CN115540963A - 基于路径积分的流量测量设备、方法、装置和存储介质 - Google Patents

基于路径积分的流量测量设备、方法、装置和存储介质 Download PDF

Info

Publication number
CN115540963A
CN115540963A CN202211083515.3A CN202211083515A CN115540963A CN 115540963 A CN115540963 A CN 115540963A CN 202211083515 A CN202211083515 A CN 202211083515A CN 115540963 A CN115540963 A CN 115540963A
Authority
CN
China
Prior art keywords
flow
flow velocity
ultrasonic transducers
sound wave
pair
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211083515.3A
Other languages
English (en)
Inventor
陈淑武
耿礼庆
唐仕斌
钟超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiamen Sixin Internet Of Things Technology Co ltd
Original Assignee
Xiamen Sixin Internet Of Things Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xiamen Sixin Internet Of Things Technology Co ltd filed Critical Xiamen Sixin Internet Of Things Technology Co ltd
Priority to CN202211083515.3A priority Critical patent/CN115540963A/zh
Publication of CN115540963A publication Critical patent/CN115540963A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F1/00—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow
    • G01F1/66—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow by measuring frequency, phase shift or propagation time of electromagnetic or other waves, e.g. using ultrasonic flowmeters
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F1/00—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow
    • G01F1/66—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow by measuring frequency, phase shift or propagation time of electromagnetic or other waves, e.g. using ultrasonic flowmeters
    • G01F1/662—Constructional details
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
    • G01P5/24—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft by measuring the direct influence of the streaming fluid on the properties of a detecting acoustical wave
