CN110006486B - 一种智能流温采集控制模块及智能流温测量方法 - Google Patents

Abstract

本发明提供了一种智能流温采集控制模块，包括：通水管段、传感器、测量单元、主控制器、通信接口和智能单元。所述通信接口分别与主控制器和智能单元连接，用于发送测量到的流温数据，以及实现智能单元与云端的通信；所述主控制器用于接收测量单元所测量的时间值以及温度值，并根据公式计算当前瞬时流速进而得到流量值，并控制与其连接的通信接口和智能单元进行工作；所述智能单元通过执行一定的规则和算法对采集的流量进行校正，算法可以有若干种，包括最大流量判定算法、流量连续判定算法以及基于深度强化学习的智能算法。本发明还提供了一种智能流温测量方法。

Description

一种智能流温采集控制模块及智能流温测量方法

技术领域

本发明涉及流量测量领域，更具体地说，涉及一种智能流温采集控制模块及智能流温测量方法。

背景技术

在对大坝的监测中，监测仪器的测量数据通常由监测自动化数据采集装置定期地采集和存储，完成对大坝监测所需的信号采集。然而，如何提高测量精度和采集模块的智能化程度，是智能采集模块发展中需要解决的关键问题。

专利CN 1447097A提出了一种无人值守水位水温全自动测录仪，包括水位水温一体化探头和与之相连接的全自动显示记录管理仪，全自动显示记录管理仪包括单片机，单片机上的程序可实现线性误差校正、温度误差校正和非关量误差校正，单片机上还设有智能运行管理器。单片机通过A/D转换器和信号调理电路分别与水位传感器和温度传感器连接，单片机并通过D/A转换器进行水位变送输出和水温变送输出，可对水位、水温参数分别提供4～20mA、0～10mA、0～20mA、0～5V、1～5V、0.5～4.5V等变送输出信号，输出精度可达设定范围的0.05％。水位传感器和温度传感器的线性误差、温度误差、非关量误差的校正，分别依据零位值、零位输出和满量程值、满量程输出这两个点构成的线形方程来实现，该方程利用实际曲线上的3～101个特征点上的特征值，使实际曲线向理论曲线回归。

专利CN202443315U提出了一种多通道在线式混凝土冷却通水数据自动采集装置，包括电源模块4，温度采集模块1，数据采集模块2，主控模块3，接线端子板6；电源模块4连接温度采集模块1、主控模块3、数据采集模块2；主控模块3连接温度采集模块1、数据采集模块2；主控模块3设有以太网接口模块7。以太网接口模块7连接WIFI模块5；168路单总线温度采集模块，56路流量数据采集模块，设有以太网接口模块7或者WIFI模块5的主控模块3：该模块由4个CPU控制电路组成，采用多CPU内部通讯协调处理技术，接收从以太网发来的各种命令，解析和执行命令，或实施控制功能或通过以太网或WIFI无线网将各种采样数据传送到上位计算机。该模块具有手动和自动两种工作状态。由自动和手动命令切换，在自动状态下无需上位机的命令，各个子系统数据的采集、存储和传送以每分钟为周期自动进行。

常规流量测量装置，采用超声测量技术，通过一定的公式来计算当前的流量。在提高准确度方面往往通过造价更高，更精密的元器件，或者通过更理想的安装方式这两方面来下功夫。安装方式是指前后直管段满足要求，安装辅助设备消除水中气泡等。在水利施工现场，上述常规技术受多方面因素制约，不能提高准确度，1、成本限制；2、场地限制；3、水中不可避免的存在杂质。由于管路布置的特点，根据主水管和各个支水管以及水压力等因素统一由云端的智能单元来分析，某一个特定的管路截面的瞬时流量值和平均流量值是可以确定其范围的，这为智能通水的流量测量提供了基础。发明一种充分利用这种特点的，开发一种适用于水利施工现场、成本低廉、可智能测量通水流量的装置及其测量方法。

发明内容

有鉴于此，本发明的目的在于提供一种智能流温采集控制模块及智能流温测量方法，解决了传统流量测量装置在提高准确度和成本、场地限制之间难以平衡的问题。

为了解决上述技术问题，现提出的方案如下：

一种智能流温采集控制模块，所述装置包括：传感器、测量单元、主控制器、通信接口和智能单元；所述传感器器与测量单元连接；所述测量单元与主控制器连接，用于处理接收到的超声波信号并测量超声波在流体中的传播时间以及测量的温度值；所述通信接口分别与主控制器和智能单元连接，用于发送测量到的流温数据以及实现智能单元与云端的通信；所述智能单元与主控制器连接，用于存储并执行从云端的大数据分析库下载的流量校正算法；所述主控制器用于接收测量单元所测量的时间值以及温度值，并根据公式计算当前瞬时流速进而得到流量值，控制与其连接的通信接口、智能单元进行工作；所述智能单元通过执行一定的算法对采集的流量进行校正，算法包括最大流量判定算法、流量连续判定算法、基于深度强化学习的智能算法。

