【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及基于机器学习算法的基于雷达的填充水平测量。
技术介绍
1、在自动化技术中，特别是在过程自动化中，经常使用能够检测各种过程变量的现场设备。待指定的过程变量例如可以是过程工厂中的介质的填充水平、流量、压力、温度、ph值、氧化还原电势、电导率或介电值。为了检测对应的测量值，现场设备各自包括合适的传感器或者基于合适的测量原理。endress+hauser集团公司制造和销售各种不同类型的现场设备。
2、为了测量容器中填充材料的填充水平，已经建立了基于雷达的测量方法，因为它们坚固且维护成本低。基于雷达的测量方法的一个关键优势是能够或多或少地连续且非接触地测量填充水平。在本专利申请的上下文中，术语“雷达”和“高频”是指频率在0.03ghz和300ghz之间的电磁波。执行填充水平测量的典型频段为2ghz、26ghz、79ghz或120ghz。这里两种常见的测量原理是脉冲渡越时间原理(也称为术语“脉冲雷达”)和fmcw(“调频连续波”)原理。基于脉冲渡越时间方法和基于fmcw方法，填充水平测量装置可以以相对较低的电路系统复杂性和亚毫米范围内的高填充水平分辨率来实现。
3、除了通过天线发射或接收高频信号的自由辐射雷达测量之外，还存在制导雷达的变形。在这种情况下，使用导电测量传感器(例如同轴波导或金属棒)代替天线，将导电测量传感器降低到容器中以便引导高频信号。与自由辐射雷达类似，测量传感器中的高频信号在填充材料表面的填充水平处反射，并沿着测量传感器引导朝向填充水平测量装置。这种基于雷达的填充水平测量的变形也被称为
4、与测量原理(脉冲渡越时间、fmcw或tdr)无关，通过从反射的接收信号确定从填充材料表面及其对应的距离值产生的信号最大值来指定填充水平值。一般来说，各种基于雷达的测量原理在peter devine,2000年的“雷达水平检测”中进行了描述。
5、根据要指定水平的产品类型，产品可能充满杂质、添加剂或外来物质，这些物质可能在产品上方或下方形成添加剂产品层，诸如泡沫、沉积物、或者油相或水相。在这种情况下，在实际产品和添加剂产品层之间还形成或多或少明显的边界层，通常也被理解为“分离层”。因此，填充水平测量可以被可能的附加填充材料层或多次反射干扰或伪造，因为填充材料表面的对应的信号最大值不能被确定地识别。如果罐内存在诸如搅拌器或供应管线的干扰物体，其在高频信号被发射之后产生对应的干扰回波，则也会发生这种情况。
6、如有必要，除了填充水平之外，能够可靠地检测任何添加剂填充材料层的存在甚至厚度也是令人感兴趣的。欧洲专利申请2 722 655a1中描述了一种基于tdr的填充水平测量装置，其通过将信号最大值的信号幅度与理论目标值进行比较来确定可能的添加剂填充材料层。然而，即使在这种情况下，通过识别对应的信号最大值进行的检测至少是不确定的，因为添加剂产品层或其表面可能仅非常微弱地反射对应的信号。
技术实现思路
1、因此，本专利技术的目的是实现可靠的填充水平测量。
2、本专利技术通过一种用于测量容器中的填充材料的填充水平的测量系统来实现该目的，该测量系统包括以下部件：
3、-基于雷达的测量装置，其具有
4、○传输单元，借助于该传输单元可以朝向填充材料发射高频信号，并且可以在填充材料表面处反射之后作为接收信号被接收，
5、○信号生成单元，其被设计为生成要发射的高频信号，
6、○接收单元，其被设计为记录该接收信号，以及
7、-评估单元，在该评估单元中，根据本专利技术，机器学习算法被设计为使得基于该接收信号来检测填充水平。
8、在本专利技术的上下文中，术语“单元”原则上指的是以适合于预期目的的方式设计的任何电子电路。根据需要，它因此可以是用于生成或处理对应的模拟信号的模拟电路。然而，它也可以是数字电路，诸如微控制器或与程序结合操作的存储介质。该程序被设计为执行对应的方法步骤或为相应的单元应用必要的计算操作。在本上下文中，本专利技术意义上的测量系统的各种电子单元还可以潜在地访问公共物理存储器或者通过相同的数字电路进行物理操作。
9、根据本专利技术的机器学习算法的实现避免了接收信号中的正确信号最大值可能无法被分配给填充材料表面的问题，而根据现有技术进行填充材料表面的检测是需要的。事实上，机器学习算法可以用于以更大的确定性解释在复杂测量条件下(诸如多次反射或存在内部容器配件时)记录的特定接收信号。
10、在本专利技术的上下文中，“机器学习算法”原则上被定义为将其输入变量中的至少一个映射到其输出变量中的至少一个的任何通用数学函数逼近器。在教学阶段期间基于已知的训练数据调整对应映射函数的内部参数。特别是在这种情况下，监督学习被实现为一种算法方法。就这一点而言，在本专利技术的上下文中没有明确规定实现机器学习算法的具体形式。例如，机器学习算法可以以“决策树”、“支持向量机”、“朴素贝叶斯”或“k近邻算法”的形式来实现。然而，如果机器学习算法是基于非符号方法(诸如人工神经网络)设计的，特别是采用深度学习方法(更好地称为“深度学习”)的形式，则可以特别有效地检测填充水平。机器学习算法，例如，在“人工智能导论”(wolfgang ertel，2017)中被更详细地描述。