    • G01P5/245—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft by measuring the direct influence of the streaming fluid on the properties of a detecting acoustical wave by measuring transit time of acoustical waves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/086—Learning methods using evolutionary algorithms, e.g. genetic algorithms or genetic programming

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Fluid Mechanics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Electromagnetism (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Physiology (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Measuring Volume Flow (AREA)

Abstract

本发明实施例提供一种基于路径积分的流量测量设备、方法、装置和存储介质，涉及流速测量技术领域。流量测量方法包含S1根据对角设置的多对超声波换能器，获取各对超声波换能器的声波顺流传播时间和声波逆流传播时间。S2根据各对超声波换能器的声波顺流传播时间，基于顺流流速积分模型，计算得到各对超声波换能器的顺流平均流速。S3根据各对超声波换能器的声波逆流传播时间，基于逆流流速积分模型，计算得到各对超声波换能器的逆流平均流速。S4根据顺流平均流速和逆流平均流速求取平均值，获取各对超声波换能器的通道平均流速。S5根据各对超声波换能器的通道平均流速，通过神经网络拟合得到面平均流速。S6根据面平均流速，获取经过测流座的流量。

Description

基于路径积分的流量测量设备、方法、装置和存储介质
技术领域
本发明涉及流速测量技术领域，具体而言，涉及基于路径积分的流量测量设备、方法、装置和存储介质。
背景技术
测流技术在工业、农业等领域应用广泛。农田水渠灌溉，河道流量测量，天然气管道流量测量等都需要一套高精度的流量计。精确的流量测量可以有效检测管道泄露，节约用水，保障安全传输。
但是，在先技术中，目前市面上的流量计对水体有一定的要求，且复杂度高，在低流速下精度较低，且设备笨重等问题。例如：多普勒流量计对水体环境要求高，适用于测量含有能反射超声波信号的颗粒或气泡的液体，如污水、工厂排放液、泥浆、矿浆、非纯净燃油、原油等。此外，超声波多普勒流量计通常不适用于测量清洁液体，除非清洁液体中含有散射体(如气泡)或其流动扰动程度大到能获得反射信号。相关法流量计仅适合于小管道、小流量的测量并且相当复杂。波束偏移法流量计精度不高。噪声法流量计精度也不高。
有鉴于此，申请人在研究了现有的技术后特提出本申请。
发明内容
本发明提供了基于路径积分的流量测量设备、方法、装置和存储介质，以改善上述技术问题中的至少一个。
第一方面、
本发明实施例提供了一种基于路径积分的流量测量设备，其包含测流座和控制组件，以及配置于测流座的多对超声波换能器和电子水尺。多对超声波换能器和电子水尺分别电连接于控制组件。一对超声波换能器包括对角设置在测流座的第一超声波换能器和第二超声波换能器。多对超声波换能器至少从两个对角方向配置于测流座。
控制组件包括处理器和存储器，处理器被配置为能够执行存储器存储的计算机程序，以执行步骤S1至步骤S6。
S1、根据对角设置的多对超声波换能器，获取各对超声波换能器的声波顺流传播时间和声波逆流传播时间。
S2、根据各对超声波换能器的声波顺流传播时间，基于顺流流速积分模型，计算得到各对超声波换能器的顺流平均流速。顺流流速积分模型为：
Figure BDA0003834448980000021
式中，N为取样个数，D为流道的宽度，c为超声波在静止水中的传播速度，Td|Flow为声波顺流传播时间、θ为流体方向和声波方向的夹角、xi为第i个取样点的位置。
S3、根据各对超声波换能器的声波逆流传播时间，基于逆流流速积分模型，计算得到各对超声波换能器的逆流平均流速。逆流流速积分模型为：
