一种基于神经网络的流量控制方法和相关设备技术

本发明专利技术提供一种基于神经网络的流量控制方法和相关设备，涉及流量控制技术领域，该方法包括：读取预置液体密度和设置流速，将第一初始磁力值

【技术实现步骤摘要】
一种基于神经网络的流量控制方法和相关设备


[0001]本专利技术涉及流量控制
，尤其涉及一种基于神经网络的流量控制方法和相关设备
。

技术介绍

[0002]当前的流量阀门存在恒定流量的恒流阀门，在精细化工
、
精密仪器
、
分析仪器等领域中恒定阀门需要精确且稳定的阀门输出恒定流量，以满足在滴定分析
、
化工合成
、
仪器校准等需求
。
[0003]但是，当前的流量阀门的恒流阀门存在电磁阀门进行精细控制流量过程中会由于单个阀门的参考系存在实质上的使用过程中的细微物理变化如液体粘度变化产生了精细度偏差
。
对于普通应用场合这种精细度偏差并不会影响日常使用，但在精细度要求高的分析领域与精细合成领域会产生较大偏差
。
目前，对于这种物理变化常规操作是在阀门使用前使用一次校准再进行操作，但每次使用都需要校准一次导致恒定流量的阀门使用过于繁杂
。
因此，针对当前流量恒定的阀门对于流量控制无法考虑液体变化导致每次阀门使用操作都需要重新校准的技术问题，需要一种新的技术来解决当前问题
。