优选地，所述装置还包括电源管理单元，所述电源管理单元与其他各单元连接，用于其他各单元的供电管理。

优选地，所述装置还包括人机接口，所述人机接口与智能单元连接，用于输入所述装置的各参数，并且通过显示屏或者电信号对外输出测量值。

优选地，所述传感器的数量是两个或两个以上。

优选地，从云端下载最大流量判断准则，所述最大流量判定算法，包括以下步骤：

S401：上电，读取存储的原有规则；

S402：连接云端，下载最大流量规则；

S403：启动定时器，测量超声波在流体中传播时间，并根据公式计算当前瞬时流速、进而得到流量值；

S404：当前流量值是否小于最大流量；

S405：若是，则判断此次流量值符合要求，通过通信接口输出；

S406：若否，则判断此次流量值不符合要求，忽略此次采集的流量值，同时记录错误数。

优选地，所述流量连续判定算法，包括以下步骤：

S501：上电，读取存储的原有规则；

S502：连接云端，下载连续流量规则；

S503：启动定时器，测量超声波在流体中传播时间，并根据公式计算当前瞬时流速、进而得到流量值；

S504：当前流量值是否在某一区间(Min，Max)内，其中，Min为设定的最小流量值，Max为设定的最大流量值；

S505：若是，则判断此次流量值符合要求，通过通信接口输出；

S506：若否，则判断此次流量值不符合要求，忽略此次采集的流量值，同时记录错误数。

优选地，所述基于深度强化学习的智能算法，包括以下步骤：

S601：训练数据集，收集真实场景历史数据；

S602：建立仿真模型，确定奖惩值和状态转移信息，确定策略的动作空间，所有对应动作的价值参数，根据上述度量值决定最佳估计值；

S603：利用训练集对仿真模型进行训练和学习，得到典型模型；

S604：利用所述典型模型进行实时输出流量值。

优选地，通过人机接口手动输入所述智能单元执行的流量校正规则和算法。

优选地，所述人机接口包括触摸屏和/或实体键盘。

一种智能流温测量方法，所述方法应用于如上所述的智能通水流量测量装置，所述方法根据实际通水情况由智能单元选择流量校正算法解算当前流量。

通过人机接口手动输入所述智能单元执行的流量校正规则和算法，或者，所述智能单元从云端下载流量校正规则和算法，形成专家系统规则知识库，判断数据采集是否正确，对原始采集数据进行预处理后形成有效数据，再依据有效数据进行调整，再进行调控。

本发明的有益效果是：本发明的智能通水流量测量装置，成本低，安装方式不受限制。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1是本发明的智能流温采集控制模块的结构示意图。

图2是本发明的智能流温采集控制模块的超声测量单元的电路图。

图3是本发明的智能流温采集控制模块的主控制器的电路图。

图4是本发明的所采用的最大流量判定算法的流程图。

图5是本发明的所采用的流量连续判定算法的流程图。

图6是本发明的所采用的基于深度强化学习的智能算法的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

现有技术中，超声流量计通常包括以下几个部分：1、电源管理单元；2、通信接口；3、超声换能器；4、超声波测量单元；5、主控制器；6、通水管段。本发明不仅仅是单一的超声波流量计，而是引入了运行智能算法的智能单元，根据实际通水情况由云端的算法来解算当前流量。可同时考虑水温、流量的共同换热作用，温度流量同一时刻同步采集与控制，温度的采集和控制与流量的采集与控制，实现思路一样；依据温度采集数据校订调整温度控制命令，依据流量数据校订流量控制命令，精度提高，减少信号传递过程，交互式高效快速调控流量和温度。本发明集成温度采集、温度控制、流量采集和流量控制四个基本功能，将原先冗余电路进行集约，减小了模块的体积。

如图1所示，本发明提供的一种智能流温采集控制模块，包括：传感器(101)、测量单元(102)、主控制器(103)、电源管理单元(104)、通信接口(105)、智能单元(106)、人机接口(107)，通水管段。

传感器(101)可以是超声换能器，与测量单元(102)连接，用于发射和接收超声波。超声换能器的数量可以是2个，或者更多个。传感器(101)还可以是温度计，温度计的数量可以是2个，或者更多个。