Figure BDA0003834448980000022
式中，N为取样个数，D为流道的宽度，c为超声波在静止水中的传播速度，Tu|Flow为声波逆流传播时间、θ为流体方向和声波方向的夹角、xi为第i个取样点的位置。
S4、根据顺流平均流速和逆流平均流速求取平均值，获取各对超声波换能器的通道平均流速。
S5、根据各对超声波换能器的通道平均流速，通过基于遗传算法优化的神经网络拟合得到面平均流速。
S6、根据面平均流速，获取经过测流座的流量。
第二方面、
本发明实施例提供了一种基于路径积分的流量测量方法，其包含步骤S1至步骤S6。
S1、根据对角设置的多对超声波换能器，获取各对超声波换能器的声波顺流传播时间和声波逆流传播时间。
S2、根据各对超声波换能器的声波顺流传播时间，基于顺流流速积分模型，计算得到各对超声波换能器的顺流平均流速。顺流流速积分模型为：
Figure BDA0003834448980000031
式中，N为取样个数，D为流道的宽度，c为超声波在静止水中的传播速度，Td|Flow为声波顺流传播时间、θ为流体方向和声波方向的夹角、xi为第i个取样点的位置。
S3、根据各对超声波换能器的声波逆流传播时间，基于逆流流速积分模型，计算得到各对超声波换能器的逆流平均流速。逆流流速积分模型为：
Figure BDA0003834448980000041
式中，N为取样个数，D为流道的宽度，c为超声波在静止水中的传播速度，Tu|Flow为声波逆流传播时间、θ为流体方向和声波方向的夹角、xi为第i个取样点的位置。
S4、根据顺流平均流速和逆流平均流速求取平均值，获取各对超声波换能器的通道平均流速。
S5、根据各对超声波换能器的通道平均流速，通过基于遗传算法优化的神经网络拟合得到面平均流速。
S6、根据面平均流速，获取经过测流座的流量。
第三方面、
本发明实施例提供了一种基于路径积分的流量测量装置，其包含：
时间获取模块，用于根据对角设置的多对超声波换能器，获取各对超声波换能器的声波顺流传播时间和声波逆流传播时间。
顺流流速模块，用于根据各对超声波换能器的声波顺流传播时间，基于顺流流速积分模型，计算得到各对超声波换能器的顺流平均流速。顺流流速积分模型为：
Figure BDA0003834448980000042
式中，N为取样个数，D为流道的宽度，c为超声波在静止水中的传播速度，Td|Flow为声波顺流传播时间、θ为流体方向和声波方向的夹角、xi为第i个取样点的位置。
逆流流速模块，用于根据各对超声波换能器的声波逆流传播时间，基于逆流流速积分模型，计算得到各对超声波换能器的逆流平均流速。逆流流速积分模型为：
Figure BDA0003834448980000051
式中，N为取样个数，D为流道的宽度，c为超声波在静止水中的传播速度，Tu|Flow为声波逆流传播时间、θ为流体方向和声波方向的夹角、xi为第i个取样点的位置。
通道平均流速模块，用于根据顺流平均流速和逆流平均流速求取平均值，获取各对超声波换能器的通道平均流速。
面平均流速模块，用于根据各对超声波换能器的通道平均流速，通过基于遗传算法优化的神经网络拟合得到面平均流速。
流量获取模块，用于根据面平均流速，获取经过测流座的流量。
第四方面、
本发明实施例提供了一种计算机可读存储介质。计算机可读存储介质包括存储的计算机程序，其中，在计算机程序运行时控制计算机可读存储介质所在设备执行如第二方面任意一段所说的基于路径积分的流量测量方法。
通过采用上述技术方案，本发明可以取得以下技术效果：
本发明实施例通过积分模型对换能器之间的通道流速进行计算，然后通过神经网络模型将通道流速拟合成面流速，从而获得更加精准的流速信息，最终获得更加准确的流量信息，具有很好的实际意义。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是流量测量设备的结构示意图。
图2是流量测量设备的轴测图。
图3是流量测量设备的侧视图
图4是一对换能器在方形流道中的安装位置示意图。
图5是流量测量方法的流程示意图。
图6是间歇式超声波信号和回波信号的波形图。
图7是回波信号的波形图。
图8是激励信号的起始时刻、回波信号起始时刻和特征点对应时刻之间的关系图。
图9是遗传算法优化神经网络的流程图。
图10是遗传算法优化神经网络结构的染色体编码形式图。
图11是遗传算法优化的神经网络结构图。
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。
