CN113865659B

CN113865659B - 一种高精度户用超声波水表抗干扰滤波方法及设备

Info

Publication number: CN113865659B
Application number: CN202111092089.5A
Authority: CN
Inventors: 朱林海; 陈剑; 陈钇安; 刘倩; 李潇
Original assignee: Hunan Weiming Energy Technology Co Ltd
Current assignee: Hunan Weiming Energy Technology Co Ltd
Priority date: 2021-09-17
Filing date: 2021-09-17
Publication date: 2024-03-22
Anticipated expiration: 2041-09-17
Also published as: CN113865659A

Abstract

一种高精度户用超声波水表抗干扰滤波方法包括以下步骤，采集停止用水时顺流与逆流的时差信号，计算相邻采样点时差信号之间斜率的绝对值，计算时差信号斜率绝对值的均值K_j平均，选取合适判定阀值δ，若K_j平均<δ则使用改进型平滑滤波，若K_j平均>δ，则使用卡尔曼滤波，计算整个采样时间T内滤波后的最终时差信号ΔT_final，采用ΔT_final参与补偿或抵消非零流量的计算。一种高精度户用超声波水表，该设备采用前述高精度户用超声波水表抗干扰滤波方法进行抗干扰滤波。该方法能够实时、有效的滤除户用超声波水表在使用过程中流量测量受到气泡、零点漂移、杂质等干扰的影响，减小户用超声波水表流量测量误差。

Description

一种高精度户用超声波水表抗干扰滤波方法及设备

技术领域

本发明涉及智能计量技术领域，尤其涉及一种高精度户用超声波水表的干扰滤波方法及设备。

背景技术

相比传统机械式水表，超声波水表具有无机械传动，宽量程比，压损低等优点，是水表全电子化的方向。户用超声波水表实现了超声波水表小型化，普及居民用水，给水计量行业带来了技术的创新与发展。但是户用超声波水表由于口径小，超声波飞行时间短，流量受气泡、零点漂移、杂质等干扰影响，存在流量测量误差大的突出问题。

为了解决户用超声波水表存在的流量测量误差大问题，目前有多种滤波处理的方法：小波去噪是一种常见时频局部化分析方法，具有多分辨率分析的特点，时间窗和频率窗也可改变，并且在时频两域都可以表征信号的局部特征，通过分解可以去掉高频部分，但是该方法计算量大，局部特征很难全面反映干扰信号。平滑滤波方法机械性的把几个数据求平均，能满足低功耗的应用，但是突兀的噪声会导致整体数据变化大，由于需要超声波水表多次采样，导致实时性差，特别当流速变化快时容易造成数据丢失。BP神经网络算法收敛速度慢，迭代时间长，计算量大，无法满足户用水表流量计量实时性要求。以上滤波处理的方法主要在通过户用超声波水表运行过程中进行滤波以降低流量测量误差，流量测量误差值主要通过与实验室标准数据进行比对得到。而户用超声波水表使用现场环境复杂多变，很难保证与实验室运行环境一样，从而导致流量测量误差值也无法准确进行校准。

发明内容

本发明要解决的技术问题是，提供一种能够实时、有效的滤除户用超声波水表在使用过程中流量测量受到气泡、零点漂移、杂质等干扰的影响，减小户用超声波水表流量测量误差的方法并提供一种采用该方法的高精度户用超声波水表设备。

为解决上述技术问题，本发明提供一种高精度户用超声波水表抗干扰滤波方法，包括以下步骤：

步骤S1，当用户停止用水时，采集顺流与逆流的时差信号△t_i,j，△t_i,j为第j个单位采样周期内第i个采样点采集的时差信号，i＝1、2、...、n，n为单位采样周期T′内的采样点数，相邻采样点的时间差为T″,单位采样周期为T′＝n×T″，j＝1、2、...、N，整个采样时间为T,整个采样时间内共有个单位采样周期；

步骤S2，计算相邻采样点时差信号之间斜率的绝对值K_i-1,j，K_i-1,j＝|(△t_i,j-△t_i-1,j)/T″|；

步骤S3，计算第j个单位采样周期内采样点时差信号斜率绝对值的均值K_j平均，

步骤S4，选取合适判定阀值δ；

步骤S5，若K_j平均<δ，则使用改进型平滑滤波对第j个单位采样周期内的采样点时差信号进行滤波处理得到△t_p,j，并令第j个单位采样周期内滤波后的时差信号△T_j＝△t_p,j；若K_j平均>δ，则使用卡尔曼滤波对第j个单位采样周期内的采样点时差信号进行滤波处理得到△t_k,j，并令第j个单位采样周期内滤波后的时差信号△T_j＝△t_k,j；