测量单元(102)，与主控制器(103)连接，用于处理接收到的超声波信号并测量超声波在流体中的传播时间以及测量的温度值。测量单元(102)的一个实现电路如图2所示，是由GP22及外围电路组成。

通信接口(105)，分别与主控制器(103)和智能单元(106)连接，用于发送测量到的流量数据、以及实现智能单元(106)与云端的通信。

智能单元(106)，与主控制器(103)连接，用于存储并执行从云端的大数据分析库下载的流量校正算法。

人机接口(107)，与智能单元(106)连接，用于手动输入所述流温采集控制模块的各参数。

主控制器(103)，用于接收测量单元(102)所测量的时间值以及温度值，并根据公式计算当前瞬时流速、进而得到平均流量值；控制与其连接的通信接口(105)、智能单元(106)进行工作。主控制器(103)的一个实现电路如图3所示，由STM32单片机及外围电路组成。

电源管理单元(104)，与其他各单元连接，用于其他各单元的供电管理。

超声换能器、测量单元(102)的作用如通常的超声波流量计。智能单元(106)通过执行一定的规则和算法对采集的流量进行校正。算法可以有若干种，包括最大流量判定算法、流量连续判定算法以及基于深度强化学习的智能算法。

如图4所示，本发明所采用的最大流量判定算法，包括：

步骤401，上电，读取存储的原有规则；

步骤402，连接云端，下载最大流量规则；

步骤403，启动定时器，测量超声波在流体中传播时间，并根据公式计算当前瞬时流速、得到流量值；

步骤404，判断当前流量值是否小于最大流量；

步骤405，若是，则判断此次流量值符合要求，通过通信接口输出；

步骤406，若否，则判断此次流量值不符合要求，忽略此次采集的流量值，同时记录错误数。

如图5所示，本发明所采用的流量连续判定算法，包括：

步骤501，上电，读取存储的原有规则；

步骤502，连接云端，下载连续流量规则；

步骤503，启动定时器，测量超声波在流体中传播时间，并根据公式计算当前瞬时流速、得到流量值；

步骤504，判断当前流量值是否在某一区间(Min，Max)内，其中，Min为设定的最小流量值，Max为设定的最大流量值；

步骤505，若是，则判断此次流量值符合要求，通过通信接口输出；

步骤506，若否，则判断此次流量值不符合要求，忽略此次采集的流量值，同时记录错误数。

如图6所示，本发明所采用的基于深度强化学习的智能算法，包括以下步骤：

S601，训练数据集，收集真实场景历史数据；

S602，建立仿真模型，确定奖惩值和状态转移信息，确定策略的动作空间，所有对应动作的价值参数，根据上述度量值决定最佳估计值；

S603，利用训练集对仿真模型进行训练和学习，得到典型模型；

S604，利用所述典型模型进行实时输出流量值。

其伪代码描述如下：

输入：迭代轮数T，状态特征维度n，动作集A，步长α、β，衰减因子γ，探索率∈，Critic网络和Actor网络。

输出：Actor网络参数θ、Critic网络参数w。

执行：

1、随机初始化所有的状态S和动作对应的价值Q；

2、迭代循环i从1到T：

a)初始化S为当前状态序列的第一个状态，得到其特征向量φ(S)；

b)在Actor网络中使用φ(S)作为输入，输出动作A，基于动作A得到新的状态S′，反馈R；

c)在Critic网络中分别使用φ(S)、φ(S′)作为输入，得到Q值输出V(S)、V(S′)；

d)计算时序差分TD误差δ＝R+γV(S′)-V(S)；

e)Critic网络参数w的梯度更新：使用均方差损失函数∑(R+V(S′)-V(S,w))²；

f)TD误差为δ(t)＝Rt+1+γQ(St+1，At+1)-Q(St，At)，更新Actor网络参数θ：

以上三种算法仅为举例，并不是说只有上述三种算法才适用于本发明，其他流量校正规则和算法均可。这些算法通过云端的大数据分析库下载到智能单元(106)。此外，还可以通过人机接口，例如触摸屏或者键盘，来手动输入流量校正规则和算法。

智能单元(106)从云端下载流量校正规则和算法，形成专家系统规则知识库，判断数据采集是否正确，对原始采集数据进行预处理后形成有效数据，再依据有效数据进行调整，再进行调控。

最后，还需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

附图中的流程图和框图显示了根据本发明的多个实施例的方法、装置和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图和框图中的每个方框可以代表一个模块、程序段或代码的一部分，包含一个或多个用于实现逻辑功能的计算机可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。也要注意的是，框图和流程图中的每个方框或方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

Claims (7)