实施例一：
请参阅图1至图11，本发明第一实施例提供一种基于路径积分的流量测量设备，其包含测流座6和控制组件，以及配置于测流座6的多对超声波换能器和电子水尺5。多对超声波换能器和电子水尺5分别电连接于控制组件。一对超声波换能器包括对角设置在测流座6的第一超声波换能器和第二超声波换能器。多对超声波换能器至少从两个对角方向配置于测流座6。
如图2所示，在上述实施例的基础上，本发明的一个可选地实施例中，测流座6构造为方形管道状结构，其设置有方形流道。如图4所示，第一超声波换能器和第二超声波换能器，分别设置于方形流道的两侧侧壁，且沿着方形流道的轴线方向间隔设置。使得第一超声波换能器和第二超声波换能器之间的直线方向和方形流道的宽度方向成夹角θ。如图2和图3所示，多对超声波换能器分别配置于不同高度，且相邻的两对超声波换能器之间的声波传递方向相交设置。
优选地，流量测量设备包含24个超声波换能器。24个超声波换能器之间组成12对超声波换能器。12对超声波换能器分别配置于不同高度，且相邻的两对超声波换能器之间的声波方向相交设置。在其它实施例中，超声波换能器的数量可以为其它数量，本发明对此不做具体限定。并且相邻的两对超声波换能器可以平行设置，本发明对此亦不做限定，
通过交错设置的超声波换能器，能够采集到更多的超声波传播数据，从而计算得到更加准确的流量信息。可以理解的是，本发明实施例的流量测量设备不局限应用于管道类结构中，还可以应用于闸门等结构中进行流量的测量。测流座6可以设置成闸门结构，或者没有闸门的出水口，本发明对测流座6的具体结构不做限定，只要其能够提供一个供流体流过的流道，并且在流道的侧壁能够安装超声波换能器和电子水尺5即可。
如图1所示，在上述实施例的基础上，本发明的一个可选地实施例中，控制组件包含开发板1，以及配置于开发板1的计时芯片3、处理器2和驱动芯片4。多对超声波换能器分别电连接于驱动芯片4。驱动芯片4分别电连接于计时芯片3和处理器2。电子水尺5电连接于处理器2。
具体的，在本实施例中，超声波换能器为超声波收发一体换能器，其能够在发送超声波和接收超声波两种模式中进行切换。超声波换能器通过收发一体电路和换能器驱动芯片4进行连接。
电子水尺5用来直接测量被测液体的液位高度信息；所述计时芯片3包括换能器TOF(Time-of-Flight，飞行时间)测量芯片，对信号顺流飞行时间和逆流飞行时间进行测量。驱动芯片4主要驱动换能器进行信号发送，同时驱动时间测量芯片以及核心处理器2的工作。核心处理器2对整个设备进行命令控制和数据计算存储，同时和终端远程通信。开发板1集成STM32F407系列核心处理器2、计时芯片3和驱动芯片4作为整个系统核心；
方向管道结构的测流座6集成换能器、计时芯片3、换能器驱动芯片4、电子水尺5和核心处理器2一起构成了整个测量系统。测流座6直接接触被测介质，嵌入安装方式保证换能器的稳定工作，同时保证计时芯片3及处理器2构成的核心板不被被测介质浸染，保证其正常工作。
优选地，基于路径积分的流量测量设备还包括通讯芯片；处理器2通过通讯芯片和后台终端进行通讯连接，通信方式为双工通信，采用WIFI、4G网络和5G网络等现有的网络连接方式进行无线信息传输，传输信息包括下位机到上位机的流速、流量，以及液位信息，上位机到下位机的测量通道切换命令。
设备工作时，由换能器发射间歇式激励的超声波信号和接收回波信号；同时开发板1对信号进行处理并记录信号飞行时间计算流速，拟合流量，读取电子水尺5水位信息，并且将信息上传到终端；终端负责显示流速、流量以及液位信息。
图3所示，电子水尺5竖直设置在测流座6的中间。如图2所示，在本实施例中，测流箱体是60cm*60cm*100cm的方筒形状，换能器均匀分布在如图2所示的箱体左右两侧。其中，第一换能器与其相同高度上对侧的第二换能器形成一个通道，当第一换能器向第二换能器发送信号时计算的时间定义为顺流飞行时间，反之定义为逆流飞行时间。图2和图3中一共有12对换能器，从下到上依次编号为第0对，第1对，…,第11对。而每一侧的布置方式相似，均分为两列，每列6个换能器，编号方式为第一列A0,A3,A5,A7,A9,A11,第二列为A2,A4,A6,A8,A0。除了第0对换能器和第11对换能器与邻近换能器的间隔为38.25mm外，其余换能器之间的间隔均为42.5mm。换能器的数量和换能器时间的距离是由箱体的尺寸和换能器的性能决定的，针对不同体积的箱体，其数量有所差异，但是布置方式一致。A0到B0的路径与垂直于水流方向的夹角θ为30度。
