基于路径积分的流量测量设备、方法、装置和存储介质制造方法及图纸

本发明专利技术实施例提供一种基于路径积分的流量测量设备、方法、装置和存储介质，涉及流速测量技术领域。流量测量方法包含S1根据对角设置的多对超声波换能器，获取各对超声波换能器的声波顺流传播时间和声波逆流传播时间。S2根据各对超声波换能器的声波顺流传播时间，基于顺流流速积分模型，计算得到各对超声波换能器的顺流平均流速。S3根据各对超声波换能器的声波逆流传播时间，基于逆流流速积分模型，计算得到各对超声波换能器的逆流平均流速。S4根据顺流平均流速和逆流平均流速求取平均值，获取各对超声波换能器的通道平均流速。S5根据各对超声波换能器的通道平均流速，通过神经网络拟合得到面平均流速。S6根据面平均流速，获取经过测流座的流量。测流座的流量。测流座的流量。

【技术实现步骤摘要】
基于路径积分的流量测量设备、方法、装置和存储介质


[0001]本专利技术涉及流速测量
，具体而言，涉及基于路径积分的流量测量设备、方法、装置和存储介质。

技术介绍

[0002]测流技术在工业、农业等领域应用广泛。农田水渠灌溉，河道流量测量，天然气管道流量测量等都需要一套高精度的流量计。精确的流量测量可以有效检测管道泄露，节约用水，保障安全传输。
[0003]但是，在先技术中，目前市面上的流量计对水体有一定的要求，且复杂度高，在低流速下精度较低，且设备笨重等问题。例如：多普勒流量计对水体环境要求高，适用于测量含有能反射超声波信号的颗粒或气泡的液体，如污水、工厂排放液、泥浆、矿浆、非纯净燃油、原油等。此外，超声波多普勒流量计通常不适用于测量清洁液体，除非清洁液体中含有散射体(如气泡)或其流动扰动程度大到能获得反射信号。相关法流量计仅适合于小管道、小流量的测量并且相当复杂。波束偏移法流量计精度不高。噪声法流量计精度也不高。
[0004]有鉴于此，申请人在研究了现有的技术后特提出本申请。

