基于KAF-RBF协同融合的悬移质含沙量测量方法技术

本发明专利技术公开了基于KAF

【技术实现步骤摘要】
基于KAF
‑
RBF协同融合的悬移质含沙量测量方法


[0001]本专利技术涉及河道含沙量测量领域，特别涉及基于KAF
‑
RBF协同融合的悬移质含沙量测量方法。

技术介绍

[0002]河道含沙量是水工建筑设计、水资源规划的重要依据之一，对河道泥沙进行测量也是水文水资源观测的重要任务。目前，国内外大多数的水文观测站采用瞬时采样器来测量河道泥沙，然而，这种采样器普遍存在误差较大、人工耗费大、测试时间过久以及安全隐患等问题。近些年来，电容差压法、振动法，以及超声波等技术被广泛应用于含沙量测量，电容法易受温度影响，在实际测量中，流速等也会对测量结果造成很大干扰，适用条件十分受限；振动法测量仪器体积较大，且受水深、流速影响，不适用于河道中的泥沙测量；超声波技术在河道悬移质泥沙测量表现相对较好，但该方法只适用于河道含沙量较小的情况，当含沙量较大时测量误差较大，针对这些问题，本申请提出了一种解决方案。

技术实现思路

[0003]专利技术目的：本专利技术的目的是提供一种基于KAF
‑
RBF协同本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于KAF
‑
RBF协同融合的悬移质含沙量测量方法，其特征在于：具体包括以下步骤：S1：构建超声波测量系统，所述超声波测量系统包括有检测模块、噪声剔除模块、数据融合处理模块和输出模块；S2：对检测模块中超声波探头采集到的河道水流信号幅值M(n)采用核自适应滤波器进行处理，剔除接收到的信号幅值M(n)中存在的传感器本身的噪声干扰，得到处理后的真实信号幅值M
t
(n)；S3：对真实信号幅值M
t
(n)利用反演算法初步获取河道泥沙信息：单位体积含沙量S以及泥沙粒径r；S4：将初步获取的河道泥沙信息以及测量区距离d、水深h、水温T和流速v输入到RBF神经网络模型中进行训练，所述RBF神经网络模型中的隐含层到输出层是线性映射，映射函数的权通过线性函数解出，RBF神经网络模型的基函数为高斯函数：其中φ
j
是隐含层中的第j个节点输出，C
j
是高斯基函数的中心值，隐含层节点数为M，σ是标准化常数；隐含层的节点输出的线性组合经过输出层的输出函数为：其中p为节点个数，w
ij
为网络输出加权值；S5：RBF神经网络模型利用输出值和实测值的误差，以均方误差最小为原则，求出输出层的权值，最终得到剔除了噪声干扰和环境干扰的含沙量值S
t
。2.根据权利要求1所述的基于KAF
‑
RBF协同融合的悬移质含沙量测量方法，其特征在于：所述S1中检测模块包括有超声波探头、水温计、流速计、水深计和压强计，所述超声波探头采用多频超声波探头。3.根据权利要求1所述的基于KAF
‑
RBF协同融合的悬移质含沙量测量方法，其特征在于：所述S2中真实信号幅值M
t
(n)的求解方式具体为：超声波探头的发射频率为f，输入核自适应滤波器的信号幅值为M(n)，期望信号(干扰信号的期望)D(n)，D(n)经过核自适应滤波器后输出值为y(n)，M(n)与y(n)相减得到误差e(n)后重新输入核自适应滤波器，自动更新...

【专利技术属性】
技术研发人员：李敏，张铭锋，
申请(专利权)人：扬州大学，
类型：发明
国别省市：