11、此外，如何或在何处实现评估单元在本专利技术的上下文中不是重要的。例如，评估单元可以设计为测量装置的集成部件，或者甚至设计为更高级别网络(例如云或服务器)的部件，或者设计为工厂特定过程控制系统的部件。
12、例如，如果水平测量装置基于tdr方法设计，使得传输单元被实现为延伸到容器中的测量探针，则可以使用根据本专利技术的思想。与此相对应，信号生成单元根据tdr方法以对应的脉冲方式生成在这种情况下要发射的高频信号。关于根据本专利技术的思想，tdr方法的优点在于该接收信号具有总体较高的信号幅度，这原则上使得机器学习算法更容易识别填充水平。
13、然而，原则上也可以在自由辐射雷达测量装置的情况下使用根据本专利技术的思想，其中传输单元根据频带设计为天线，例如喇叭天线、透镜天线或平面天线。这里，信号生成单元是否根据fmcw方法生成要发射的高频信号、或该接收单元是否根据fmcw方法记录该接收信号，或者该信号生成单元是否根据脉冲渡越时间方法生成要发射的高频信号、以及该接收单元是否根据脉冲渡越时间方法记录该接收信号并不重要。
14、对应于根据本专利技术的测量系统，本专利技术的目的还通过一种对应的测量方法来实现，该测量方法用于借助于根据上述实施例变形之一的测量系统来检测容器中的填充材料的填充水平。在这种情况下，该方法包括以下方法步骤：
15、-根据特定的雷达方法经由传输单元将高频信号发射到容器中，
16、-根据对应的雷达方法在高频信号的反射本文档来自技高网...
【技术保护点】
1.一种用于测量容器(3)中的填充材料(2)的填充水平(L)的测量系统，包括：
2.根据前述权利要求中的一项所述的测量系统，其中，所述机器学习算法(MLA)被设计为人工神经网络，特别是深度学习方法的形式。
3.根据前述权利要求中任一项所述的测量系统，其中，所述评估单元被设计为所述测量装置(1)的集成部件。
4.根据权利要求1或2所述的测量系统，其中，所述评估单元(4)被设计为更高级网络的部件，并且特别是服务器系统或过程控制系统。
5.根据前述权利要求中的一项所述的测量系统，其中，所述传输单元被设计为延伸到所述容器(3)中的测量传感器，并且其中，所述信号生成单元被设计为根据TDR方法生成所述要发射的高频信号(SHF)，或者其中所述接收单元被设计为根据所述TDR方法记录所述接收信号(RHF)。
6.根据权利要求1至4所述的测量系统，其中，所述传输单元被设计为天线(11)，并且特别是被设计为喇叭天线或被设计为平面天线。
7.根据权利要求6所述的测量系统，其中，所述信号生成单元被设计为根据FMCW方法生成所述要发射的
8.根据权利要求6所述的测量系统，其中，所述信号生成单元被设计为根据脉冲渡越时间方法生成所述要发射的高频信号(SHF)，或者其中，所述接收单元被设计为根据所述脉冲渡越时间方法记录所述接收信号(RHF)。
9.一种用于借助于根据前述权利要求中的一项所述的测量系统来检测容器(3)中的填充材料(2)的填充水平(L)的方法，包括以下方法步骤：
10.根据权利要求9所述的方法，其中，借助于实验获得的接收信号(RHF)和/或模拟生成的接收信号(RHF)来训练所述机器学习算法(MLA)。
11.根据权利要求9或10所述的方法，包括以下附加方法步骤：
...【技术特征摘要】
【国外来华专利技术】
1.一种用于测量容器(3)中的填充材料(2)的填充水平(l)的测量系统，包括：
2.根据前述权利要求中的一项所述的测量系统，其中，所述机器学习算法(mla)被设计为人工神经网络，特别是深度学习方法的形式。
3.根据前述权利要求中任一项所述的测量系统，其中，所述评估单元被设计为所述测量装置(1)的集成部件。
4.根据权利要求1或2所述的测量系统，其中，所述评估单元(4)被设计为更高级网络的部件，并且特别是服务器系统或过程控制系统。
5.根据前述权利要求中的一项所述的测量系统，其中，所述传输单元被设计为延伸到所述容器(3)中的测量传感器，并且其中，所述信号生成单元被设计为根据tdr方法生成所述要发射的高频信号(shf)，或者其中所述接收单元被设计为根据所述tdr方法记录所述接收信号(rhf)。
6.根据权利要求1至4所述的测量系统，其中，所述传输单元被设计为天线(11)，并...
【专利技术属性】
技术研发人员：阿列克谢·马利诺夫斯基，
申请(专利权)人：恩德莱斯和豪瑟尔欧洲两合公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。