技术实现思路

[0005]本专利技术提供了基于路径积分的流量测量设备、方法、装置和存储介质，以改善上述技术问题中的至少一个。
[0006]第一方面、
[0007]本专利技术实施例提供了一种基于路径积分的流量测量设备，其包含测流座和控制组件，以及配置于测流座的多对超声波换能器和电子水尺。多对超声波换能器和电子水尺分别电连接于控制组件。一对超声波换能器包括对角设置在测流座的第一超声波换能器和第二超声波换能器。多对超声波换能器至少从两个对角方向配置于测流座。
[0008]控制组件包括处理器和存储器，处理器被配置为能够执行存储器存储的计算机程序，以执行步骤S1至步骤S6。
[0009]S1、根据对角设置的多对超声波换能器，获取各对超声波换能器的声波顺流传播时间和声波逆流传播时间。
[0010]S2、根据各对超声波换能器的声波顺流传播时间，基于顺流流速积分模型，计算得到各对超声波换能器的顺流平均流速。顺流流速积分模型为：
式中，N为取样个数，D为流道的宽度，c为超声波在静止水中的传播速度，T
d
|
Flow
为声波顺流传播时间、θ为流体方向和声波方向的夹角、x
i
为第i个取样点的位置。
[0011]S3、根据各对超声波换能器的声波逆流传播时间，基于逆流流速积分模型，计算得到各对超声波换能器的逆流平均流速。逆流流速积分模型为：式中，N为取样个数，D为流道的宽度，c为超声波在静止水中的传播速度，T
u
|
Flow
为声波逆流传播时间、θ为流体方向和声波方向的夹角、x
i
为第i个取样点的位置。
[0012]S4、根据顺流平均流速和逆流平均流速求取平均值，获取各对超声波换能器的通道平均流速。
[0013]S5、根据各对超声波换能器的通道平均流速，通过基于遗传算法优化的神经网络拟合得到面平均流速。
[0014]S6、根据面平均流速，获取经过测流座的流量。
[0015]第二方面、
[0016]本专利技术实施例提供了一种基于路径积分的流量测量方法，其包含步骤S1至步骤S6。
[0017]S1、根据对角设置的多对超声波换能器，获取各对超声波换能器的声波顺流传播时间和声波逆流传播时间。
[0018]S2、根据各对超声波换能器的声波顺流传播时间，基于顺流流速积分模型，计算得到各对超声波换能器的顺流平均流速。顺流流速积分模型为：
式中，N为取样个数，D为流道的宽度，c为超声波在静止水中的传播速度，T
d
|
Flow
为声波顺流传播时间、θ为流体方向和声波方向的夹角、x
i
为第i个取样点的位置。
[0019]S3、根据各对超声波换能器的声波逆流传播时间，基于逆流流速积分模型，计算得到各对超声波换能器的逆流平均流速。逆流流速积分模型为：式中，N为取样个数，D为流道的宽度，c为超声波在静止水中的传播速度，T
u
|
Flow
为声波逆流传播时间、θ为流体方向和声波方向的夹角、x
i
为第i个取样点的位置。
[0020]S4、根据顺流平均流速和逆流平均流速求取平均值，获取各对超声波换能器的通道平均流速。
[0021]S5、根据各对超声波换能器的通道平均流速，通过基于遗传算法优化的神经网络拟合得到面平均流速。
[0022]S6、根据面平均流速，获取经过测流座的流量。
[0023]第三方面、
[0024]本专利技术实施例提供了一种基于路径积分的流量测量装置，其包含：
[0025]时间获取模块，用于根据对角设置的多对超声波换能器，获取各对超声波换能器的声波顺流传播时间和声波逆流传播时间。
[0026]顺流流速模块，用于根据各对超声波换能器的声波顺流传播时间，基于顺流流速积分模型，计算得到各对超声波换能器的顺流平均流速。顺流流速积分模型为：
式中，N为取样个数，D为流道的宽度，c为超声波在静止水中的传播速度，T
d
|
Flow
为声波顺流传播时间、θ为流体方向和声波方向的夹角、x
i
为第i个取样点的位置。
[0027]逆流流速模块，用于根据各对超声波换能器的声波逆流传播时间，基于逆流流速积分模型，计算得到各对超声波换能器的逆流平均流速。逆流流速积分模型为：式中，N为取样个数，D为流道的宽度，c为超声波在静止水中的传播速度，T
u
|
Flow
为声波逆流传播时间、θ为流体方向和声波方向的夹角、x
i
为第i个取样点的位置。
[0028]通道平均流速模块，用于根据顺流平均流速和逆流平均流速求取平均值，获取各对超声波换能器的通道平均流速。
[0029]面平均流速模块，用于根据各对超声波换能器的通道平均流速，通过基于遗传算法优化的神经网络拟合得到面平均流速。
[0030]流量获取模块，用于根据面平均流速，获取经过测流座的流量。
[0031]第四方面、
[0032]本专利技术实施例提供了一种计算机可读存储介质。计算机可读存储介质包括存储的计算机程序，其中，在计算机程序运行时控制计算机可读存储介质所在设备执行如第二方面任意一段所说的基于路径积分的流量测量方法。
[0033]通过采用上述技术方案，本专利技术可以取得以下技术效果：
[0034]本专利技术实施例通过积分模型对换能器之间的通道流速进行计算，然后通过神经网络模型将通道流速拟合成面流速，从而获得更加精准的流速信息，最终获得更加准确的流量信息，具有很好的实际意义。