如图5所示，在上述实施例的基础上，本发明的一个可选地实施例中，控制组件包括处理器和存储器，处理器被配置为能够执行存储器存储的计算机程序，以执行步骤S1至步骤S6。
S1、根据对角设置的多对超声波换能器，获取各对超声波换能器的声波顺流传播时间和声波逆流传播时间。
本实施例中，采用时差法对测流座中的水流进行测量，从而提供原始数据。具体的，利用间歇式激励设计发射换能器的激励信号，利用最大峰值差检测接收换能器的回波信号，确定回波信号起始点，从而确定超声波的传播时间。
在上述实施例的基础上，本发明的一个可选地实施例中，步骤S1具体包括步骤S11至步骤S17。
S11、分别根据各对超声波换能器执行以下步骤，以获得各对超声波换能器的声波顺流传播时间和声波逆流传播时间：
S12、控制第一超声波换能器间歇式发送两次完全相同的超声波信号，并控制第二超声波换能器接收回波信号。其中，超声波信号采用非编码激励信号。
S13、对回波信号进行幅值采样和滤波，滤波后找到最大采样点，并根据最大采样点对所有采样点进行归一化。
S14、根据归一化后的采样值，求取相邻两个峰值之间的峰值差，并找出最大峰值差。
S15、根据最大峰值差，获取特征波后的8个过零点。
S16、根据8个过零点，求取均值获取特征点时间，并根据特征点时间，获取声波顺流传播时间。声波顺流传播时间的计算模型为：
Figure BDA0003834448980000101
式中，Td|Flow为声波顺流传播时间、τi为第i个过零点的时间、T|Flow＝0为零流量时发出声波信号到接收到特征点的时间、Td|Flow＝0为零流量时发出声波信号到接收到回波信号的时间。
S17、控制第二超声波换能器间歇式发送两次完全相同的超声波信号，并控制第一超声波换能器接收回波信号，然后根据回波信号执行前面的四个步骤，以获得声波逆流传播时间。
如图6和图7所示，发送的超声信号需要满足信号衰减小，回波信噪比高的条件，才能获得较高精度和量程比。因此，本发明采用非编码激励。利用单个或者多个连续的脉冲波形直接激励换能器。考虑到激励电压比较小的时候激励信号的能量小，回波的幅度会比较小。因此采用连续发送多个脉冲序列提高回波信号的幅度。同时为了更好检测回波信号，采用间歇式发送信号，先后发送两次完全相同的非编码激励信号，通过调节前后两次之间的间歇间隔，可以得到相邻峰值差值较大的回波信号。
利用最大峰值差检测回波的具体流程如下：
先对接收信号x(n)进幅值采样，接着滤波，滤波后找到最大的采样点Amax，将所有采样点除以该值进行归一化：
Figure BDA0003834448980000102
之后，再将后一个峰值减去前一个峰值获得峰值差ΔA：
ΔA＝Ax+1-Ax
再比较各峰值差以此获得最大的峰值差ΔAmax：
ΔAmax＝max(Ax+1-Ax)
如图7所示，根据叠加波形的规律，无论流量的变化如何，最大峰值差总是出现在第二段的上升阶段的两个相同峰值点上。这说明这个差值的相对位置是保持不变的。通过相邻最大峰值差值ΔAmax的位置，找出该最大差值对应的特征波，并找出特征波后的8个过零点。
最后，将特征波后的8个过零点的平均值作为特征点,以消除一些随机误差，提高测量精度。于是可以得到激励信号顺流飞行时间Td|Flow：
Figure BDA0003834448980000111
式中，T|Flow为有流量情况下激励信号起始时刻到特征点对应时刻的时间长度，τi(i＝1,2,3,…,8)为过零点时间，t′为一个根据零流量下的传播时间求得的固定偏差值，其关系如图8所示。
在零流量情况下：
Figure BDA0003834448980000112
t′＝T|Flow＝0-Td|Flow＝0
式中，Td|Flow＝0表示在零流量条件下激励信号的顺流飞行时间，L代表方筒的边长，C代表超声波在被测介质中的传播速度，T|Flow＝0表示零流量下激励信号起始时刻到特征点对应时刻之间的时间。
于是顺流飞行时间可以表示为：
Figure BDA0003834448980000113
逆流飞行时间Tu|Flow通过将顺流时发射和接收的换能器进行对调，重复同样的计算方式获得。
确定信号飞行时间之后，实际上也确定了回波起始时刻。就可以对多对换能器收发的超声激励信号的回波进行检测和可视化提取。具体地：
系统工作时，12对换能器中12个同时发送上述间歇式激励信号，信号经过水体(或空气，未被淹没)到达12个接收换能器，由于时延差的不同，信号回波的到达时刻存在差异。因此，一旦某个接收换能器收到信号，就立即进行回波检测。因此，接收端可以获得12个检测到的回波和12个飞行时间，对应于12个声道的超声信号飞行时间。