步骤S6，计算整个采样时间T内滤波后的最终时差信号

步骤S7，当用户开始用水时，采用开始用水之前用户停止用水时段所得△T_final参与补偿或抵消非零流量的计算。

更进一步，步骤S4中所述选取合适判定阀值δ的步骤包括：

步骤S41，若K_j平均<1，则δ取1；

步骤S42，若K_j平均>5，则δ取5；

步骤S43，若1≤K_j平均≤5，则自适应调整第j个单位采样周期内K_j平均的判定阀值δ，使得滤波后的零流量误差值最小。

更进一步，步骤S43中所述自适应调整第j个单位采样周期内K_j平均的判定阀值δ，使得滤波后的零流量误差值最小的步骤包括：

步骤S431，在[1,5]区间，以步长s对判定阀值δ进行赋值，得到δ_t＝1+s×(t-1),其中t＝1、2、...、Q，步长s取值为0<s<5，Q取不大于的整数；

步骤S432，按照步骤S5计算每个判定阀值δ_t对应的第j个单位采样周期内滤波后的时差信号△T_t,j；

步骤S433，计算每个判定阀值δ_t对应的时差信号绝对值的均值

步骤S434，将|△T_t|_AVG中最小值作为最佳判定阀值δ。

更进一步，步骤S5中所述改进型平滑滤波的步骤包括：

步骤S511，找出第j个单位采样周期内所有n个时差信号△t_i,j的最大值Δt_max,j和最小值Δt_min,j；

步骤S512，按照公式进行改进型平滑滤波得到滤波后第j个单位采样周期内的时差信号Δt_p,j。

更进一步，步骤S5中所述卡尔曼滤波的步骤包括：

步骤S521，在第j个单位采样周期内，根据当前时刻的时差信号，引入线性系统与系统的测量值，建立模型：

Δt(k)＝AΔt(k-1)+BU(k)+W(k)，

Z(k)＝HΔt(k)+t(k)，

其中v(k)表示k时刻的系统状态，U(k)表示k时刻对系统的控制量，A、B表示系统参数，Z(k)表示k时刻的测量值，H表示测量系统的参数，W(k)，t(k)表示过程与测量的噪声；

步骤S522，预测k时刻状态：

Δt(k|k-1)＝A△t(k-1|k-1)+BU(k)，

其中A、B表示系统参数，对于多模型系统，A、B为矩阵，△t(k|k-1)是上一状态预测的结果，△t(k-1|k-1)是上一时刻的最优预测值，U(k)为现在状态的控制量；

步骤S523，更新Δt(k|k-1)的协方差：

P(k|k-1)＝AP(k-1|k-1)A^T+Q，

其中P(k|k-1)是△t(k|k-1)对应的协方差，P(k-1|k-1)是△t(k-1|k-1)对应的协方差，A^T是A的转置矩阵，Q是系统噪声；

步骤S524，计算Kg值：

Kg(k)＝P(k|k-1)H^T/(HP(k|k-1)H^T+R)，

其中Kg为卡尔曼增益，R为测量过程中的噪声，H是测量系统的参数；

步骤S525，计算最优化估算值：

△t(k|k)＝△t(k|k-1)+Kg(k)(Z(k)-H△t(k|k-1))，

其中△t(k|k)是第j个单位采样周期内滤波后的时差信号△t_k,j，Z(k)是k时刻的系统测量值；

步骤S526，更新k时刻△t(k|k)的协方差：

P(k|k)＝(1-Kg(k)H)P(k|k-1)。

更进一步，步骤S431中所述步长s取值为0.5。

更进一步，步骤S7中所述当用户开始用水时，采用用户停止用水时段所得△T_final参与补偿或抵消非零流量的计算，△T_final采用开始用水之前最近一次采样时间T内滤波后的最终时差信号。

