一种基于协同作业的雷达高精度物位计测量方法技术

本发明专利技术提供了一种基于协同作业的雷达高精度物位计测量方法，涉及雷达物位计测量技术，包括从雷达物位计历史测量大数据中选取样本数据，构建调参神经网络模型，从样本数据中寻找固定参数与调整参数的最佳对应关系，即满足测量精度的固定参数对应的调整参数；根据调整参数调整雷达物位计的发射参数向物料发射信号，接收回波信号进行滤波处理，得到标准化离散频谱，计算连续反射的回波信号之间的差异因子和频谱，从而测量得到雷达物位计与料位的实时距离。可以测量得到雷达物位计与料位的实时距离，降低了计算复杂度，实现了高精度测量的效果。的效果。的效果。

【技术实现步骤摘要】
一种基于协同作业的雷达高精度物位计测量方法


[0001]本专利技术涉及雷达物位计测量技术，尤其涉及一种基于协同作业的雷达高精度物位计测量方法。

技术介绍

[0002]雷达测距是一种非接触式测量技术，可在恶劣环境下稳定工作，不易受雨雪等天气条件的影响，并具有穿透烟雾和灰尘的能力。雷达物位计是利用电磁波探测目标的电子设备，发射电磁波对目标进行照射并接收其回波，有次获得目标至电磁波发射点的距离、距离变化率、方位、高度等信息。
[0003]雷达物位计利用线性调频连续波大带宽、低功耗、安全性等特点可以有效进行协同作业，例如雷达物位计助力智能港口转运车实现高精度定位、货物运输对接等。现有雷达物位计的工作原理中，在测量过程中应用按照线性变化的高频信号，雷达物位计的信号从天线发出，在被测面反射，回波被天线接收。雷达物位计信号的发出与回波接收的频率差被进一步处理，使频率差对应于测量距离。利用快速傅里叶变换将频率差转化为频谱差，进而换算出测量距离。
[0004]现有技术中，有一种雷达物位计测量数据处理技术，首先通过傅里叶变换将雷达物位计的时域差拍信号转换为频域差拍信号，然后判断频域差拍信号中主频信号与噪声信号的信噪比，如果信噪比大于设定的阈值，说明频域差拍信号的质量比较好，可通过谱最大值估算的方式计算频域差拍信号中的中心频率值，提高获取的中心频率值的准确度；而如果信噪比小于设计的阈值，则说明频域差拍信号的质量比较差，此时不适合通过谱最大值估算的方式计算频域差拍信号中的中心频率值，因此，采用对频域差拍信号进行去噪处理后，再通过谱最大值估算的方式计算频域差拍信号中的中心频率值的方式进行处理，保证频域差拍信号的中心频率值的准确度，提高雷达物位计的测量精度。
[0005]但上述技术至少存在如下问题：现有的雷达物位计测量方法对没有考虑针对不同的物料、传输介质及环境参数对发射参数进行调整的问题，导致回波信号可能出现干扰因素或信号太弱的情况，计算复杂度较高，无法测量得到高精度的距离。