将回波进行可视化显示，通过回波强度、频率、各回波差异衡量换能器的指向性和功率等。还可以据此判断有多少对换能器被水淹没，因为超声波在水中和空气中的衰减系数是不同的，因此得到的回波也是不同的；另外，回波的观察也可以反应系统的工作状态。
S2、根据各对超声波换能器的声波顺流传播时间，基于顺流流速积分模型，计算得到各对超声波换能器的顺流平均流速。
顺流流速积分模型为：
Figure BDA0003834448980000121
式中，N为取样个数，D为流道的宽度，c为超声波在静止水中的传播速度，Td|Flow为声波顺流传播时间、θ为流体方向和声波方向的夹角、xi为第i个取样点的位置。
S3、根据各对超声波换能器的声波逆流传播时间，基于逆流流速积分模型，计算得到各对超声波换能器的逆流平均流速。
逆流流速积分模型为：
Figure BDA0003834448980000131
式中，N为取样个数，D为流道的宽度，c为超声波在静止水中的传播速度，Tu|Flow为声波逆流传播时间、θ为流体方向和声波方向的夹角、xi为第i个取样点的位置。
具体的，确定12个通道的超声顺流逆流飞行时间之后，需要根据飞行时间分别对这12个通道的流速计算。由于信号在箱体内部发射和接收，其传播距离比较短，因此，我们认为其传播路径是直线。
在本发明中，发明人提出了基于其传播路径的积分方法确定其流速信息。依据时间和路径长度之间的关系计算单个声路通道的平均流速信息。计算时，由一对收发换能器构成的单个声路通道进行独立的流速计算，也就是一次测量完成将获得12个单通道流速信息v1,v2,v3,…,v12。
如图4所示，Vm表示方筒中心点流速，D表示管道截面边长，θ表示流体方向夹角，c代表的是超声波在水下的传播速度。
由流体力学相关知识可知，某点的流速信息V与方筒正中心点的流速(一般认为是最大流速)Vm之间存在如下关系：
Figure BDA0003834448980000132
式中，x表示该点距离方筒正中心的距离，-D/2≤x≤D/2。
所以，在信号的传输路径上超声波顺流飞行时间可以定义为：
Figure BDA0003834448980000133
依据积分计算规则，获得最后的顺流飞行时间表达式为：
Figure BDA0003834448980000141
式中，c一般选取1500m/s，D＝60cm，θ＝30度，在步骤S1中Td|Flow和Tu|Flow已经进行计算。
因此，信号顺流飞行时计算Vm的表达式为：
Figure BDA0003834448980000142
将Vm的表达式代入式(1)即可获得距离方筒中心x位置处的流速。将x的取值从-D/2到D/2均匀取样进行流速值计算之后取平均作为该通道顺流飞行时的通道平均流速：
Figure BDA0003834448980000143
式中，N代表选取的速度点的个数，该值在定义箱体边长D的情况下尽可能选取更大的值以获得更高的精。于是：
Figure BDA0003834448980000144
同理，逆流飞行时间：
Figure BDA0003834448980000145
逆流情况下的Vm表示为：
Figure BDA0003834448980000151
由此，超声信号逆流飞行时的单通道平均流速为：
Figure BDA0003834448980000152
S4、根据顺流平均流速和逆流平均流速求取平均值，获取各对超声波换能器的通道平均流速。
具体的，在计算得到顺逆流平均流速之后，再次求平均获得该通道的平均流速信息：
Figure BDA0003834448980000153
S5、根据各对超声波换能器的通道平均流速，通过基于遗传算法优化的神经网络拟合得到面平均流速。
具体的，依赖于路径积分获得的流速信息代表的是该通道上的平均流速信息，但是我们的方筒一共布置了12个声道。因此，本发明实施例提出了基于遗传算法优化的神经网络，每一个单通道都用路径积分获取平均流速信息，将这12个流速信息作为网络的输入，输出端获取流速在该方筒剖面上的分布情况和流量信息。步骤S5包括：
将各对超声波换能器的通道平均流速输入基于遗传算法优化的神经网络，输出面平均流速vo。面平均流速的计算模型为：
Figure BDA0003834448980000161
式中，nL2为第二个隐藏层的神经元数量、nL1为第一个隐藏层的神经元数量、
Figure BDA0003834448980000162