更进一步，步骤S7中所述当用户开始用水时，采用用户停止用水时段所得△T_final参与补偿或抵消非零流量的计算的步骤包括：

步骤S71，若△T_final>0，则进行非零流量计算时，将时差信号△t_c减去△T_final后计算瞬时流量：△t＝△t_c-△T_final，△t为抵消后的非零流量时差值，△t_c为非零流量时差实时测量值；

步骤S72，若△T_final<0，则进行非零流量计算时，将时差信号△t_c加上△T_final的绝对值后计算瞬时流量：△t＝△t_c+|△T_final|，△t为补偿后的非零流量时差值，△t_c为非零流量时差实时测量值。

本发明还提供一种高精度户用超声波水表设备，该设备采用前面所述高精度户用超声波水表抗干扰滤波方法进行抗干扰滤波。

本发明的有益效果在于：

该方法根据居民户用水表的用水习惯，大多数时间处于零流量，而由于在用户用水时与用户不用水时，气泡、零点漂移、杂质等干扰不会发生太大的变化，具有保持的特性，通过在用户不用水是采集顺流与逆流的时差信号，获得零流量情况因干扰造成的时差信号，依据时差信号计算两个相邻点时差信号斜率的绝对值，根据一个采样周期内相邻采样点时差信号斜率绝对值的均值与设定的判定阈值比较结果自动切换改进型的平滑滤波与卡尔曼滤波方法，当采样周期内相邻采样点时差信号斜率绝对值的均值小于判定阈值，采用改进型的平滑滤波对时差信号进行滤波，改进型的平滑滤波去掉了时差的最大与最小值，取中间数平均运算，避免了突变噪声带动整体的数据偏大；当采样周期内相邻采样点时差信号斜率绝对值的均值大于判定阀值，采用卡尔曼滤波对时差信号进行滤波，具有良好的实时性；两种算法的相互配合，计算出补偿或抵消的时间差，参与后续非零流量的计算。

现有的超声波水表滤波算法多数是在水表进行零流量测量运行状态中滤波，滤波参数是根据实验台体的值进行事先设定，无法根据水表使用现场的实际情况进行实时调整，由于水表实际使用环境与实验台体的不一致性，导致滤波效果差，超声波水表流量测量的误差偏大。本发明公开的抗干扰滤波方法时刻监测用户零流量的时差信号，一旦出现用户零流量的时差信号，就开始启动校正，并时刻更新零流量的校正值，用于参与后续的正常非零流量测量计算，可以有效解决户用超声波水表抗干扰的问题，提高户用超声波水表流量测量精度。

附图说明

图1是本发明一种高精度户用超声波水表抗干扰滤波方法实施方式的流程图。

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。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如图1所示，一种高精度户用超声波水表抗干扰滤波方法，包括以下步骤：

步骤S2，计算相邻采样点时差信号之间斜率的绝对值K_i-1,j，K_i-1,j＝|(Δt_i,j-Δt_i-1,j)/T″|；

步骤S4，选取合适判定阀值δ：

步骤S41，若K_j平均<1，则δ取1；

步骤S42，若K_j平均>5，则δ取5；

步骤S43，若1≤K_j平均≤5，则自适应调整第j个单位采样周期内K_j平均的判定阀值δ，使得滤波后的零流量误差值最小：

步骤S431，在[1,5]区间，以步长s对判定阀值δ进行赋值，得到δ_t＝1+s×(t-1),其中t＝1、2、...、Q，步长s取值为0.5，Q取9；

步骤S432，按照步骤S5计算每个判定阀值δ_t对应的第j个单位采样周期内滤波后的时差信号ΔT_t,j；

步骤S434，将|ΔT_t|_AVG中最小值作为最佳判定阀值δ。

步骤S5，若K_j平均<δ，则使用改进型平滑滤波对第j个单位采样周期内的采样点时差信号进行滤波处理得到Δt_p,j，并令第j个单位采样周期内滤波后的时差信号ΔT_j＝Δt_p,j；若K_j平均>δ，则使用卡尔曼滤波对第j个单位采样周期内的采样点时差信号进行滤波处理得到Δt_k,j，并令第j个单位采样周期内滤波后的时差信号ΔT_j＝Δt_k,j：

