显示了很大的威力.其非线性映射和记忆能力的特点十分适合非线性的数学建模.它不需要精确的数学模型，能够解决传统自动化技术无法解决的许多复杂的、不确定性的及非线性的自动化问题，而且易于用硬件或软件来实现[1-2]

　　1QN-1型全流消光式烟度计测量原理

　　1.1消光烟度计的测量原理

　　全流消光式烟度计的测量原理是基于比尔一朗伯特(Beer-Lambert)定律[3].该定律指出，一束平行光通过均匀介质被吸收，其透过率与光束经过的距离、介质密度间的关系为

　　式中:T为透过率;L为光束经过介质的距离;;k为介质密度.

　　用于消光烟度计测量发动机排气烟度的原理是由比尔一朗勃特定律导出的另一种表达形式[4]，即

　　1. 2 QN-1型烟度计的总体结构与工作原理

　　烟度计的总体设计结构[5]框图如图1所示.主要包括传感器、烟度数据采集多功能专用接口板和计算机软件3部分.由传感器将被测的烟度信号转换成电压或电流信号，经烟度计数据采集多功能专用接口板进行处理后，通过计算机的ISA总线进人计算机进行相关处理.

　　由传感器支架构成的测量管道直接与被测量发动机排气管相连.传感器的测量原理如图2所示.从发射传感器的发光二极管(2)发出两路光信号:第1路为测量信号(从2到11);第2路为参考信号，也称比较信号(从2到4)，此路信号的用途是消除和抑制温漂.为保证传感器的镜头免受发动机排气污染，采用空气压缩机将清新空气经管道送人传感器(6和8)，同时对传感器进行冷却.

　　将获得的参考信号与测量信号通过信号电缆同时送到装在计算机内的烟度测量多功能接口专用板，经过电路处理，进人计算机进行数据处理，得到测量结果.

　　2 QN-1型消光式烟度计有效光路的试验设计

　　由于不同结构(或原理)的烟度计测量同一排烟，其烟密度k是不变的.因此，若选用一台标准的烟度计和QN-1型烟度计同时测量同一排烟，就可计算出QN-1型烟度计的有效光路[6].由式(2)可推导出

　　为测得QN-1型消光式烟度计的有效光路，将其中一台的结构进行改进(作为标准烟度计)，使其试验时烟度充满腔柱，即为式(3)中长度为L0的腔柱，在结构改进中应尽量保证使其光路不受影响，达到结构上既透光又不透烟.经过改造后的烟度计，其L0=105 mm.