和
Figure BDA0003834448980000163
和
Figure BDA0003834448980000164
为权值、b1j和b2j和bo1为阈值、xi为神经网络的第i个输入值。
在本实施例中，依据所述的神经网络对各通道流速进行拟合，最终得到流场剖面的流速信息分布，进而得到最终的流量信息。
在上述实施例的基础上，本发明的一个可选地实施例中，通过基于遗传算法优化的神经网络的构建流程包括步骤A1至步骤A4。
A1、构建神经网络的架构。
A2、根据架构，采用遗传算法获取神经网络的隐藏层层数、隐藏层的神经元个数，以及网络训练函数。
A3、根据隐藏层层数和隐藏层的神经元个数，构建目标神经网络。
A4、根据网络训练函数，训练目标神经网络，获取基于遗传算法优化的神经网络。其中，隐藏成层数为2，第一层隐藏层的神经元个数为17，第二次隐藏层的神经元个数为13、网络训练函数为Levenberg-Marquardt。
具体的，遗传算法优化神经网络结构主要在于确定其隐藏层层数，神经元个数以及网络训练函数。
首先，采用二进制编码对上述的参数进行染色体编码，隐藏层层数根据相关研究限制在1到2层。于是基因编码形式如图10所示，其中的符号表示为，隐藏层数n，第一个隐藏层的神经元数目nL1，第二个隐藏层的神经元数目nL2，以及神经网络训练函数fL。基因编码长度为13。前三个元素与解码后的实数值一一对应，解码后的实数值范围分别在(1，2)，(1，32)，(1，32)，最后一个元素的00，01，10，11分别代表Levenberg-Marquardt,BEGS Quasi-Newton,Fletcher-Powell，Conjugate Gradient,and VariableLearning RateBackpropagation Method四种训练方法。
然后，通过不断迭代，包含有神经网络结构信息的最优染色体将给出网络结构的设计信息。
利用遗传算法优化的神经网络中适应度函数成为评价染色体好坏的标准并且作为父带到子带的优选标准，适应度函数定义为期望值与实际值之间误差的平方，即：
Figure BDA0003834448980000171
式中，vet(k)和vot(k)代表训练数据中第k个神经元的输入输出，这里的输入为随机的12个上述基于时差法测得的流速数据信息。
遗传算法优化初始阈值和权值时由于它们的分布范围在(-1，1)之间，所以采用实数编码。编码中，染色体分为四个部分，分别是输入层与隐藏层的权值，隐藏层各神经元处的阈值，隐藏层与输出层之间的权值以及输出层的阈值。每一部分的长度nhidden·ninput，nhidden，nhidden·noutput，noutput用表示，其基因编码染色体形式如图10所示。
利用遗传算法对神经网络进行优化后，搭建起神经网络，其包含两个隐藏层，第一层有17个神经元，第二层13个，选择Levenberg-Marquardt作为训练函数。总共有25组不同流量对应的输入输出，其中15组用来测时，10组用来测试。以12个不同声道的声速作为网络的输入，输出面平均流速和流量信息。其网络结构如图11所示。
误差反传函数定义为：
Figure BDA0003834448980000172
式中，
Figure BDA0003834448980000173
表示连接第l层第i个神经元以及第(l+1)层第j个神经元的权值,α和η分别为学习率和动量因子。
Figure BDA0003834448980000174
表示输出端误差第l层第j个神经元的偏导数,
Figure BDA0003834448980000175
表示第(l-1)层第i个神经元的输出。
当激活函数选取线性“purelin”作为激活函数的时候，输出的流速信息可以表示为：
Figure BDA0003834448980000181
式中，xi是第i个输入值，对应于各声道平均流速，wij和bij为权值和阈值，nL1为第一个隐藏层的神经元数目，nL2为第二个隐藏层的神经元数目，bij表示第i个隐藏层的第j个神经元的阈值。
需要说明的是，GA(Genetic Algorithm，遗传算法)属于全局随机搜索算法，能有效检索大的搜索空间，它独立的编码形式、种群操作和随机不确定的遗传算子使得它能很好优化神经网络。解决传统神经网络结构依赖设计者经验，初始权值阈值难以确定，训练过程耗费许多时间的问题。其优化方法如图9所示。