1.一种智能流温采集控制模块，其特征在于，所述模块包括：传感器、测量单元、主控制器、通信接口和智能单元；所述传感器与测量单元连接；所述测量单元与主控制器连接，用于处理接收到的超声波信号并测量超声波在流体中的传播时间以及测量的温度值；所述通信接口分别与主控制器和智能单元连接，用于发送测量到的流温数据以及实现智能单元与云端的通信；所述智能单元与主控制器连接，用于存储并执行从云端的大数据分析库下载的流量校正算法；所述主控制器用于接收测量单元所测量的时间值以及温度值，并根据公式计算当前瞬时流速进而得到流量值，控制与其连接的通信接口、智能单元进行工作；所述智能单元通过执行一定的算法对采集的流量进行校正，算法包括最大流量判定算法、流量连续判定算法以及基于深度强化学习的智能算法；

从云端下载最大流量判断准则，所述最大流量判定算法，包括以下步骤：

S401：上电，读取存储的原有规则；

S402：连接云端，下载最大流量规则；

S403：启动定时器，测量超声波在流体中传播时间，并根据公式计算当前瞬时流速、进而得到流量值；

S404：当前流量值是否小于最大流量；

S405：若是，则判断此次流量值符合要求，通过通信接口输出；

S406：若否，则判断此次流量值不符合要求，忽略此次采集的流量值，同时记录错误数；

从云端下载流量连续判定算法，所述流量连续判定算法，包括以下步骤：

S501：上电，读取存储的原有规则；

S502：连接云端，下载连续流量规则；

S503：启动定时器，测量超声波在流体中传播时间，并根据公式计算当前瞬时流速、进而得到流量值；

S504：当前流量值是否在某一区间(Min，Max)内，其中，Min为设定的最小流量值，Max为设定的最大流量值；

S505：若是，则判断此次流量值符合要求，通过通信接口输出；

S506：若否，则判断此次流量值不符合要求，忽略此次采集的流量值，同时记录错误数；

所述基于深度强化学习的智能算法，包括以下步骤：

S601：训练数据集，收集真实场景历史数据；

S602：建立仿真模型，确定奖惩值和状态转移信息，确定策略的动作空间，所有对应动作的价值参数，根据上述度量值决定最佳估计值；

S603：利用训练集对仿真模型进行训练和学习，得到典型模型；

S604：利用所述典型模型进行实时输出流量值；

其伪代码描述如下：

输入：迭代轮数T，状态特征维度n，动作集A，步长α、β，衰减因子γ，探索率ϵ，Critic网络和Actor网络；

输出：Actor 网络参数θ、Critic网络参数w；

执行：

1）随机初始化所有的状态S和动作对应的价值Q；

2）迭代循环i从1到T：

a) 初始化S为当前状态序列的第一个状态，得到其特征向量

；

b) 在Actor网络中使用

作为输入，输出动作A，基于动作A得到新的状态S′，反馈R；

c) 在Critic网络中分别使用

、

作为输入，得到Q值输出V(S)、V(S′)；

d) 计算时序差分TD误差δ=R+γV(S′)−V(S)；

e) Critic网络参数w的梯度更新：使用均方差损失函数∑(R+V(S′)−V(S,w))²；

f) TD误差为δ(t)=Rt+1+γQ(St+1，At+1)−Q(St，At)，更新Actor网络参数θ：

。

2.根据权利要求1所述的智能流温采集控制模块，其特征在于：所述装置还包括电源管理单元，所述电源管理单元与其他各单元连接，用于其他各单元的供电管理。

3.根据权利要求1所述的智能流温采集控制模块，其特征在于：所述装置还包括人机接口，所述人机接口与智能单元连接，用于输入所述智能流温采集控制模块的各参数，并且通过显示屏或者电信号对外输出测量值。

4.根据权利要求1所述的智能流温采集控制模块，其特征在于：所述传感器的数量是两个以上。

5.根据权利要求3所述的智能流温采集控制模块，其特征在于：通过人机接口手动输入所述智能单元执行的流量校正规则和算法；所述人机接口包括触摸屏和/或实体键盘。

6.一种智能流温测量方法，所述方法应用于如权利要求1-5任一项所述的智能流温采集控制模块，其特征在于：所述方法根据实际通水情况由智能单元选择流量校正算法解算当前流量。

7.根据权利要求6所述的测量方法，其特征在于：通过人机接口手动输入所述智能单元执行的流量校正规则和算法，或者，所述智能单元从云端下载流量校正规则和算法，形成专家系统规则知识库，判断数据采集是否正确，对原始采集数据进行预处理后形成有效数据，再依据有效数据进行调整，再进行调控。

Images