技术实现思路

[0004]本专利技术提供一种基于神经网络的流量控制方法和相关设备，用以解决现有技术中当前流量恒定的阀门对于流量控制无法考虑液体变化导致每次阀门使用操作都需要重新校准的缺陷
。
[0005]本专利技术提供一种基于神经网络的流量控制方法，包括步骤：读取冲击流量传感器的第一初始磁力值
、
第二初始磁力值，读取压强流量传感器的初始电容值；利用冲击流量传感器，采集管道内的第一偏移磁力值
、
第二偏移磁力值；利用压强流量传感器，采集管道内的偏移电容值；读取预置液体密度和设置流速，将所述第一初始磁力值
、
所述第二初始磁力值
、
所述初始电容值
、
所述第一偏移磁力值
、
所述第二偏移磁力值
、
所述偏移电容值
、
所述液体密度
、
所述设置流速进行填充组合，生成特征矩阵；基于预置全连接层，对所述特征矩阵进行输入处理，生成有顺序的
N
个输入矩阵，其中，
N
为正整数；基于预置第一卷积矩阵集，对第一个所述输入矩阵进行卷积激活处理，得到第一个输出矩阵；基于预置第一个输出矩阵和预置第二卷积矩阵集，对第二个所述输入矩阵进行卷积激活处理，得到第二个输出矩阵；对所述有顺序的
N
个输入矩阵进行链式卷积激活处理，生成有顺序的
N
个输出矩阵；
根据预置激活函数，对所述有顺序的
N
个输出矩阵进行拼接激活处理，生成阀门偏转角度；基于所述阀门偏转角度，对预置电磁阀门进行角度控制，用以实现预置电磁阀门的流量恒定
。
[0006]可选的，基于神经网络的流量控制方法的第一种实现方式中，所述对所述有顺序的
N
个输入矩阵，链式卷积激活处理，生成有顺序的
N
个输出矩阵包括：基于预置第
i
输出矩阵和预置第
i+1
卷积矩阵集，对第
i+1
输入矩阵进行卷积激活处理，得到第
i+1
个输出矩阵，其中，
i=2,3
，
…
，
N
；将所述第一个输出矩阵
、
所述第二个输出矩阵
、
所述第
i+1
个输出矩阵进行组合，生成有顺序的
N
个输出矩阵
。
[0007]可选的，基于神经网络的流量控制方法的第二种实现方式中，所述根据预置激活函数，对所述有顺序的
N
个输出矩阵进行拼接激活处理，生成阀门偏转角度包括：将所述有顺序的
N
个输出矩阵进行首位拼接处理，生成激活矩阵；根据预置激活函数，对所述激活矩阵进行激活处理，得到阀门偏转角度
。
[0008]可选的，基于神经网络的流量控制方法的第三种实现方式中，所述激活函数包括：，其中，
x
为所述激活矩阵的元素值，
g
（
x
）为函数激活值
。
[0009]可选的，基于神经网络的流量控制方法的第四种实现方式中，所述将所述第一初始磁力值
、
所述第二初始磁力值
、
所述初始电容值
、
所述第一偏移磁力值
、
所述第二偏移磁力值
、
所述偏移电容值
、
所述液体密度
、
所述设置流速进行填充组合，生成特征矩阵包括
:
将所述第一初始磁力值
、
所述第二初始磁力值
、
所述初始电容值
、
所述第一偏移磁力值
、
所述第二偏移磁力值
、
所述偏移电容值
、
所述液体密度
、
所述设置流速进行填充组合为如下矩阵：其中，
B1为第一初始磁力值，
B2为第二初始磁力值，
C1为初始电容值，
B
11
为第一偏移磁力值，
B
21
为第二偏移磁力值，
C
11
为偏移电容值，
ρ
为液体密度，
v
为设置流速，
M
为特征矩阵
。
[0010]可选的，基于神经网络的流量控制方法的第五种实现方式中，所述冲击流量传感器与所述压强流量传感器测量的管道为相同流量的管道
。
[0011]可选的，基于神经网络的流量控制方法的第六种实现方式中，所述基于预置第一卷积矩阵集，对第一个所述输入矩阵进行卷积激活处理，得到第一个输出矩阵包括：
P
11
=
σ
（
A
11
*W1）；
P
12
=
σ
（
A
12
*W1）；
P
13
=tanh
（
A
13
*W1）；
E1=P
11
*E0+P
12
*P
13
，其中，
σ
（）为
sigmoid
激活函数，
tanh
（）为双曲线函数，
A
11
为第一卷积矩阵集的第一个卷积矩阵，
A
12
为第一卷积矩阵集的第二个卷积矩阵，
A
13
为第一卷积矩阵集的第三个卷积矩阵，
E0为单位矩阵，
E1为第一个输出矩阵，
*<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于神经网络的流量控制方法，其特征在于，包括步骤：读取冲击流量传感器的第一初始磁力值
、
第二初始磁力值，读取压强流量传感器的初始电容值；利用冲击流量传感器，采集管道内的第一偏移磁力值
、
第二偏移磁力值；利用压强流量传感器，采集管道内的偏移电容值；读取预置液体密度和设置流速，将所述第一初始磁力值
、
所述第二初始磁力值
、
所述初始电容值
、
所述第一偏移磁力值
、
所述第二偏移磁力值
、
所述偏移电容值
、
所述液体密度
、
所述设置流速进行填充组合，生成特征矩阵；基于预置全连接层，对所述特征矩阵进行输入处理，生成有顺序的
N
个输入矩阵，其中，
N
为正整数；基于预置第一卷积矩阵集，对第一个所述输入矩阵进行卷积激活处理，得到第一个输出矩阵；基于预置第一个输出矩阵和预置第二卷积矩阵集，对第二个所述输入矩阵进行卷积激活处理，得到第二个输出矩阵；对所述有顺序的
N
个输入矩阵进行链式卷积激活处理，生成有顺序的
N
个输出矩阵；根据预置激活函数，对所述有顺序的
N
个输出矩阵进行拼接激活处理，生成阀门偏转角度；基于所述阀门偏转角度，对预置电磁阀门进行角度控制，用以实现预置电磁阀门的流量恒定
。2.
根据权利要求1所述的基于神经网络的流量控制方法，其特征在于，所述对所述有顺序的
N
个输入矩阵，链式卷积激活处理，生成有顺序的
N
个输出矩阵包括：基于预置第
i
输出矩阵和预置第
i+1
卷积矩阵集，对第
i+1
输入矩阵进行卷积激活处理，得到第
i+1
个输出矩阵，其中，
i=2,3
，
…
，
N
‑1；将所述第一个输出矩阵
、
所述第二个输出矩阵
、
所述第
i+1
个输出矩阵进行组合，生成有顺序的
N
个输出矩阵
。3.
根据权利要求1所述的基于神经网络的流量控制方法，其特征在于，所述根据预置激活函数，对所述有顺序的
N
个输出矩阵进行拼接激活处理，生成阀门偏转角度包括：将所述有顺序的
N
个输出矩阵进行首位拼接处理，生成激活矩阵；根据预置激活函数，对所述激活矩阵进行激活处理，得到阀门偏转角度
。4.
根据权利要求3所述的基于神经网络的流量控制方法，其特征在于，所述激活函数包括：其中，
x
为所述激活矩阵的元素值，
g
（
x
）为函数激活值
。5.
根据权利要求1所述的基于神经网络的流量控制方法，其特征在于，所述将所述第一初始磁力值
、
所述第二初始磁力值
、
所述初始电容值
、
所述第一偏移磁力值
、
所述第二偏移磁力值
、
所述偏移电容值
、
所述液体密度
、
所述设置流速进行填充组合，生成特征矩阵包括
:
将所述第一初始磁力值
、
所述第二初始磁力值
、
所述初始电容值
、
所述第一偏移磁力值
、
所述第二偏移磁力值
、
所述偏移电容值
、
所述液体密度
、
所述设置流速进行填充组合为
如下矩阵：其中，
B1为第一初始磁力值，
B2为第二初始磁力值，
C1为初始电容值，
B

【专利技术属性】
技术研发人员：刘显生，郭惠均，李永涛，陈懿，曾祥斌，
申请(专利权)人：珠海市思高技术有限公司，
类型：发明
国别省市：