其中，改进型平滑滤波步骤为：

步骤S511，找出第j个单位采样周期内所有n个时差信号Δt_i,j的最大值Δt_max,j和最小值Δt_min,j；

卡尔曼滤波步骤为：

Δt(k)＝AΔt(k-1)+BU(k)+W(k)，

Z(k)＝HΔt(k)+t(k)，

步骤S522，预测k时刻状态：

Δt(k|k-1)＝AΔt(k-1|k-1)+BU(k)，

其中A、B表示系统参数，对于多模型系统，A、B为矩阵，Δt(k|k-1)是上一状态预测的结果，Δt(k-1|k-1)是上一时刻的最优预测值，U(k)为现在状态的控制量；

步骤S523，更新Δt(k|k-1)的协方差：

P(k|k-1)＝AP(k-1|k-1)A^T+Q，

其中P(k|k-1)是Δt(k|k-1)对应的协方差，P(k-1|k-1)是Δt(k-1|k-1)对应的协方差，A^T是A的转置矩阵，Q是系统噪声；

步骤S524，计算Kg值：

Kg(k)＝P(k|k-1)H^T/(HP(k|k-1)H^T+R)，

步骤S525，计算最优化估算值：

Δt(k|k)＝Δt(k|k-1)+Kg(k)(Z(k)-HΔt(k|k-1))，

其中Δt(k|k)是第j个单位采样周期内滤波后的时差信号Δt_k,j，Z(k)是k时刻的系统测量值；

步骤S526，更新k时刻Δt(k|k)的协方差：

P(k|k)＝(1-Kg(k)H)P(k|k-1)。

步骤S6，计算整个采样时间T内滤波后的最终时差信号

步骤S7，当用户开始用水时，采用开始用水之前最近一次采样时间T内滤波后的最终时差信号ΔT_final参与补偿或抵消非零流量的计算：

步骤S71，若ΔT_final>0，则进行非零流量计算时，将时差信号Δt_c减去ΔT_final后计算瞬时流量：Δt＝△t_c-ΔT_final，Δt为抵消后的非零流量时差值，Δt_c为非零流量时差实时测量值；

步骤S72，若ΔT_final<0，则进行非零流量计算时，将时差信号Δt_c加上ΔT_final的绝对值后计算瞬时流量：Δt＝Δt_c+|ΔT_final|，Δt为补偿后的非零流量时差值，Δt_c为非零流量时差实时测量值。

本发明还提供一种高精度户用超声波水表设备，该设备采用前面所述高精度户用超声波水表抗干扰滤波方法进行抗干扰滤波，并使用该设备进行了累积流量误差的测试。

鉴于在小流量和零流量情况下，超声波水表的误差最大，本实施例只进行了小流量情况下，滤波前后流量测量误差的测试：参照《JJG-162-2009-冷水水表检定规程》，采用质量法进行累积流量检定，累积流量2L，检测10次，管段DN15，检测Q1(10L/h),滤波前后的累积流量误差测试结果值如下：

测试结果表明，滤波后的累积流量误差基本控制在±2％以内，均合格，而滤波前的误差很大，多数已经超出了小流量±5％的误差。

本发明实施例可以根据实际需要进行顺序调整、合并和删减。

实施例对本方案进行了详细的介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims

1.一种高精度户用超声波水表抗干扰滤波方法，所述方法用于一种高精度户用超声波水表设备，其特征在于，包括以下步骤：

S1，当用户停止用水时，采集顺流与逆流的时差信号△t_i,j，

△t_i,j为第j个单位采样周期内第i个采样点采集的时差信号，i＝1、2、...、n，n为单位采样周期T′内的采样点数，相邻采样点的时间差为T″,单位采样周期为T′＝n×T″，j＝1、2、...、N，整个采样时间为T,整个采样时间内共有个单位采样周期；

S2，计算相邻采样点时差信号之间斜率的绝对值K_i-1,j，K_i-1,j＝|(△t_i,j-△t_i-1,j)/T″|；

S3，计算第j个单位采样周期内采样点时差信号斜率绝对值的均值K_j平均，

S4，选取合适判定阀值δ；

S5，若K_j平均<δ，则使用改进型平滑滤波对第j个单位采样周期内的采样点时差信号进行滤波处理得到△t_p,j，并令第j个单位采样周期内滤波后的时差信号△T_j＝△t_p,j；若K_j平均>δ，则使用卡尔曼滤波对第j个单位采样周期内的采样点时差信号进行滤波处理得到△t_k,j，并令第j个单位采样周期内滤波后的时差信号△T_j＝△t_k,j；