[0035]为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0036]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于路径积分的流量测量设备，其特征在于，包含测流座(6)和控制组件，以及配置于所述测流座(6)的多对超声波换能器和电子水尺(5)；所述多对超声波换能器和所述电子水尺(5)分别电连接于所述控制组件；一对所述超声波换能器包括对角设置在所述测流座(6)的第一超声波换能器和第二超声波换能器；多对超声波换能器至少从两个对角方向配置于所述测流座(6)；所述控制组件包括处理器(2)和存储器，所述处理器(2)被配置为能够执行所述存储器存储的计算机程序，以执行以下步骤：根据对角设置的多对超声波换能器，获取各对超声波换能器的声波顺流传播时间和声波逆流传播时间；根据各对超声波换能器的声波顺流传播时间，基于顺流流速积分模型，计算得到各对超声波换能器的顺流平均流速；所述顺流流速积分模型为：式中，N为取样个数，D为流道的宽度，c为超声波在静止水中的传播速度，T
d
|
Flow
为声波顺流传播时间、θ为流体方向和声波方向的夹角、x
i
为第i个取样点的位置；根据各对超声波换能器的声波逆流传播时间，基于逆流流速积分模型，计算得到各对超声波换能器的逆流平均流速；所述逆流流速积分模型为：式中，N为取样个数，D为流道的宽度，c为超声波在静止水中的传播速度，T
u
|
Flow
为声波逆流传播时间、θ为流体方向和声波方向的夹角、x
i
为第i个取样点的位置；根据所述顺流平均流速和所述逆流平均流速求取平均值，获取各对超声波换能器的通
道平均流速；根据各对超声波换能器的通道平均流速，通过基于遗传算法优化的神经网络拟合得到面平均流速；根据所述面平均流速，获取经过所述测流座(6)的流量。2.根据权利要求1所述的基于路径积分的流量测量设备，其特征在于，所述测流座(6)设置有方形流道；第一超声波换能器和第二超声波换能器，分别设置于所述方形流道的两侧侧壁，且沿着方形流道的轴线方向间隔设置；多对超声波换能器分别配置于不同高度，且相邻的两对超声波换能器之间的声波传递方向相交设置。3.根据权利要求1所述的基于路径积分的流量测量设备，其特征在于，所述控制组件包含开发板(1)，以及配置于所述开发板(1)的计时芯片(3)、处理器(2)和驱动芯片(4)；所述多对超声波换能器分别电连接于所述驱动芯片(4)；所述驱动芯片(4)分别电连接于所述计时芯片(3)和所述处理器(2)；所述电子水尺(5)电连接于所述处理器(2)；所述流量测量设备包含24个超声波换能器，24个超声波换能器之间组成12对超声波换能器，12对超声波换能器分别配置于不同高度，且相邻的两对超声波换能器之间的声波方向相交设置。4.根据权利要求1所述的基于路径积分的流量测量设备，其特征在于，根据对角设置的多对超声波换能器，获取各对超声波换能器的声波顺流传播时间和声波逆流传播时间，具体包括：分别根据各对超声波换能器执行以下步骤，以获得各对超声波换能器的声波顺流传播时间和声波逆流传播时间：控制第一超声波换能器间歇式发送两次完全相同的超声波信号，并控制第二超声波换能器接收回波信号；其中，超声波信号采用非编码激励信号；对所述回波信号进行幅值采样和滤波，滤波后找到最大采样点，并根据所述最大采样点对所有采样点进行归一化；根据归一化后的采样值，求取相邻两个峰值之间的峰值差，并找出最大峰值差；根据所述最大峰值差，获取特征波后的8个过零点；根据所述8个过零点，求取均值获取特征点时间，并根据所述特征点时间，获取所述声波顺流传播时间；所述声波顺流传播时间的计算模型为：式中，T
d
|
Flow
为声波顺流传播时间、τ
i
为第i个过零点的时间、T|
Flow＝0
为零流量时发出声波信号到接收到特征点的时间、T
d
|
Flow＝0
为零流量时发出声波信号到接收到回波信号的时间；控制第二超声波换能器间歇式发送两次完全相同的超声波信号，并控制第一超声波换能器接收回波信号，然后根据回波信号执行前面的四个步骤，以获得声波逆流传播时间。5.根据权利要求1所述的基于路径积分的流量测量设备，其特征在于，通过基于遗传算法优化的神经网络的构建流程为：构建神经网络的架构；根据所述架构，采用遗传算法获取所述神经网络的隐藏层层数、隐藏层的神经元个数，
以及网络训练函数；根据所述隐藏层层数和所述隐藏层的神经元个数，构建目标神经网络；根据所述网络训练函数，训练所述目标神经网络，获取所述基于遗传算法优化的神经网络；其中，隐藏成层数为2，第一层隐藏层的神经元个数为17，第二次隐藏层的神经元个数为13、网络训练函数为Levenberg
‑
Marquardt；根据各对超声波换能器的通道平均流速，通过基于遗传算法优化的神经网络拟合得到面平均流速，具体包括：将所述各对超声波换能器的通道平均流速输入基于遗传算法优化的神经网络，输出所述面平均流速v
o
；所述面平均流速的计算模型为：式中，n
L2
为第二个隐藏层的神经元数量、n
L1
为第一个隐藏层的神经元数量、和和为权值、b
1j
和b
2j
和b
o1
为阈值、x
i
为神经网络的第i个输入值。6.一种基于路径积分的流量测量方法，其特征在于，包含：根据对角设置的多对超声波换能器，获取各对超声波换能器的声波顺流传播时间和声波逆流传播时间；根据各对...

【专利技术属性】
技术研发人员：陈淑武，耿礼庆，唐仕斌，钟超，
申请(专利权)人：厦门四信物联网科技有限公司，
类型：发明
国别省市：