技术实现思路

[0006]本申请实施例通过提供一种基于协同作业的雷达高精度物位计测量方法，解决了现有的雷达物位计测量方法对没有考虑针对不同的物料、传输介质及环境参数对发射参数进行调整的问题，导致回波信号可能出现干扰因素或信号太弱的情况，计算复杂度较高，无法测量得到高精度的距离。实现了针对不同的物料、传输介质及环境参数对发射参数进行调整，得到干扰因素少、信号强度高的回波信号，基于连续反射的回波信号之间的差异因子和频谱，测量得到雷达物位计与料位的实时距离，降低计算复杂度，得到高精度测量结果。
[0007]本申请具体包括以下技术方案：一种基于协同作业的雷达高精度物位计测量方法，包括以下部分：
一种基于协同作业的雷达高精度物位计测量方法，其特征在于，包括以下步骤：S1. 从雷达物位计历史测量大数据中选取样本数据，构建调参神经网络模型，从样本数据中寻找固定参数与调整参数的最佳对应关系，即满足测量精度的固定参数对应的调整参数；S2. 根据调整参数调整雷达物位计的发射参数向物料发射信号，接收回波信号进行滤波处理，得到标准化离散频谱，计算连续反射的回波信号之间的差异因子和频谱，从而测量得到雷达物位计与料位的实时距离。
[0008]进一步，所述步骤S1具体包括：构建调参神经网络模型，将样本数据分为训练集和测试集，通过训练集对调参神经网络模型进行数据样本的拟合，在训练过程中对训练误差进行梯度下降，优化模型中的权重参数；训练集包括需要输入到调参神经网络模型中的固定参数集合和输入对应输出的调整参数集合。
[0009]进一步，所述步骤S1具体包括：将一组固定参数样本输入到所述调参神经网络模型中，所述调参神经网络模型中引入了三个门函数：更新门、限制门和重置门，所述更新门用于控制前一时刻的状态信息被带入到当前状态中的程度，更新门的值越大说明前一时刻的状态信息带入越多；所述限制门控制前一时刻的状态有多少信息被写入到当前的候选集上，限制门越小，前一时刻的状态信息被写入的越少；所述重置门在检测当前时刻状态参数与前一时刻状态参数相差超过阈值范围时，将当前时刻状态参数采用前一时刻状态的参数进行替换，重置当前时刻状态的参数。
[0010]进一步，所述步骤S1具体包括：更新门可以控制上一时刻神经元状态应该如何被包含当前时间步信息的状态所更新，限制门解决了传统循环神经网络中的梯度衰减问题，捕捉数据之间的关系，得到满足测量精度的固定参数对应的调整参数。
[0011]进一步，所述步骤S2具体包括：为了抑制混频后产生的周期干扰，导致信号灵敏度降低，需要对混频后的信号进行低通滤波处理，使信号在可接受的灵敏度范围内取得最佳平稳度。
[0012]进一步，所述步骤S2具体包括：对差频信号进行傅里叶变换，得到离散频谱，根据离散频谱计算N个差频信号的离散频谱均值，引入频谱分量，计算每个分量对应的频率，提高分辨率。
[0013]进一步，所述步骤S2具体包括：利用频谱分量对N个差频信号进行标准化处理，得到标准化后的频谱，通过对信号频谱进行标准化处理，可以计算连续反射的回波信号之间的差异因子，从而测量得到雷达物位计与料位的实时距离。
[0014]进一步，所述步骤S2具体包括：将频谱映射回原位置，得到频谱坐标，频谱坐标与差异因子的积即为测量距离。
[0015]本专利技术的有益效果如下：本申请实施例中提供的多个技术方案，至少具有如下技术效果或优点：1、本专利技术充分考虑了雷达发射信号的脉冲形状、脉冲重复频率、信号带宽、传输介
质以及物料表面的形状等因素会对回波信号产生影响，从而影响测量精准度，因此，针对不同物料、传输介质及环境参数等固定参数，构建调参神经网络模型，调整发射信号的带宽、频率和功率等调整参数，增强信号的抗干扰能力和信号强度，从而可以根据优化后的测量方法发射信号，得到反射时间精准的回波信号，准确测量物料的剩余高度；2、根据调整参数调整雷达物位计的发射参数向物料发射信号，接收回波信号，为了抑制混频后产生的周期干扰，导致信号灵敏度降低，需要对混频后的信号进行低通滤波处理，使信号在可接受的灵敏度范围内取得最佳平稳度；通过对信号频谱进行标准化处理，可以计算连续反射的回波信号之间的差异因子，基于连续反射的回波信号之间的差异因子和频谱，测量得到雷达物位计与料位的实时距离；由于频谱分量提高了计算复杂度，利用从时域映射到频域的差频信号避免计算过度复杂，从而降低计算复杂度，得到高精度测量结果。
[0016]3、本申请的技术方案能够有效解决现有的雷达物位计测量方法对没有考虑针对不同的物料、传输介质及环境参数对发射参数进行调整的问题，导致回波信号可能出现干扰因素或信号太弱的情况，计算复杂度较高，无法测量得到高精度的距离；并且，上述系统或方法经过了一系列的效果调研，通过验证，最终能够针对不同的物料、传输介质及环境参数对发射参数进行调整，得到干扰因素少、信号强度高的回波信号，基于连续反射的回波信号之间的差异因子和频谱，测量得到雷达物位计与料位的实时距离，降低计算复杂度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于协同作业的雷达高精度物位计测量方法，其特征在于，包括以下步骤：S1. 从雷达物位计历史测量大数据中选取样本数据，构建调参神经网络模型，从样本数据中寻找固定参数与调整参数的最佳对应关系，即满足测量精度的固定参数对应的调整参数；S2. 根据调整参数调整雷达物位计的发射参数向物料发射信号，接收回波信号进行滤波处理，得到标准化离散频谱，计算连续反射的回波信号之间的差异因子和频谱，从而测量得到雷达物位计与料位的实时距离。2.如权利要求1所述的一种基于协同作业的雷达高精度物位计测量方法，其特征在于，所述步骤S1具体包括：构建调参神经网络模型，将样本数据分为训练集和测试集，通过训练集对调参神经网络模型进行数据样本的拟合，在训练过程中对训练误差进行梯度下降，优化模型中的权重参数；训练集包括需要输入到调参神经网络模型中的固定参数集合和输入对应输出的调整参数集合。3.如权利要求2所述的一种基于协同作业的雷达高精度物位计测量方法，其特征在于，所述步骤S1具体包括：将一组固定参数样本输入到所述调参神经网络模型中，所述调参神经网络模型中引入了三个门函数：更新门、限制门和重置门，所述更新门用于控制前一时刻的状态信息被带入到当前状态中的程度，更新门的值越大说明前一时刻的状态信息带入越多；所述限制门控制前一时刻的状态有多少信息被写入到当前的候选集上，限制门越小，前一时刻的状态信息被写入的越少；所述重置门在检测当前时刻状态参数与前一时刻状态参数相差超过阈值范围时，将当前时刻状态...

【专利技术属性】
技术研发人员：曹雪颖，成治鹏，梁建军，崔璟琳，王文刚，邹卓恒，尹德春，常震霖，宫俊峰，陶明辉，杨璐，牟春朋，高云飞，
申请(专利权)人：烟台港股份有限公司联合通用码头分公司，
类型：发明
国别省市：