S6，计算整个采样时间T内滤波后的最终时差信号

S7，当用户开始用水时，采用开始用水之前用户停止用水时段所得△T_final参与补偿或抵消非零流量的计算。

2.根据权利要求1所述高精度户用超声波水表抗干扰滤波方法，其特征在于，步骤S4中所述选取合适判定阀值δ的步骤包括：

S41，若K_j平均<1，则δ取1；

S42，若K_j平均>5，则δ取5；

S43，若1≤K_j平均≤5，则自适应调整第j个单位采样周期内K_j平均的判定阀值δ，使得滤波后的零流量误差值最小。

3.根据权利要求2所述高精度户用超声波水表抗干扰滤波方法，其特征在于，步骤S43中所述自适应调整第j个单位采样周期内K_j平均的判定阀值δ，使得滤波后的零流量误差值最小的步骤包括：

S431，在[1,5]区间，以步长s对判定阀值δ进行赋值，得到δ_t＝1+s×(t-1),其中t＝1、2、...、Q，步长s取值为0<s<5，Q取不大于的整数；

S432，按照步骤S5计算每个判定阀值δ_t对应的第j个单位采样周期内滤波后的时差信号△T_t,j；

S433，计算每个判定阀值δ_t对应的时差信号绝对值的均值

S434，将|△T_t|_AVG中最小值作为最佳判定阀值δ。

4.根据权利要求1所述高精度户用超声波水表抗干扰滤波方法，其特征在于，步骤S5中所述改进型平滑滤波的步骤包括：

S511，找出第j个单位采样周期内所有n个时差信号△t_i,j的最大值△t_max,j和最小值△t_min,j；

S512，按照公式进行改进型平滑滤波得到滤波后第j个单位采样周期内的时差信号△t_p,j。

5.根据权利要求1所述高精度户用超声波水表抗干扰滤波方法，其特征在于，步骤S5中所述卡尔曼滤波的步骤包括：

S521，在第j个单位采样周期内，根据当前时刻的时差信号，引入线性系统与系统的测量值，建立模型：

△t(k)＝A△t(k-1)+BU(k)+W(k)，

Z(k)＝H△t(k)+t(k)，

其中U(k)表示k时刻对系统的控制量，A、B表示系统参数，Z(k)表示k时刻的测量值，H表示测量系统的参数，W(k)，t(k)表示过程与测量的噪声；

S522，预测k时刻状态：

△t(k|k-1)＝A△t(k-1|k-1)+BU(k)，

S523，更新△t(k|k-1)的协方差：

P(k|k-1)＝AP(k-1|k-1)A^T+Q，

S524，计算Kg值：

Kg(k)＝P(k|k-1)H^T/(HP(k|k-1)H^T+R)，

其中Kg为卡尔曼增益，R为测量过程中的噪声，H是测量系统的参数，H^T是H的转置矩阵；

S525，计算最优化估算值：

△t(k|k)＝△t(k|k-1)+Kg(k)(Z(k)-H△t(k|k-1))，

S526，更新k时刻△t(k|k)的协方差：

P(k|k)＝(1-Kg(k)H)P(k|k-1)。

6.根据权利要求3所述高精度户用超声波水表抗干扰滤波方法，其特征在于，步骤S431中所述步长s取值为0.5。

7.根据权利要求1所述高精度户用超声波水表抗干扰滤波方法，其特征在于，步骤S7中所述当用户开始用水时，采用用户停止用水时段所得△T_final参与补偿或抵消非零流量的计算，△T_final采用开始用水之前最近一次采样时间T内滤波后的最终时差信号。

8.根据权利要求1所述高精度户用超声波水表抗干扰滤波方法，其特征在于，步骤S7中所述当用户开始用水时，采用用户停止用水时段所得△T_final参与补偿或抵消非零流量的计算的步骤包括：

S71，若△T_final>0，则进行非零流量计算时，将时差信号△t_c减去△T_final后计算瞬时流量：△t＝△t_c-△T_final，△t为抵消后的非零流量时差值，△t_c为非零流量时差实时测量值；

S72，若△T_final<0，则进行非零流量计算时，将时差信号△t_c加上△T_final的绝对值后计算瞬时流量：△t＝△t_c+|△T_final|，△t为补偿后的非零流量时差值，△t_c为非零流量时差实时测量值。