首先，根据具体的应用背景对染色体进行编码，建立种群并初始化权值和阈值。接下来，将初始化经过遗传算法，计算误差与适应度值，进行选择、交叉和变异等遗传算子运算，然后进行遗传算法的其他过程，直到所有的染色体都完成进化后将产生的最佳权值和阈值作为神经网络的初始化，计算误差，更新权值和阈值，检查是否达到训练目标。继续重复上述过程，直到到达设定的最大代数为止。
在整个过程中，遗传算法旨在搜寻更好的染色体以确定神经网络的结构或者产生适当的初始权值和闭值。
S6、根据面平均流速，获取经过测流座的流量。
具体的，用步骤S5获得的面平均流速与水流的截面面积相乘获得面平均流量信息:
Q＝Vo*S
式中，Q表示流量，S代表截面面积,Vo表示面平均流速。
本发明实施例通过积分模型对换能器之间的通道流速进行计算，然后通过神经网络模型将通道流速拟合成面流速，从而获得更加精准的流速信息，最终获得更加准确的流量信息，具有很好的实际意义。
本发明实施例的流量测量设备系统集成度高，利用的测流技术集成了激励信号设计，回波检测，单通道基于路径积分流速计算，以及基于遗传算法优化的神经网络拟合多通道流速。系统的设备集成了高精度时间测流芯片，换能器驱动芯片，核心处理器，电子水尺，24个换能器，后台终端以及箱体。从算法和硬件设备上形成了一套较为完备的测流系统。首次在液体测量和方筒模型下使用基于遗传算法优化的神经网络来训练各通道平均流速信息获取整个方筒剖面流速信息，并拟合流量信息。测量精度更高，基于时差法的测流精度是最高的，本发明不仅使用了高精度的时间测量芯片，还将时差法和神经网络结合，使测量精度大大提高。24个换能器的布置，两列分两侧构成12个通道的排列方式，该布置方式可以提高箱体的利用率，并且使得通道间的距离变小，表示的单通道平均流速更加精确。
在上述实施例的基础上，本发明的一个可选地实施例中，步骤S5包括步骤S51和步骤S52。
S51、根据各对超声波换能器的通道平均流速，分别判断各对超声波换能器处于水中还是空气中。
将处于水中的各对超声波换能器的通道平均流速，输入基于遗传算法优化的神经网络，拟合得到面平均流速。
步骤S6包括步骤S61和步骤S63。
S61、获取电子水尺测量到的水位信息：
S62、根据所述水位信息，计算得到测流座中水流的横截面积；
S63、根据所述横截棉结和所述面平均流速，获取经过测流座的流量。
需要说明的是，当测流座为管道结构，且管道的横截面积较小时，水流能够充满整个流道，计算流量时的横截面积就是方形流道的横截面积。当测流座的横截面积比较大时，水流没有充满整个方形流道时，通过电子水尺测量水流的高度，将高度乘以方形流道的宽度，获取水流的横截面积。
本发明的流量测量装置，不仅适用于管道结构，还能够适用于闸门或出水口等结构，具有很好的实际意义。
实施例二、
如图5所示，本发明实施例提供了一种基于路径积分的流量测量方法，其包含步骤S1至步骤S6。
S1、根据对角设置的多对超声波换能器，获取各对超声波换能器的声波顺流传播时间和声波逆流传播时间。
S2、根据各对超声波换能器的声波顺流传播时间，基于顺流流速积分模型，计算得到各对超声波换能器的顺流平均流速。顺流流速积分模型为：
Figure BDA0003834448980000201
式中，N为取样个数，D为流道的宽度，c为超声波在静止水中的传播速度，Td|Flow为声波顺流传播时间、θ为流体方向和声波方向的夹角、xi为第i个取样点的位置。
S3、根据各对超声波换能器的声波逆流传播时间，基于逆流流速积分模型，计算得到各对超声波换能器的逆流平均流速。逆流流速积分模型为：
Figure BDA0003834448980000202
式中，N为取样个数，D为流道的宽度，c为超声波在静止水中的传播速度，Tu|Flow为声波逆流传播时间、θ为流体方向和声波方向的夹角、xi为第i个取样点的位置。
S4、根据顺流平均流速和逆流平均流速求取平均值，获取各对超声波换能器的通道平均流速。
S5、根据各对超声波换能器的通道平均流速，通过基于遗传算法优化的神经网络拟合得到面平均流速。
S6、根据面平均流速，获取经过测流座的流量。
在上述实施例的基础上，本发明的一个可选地实施例中，步骤S1具体包括步骤S11至步骤S17。
S11、分别根据各对超声波换能器执行以下步骤，以获得各对超声波换能器的声波顺流传播时间和声波逆流传播时间：
S12、控制第一超声波换能器间歇式发送两次完全相同的超声波信号，并控制第二超声波换能器接收回波信号。其中，超声波信号采用非编码激励信号。
S13、对回波信号进行幅值采样和滤波，滤波后找到最大采样点，并根据最大采样点对所有采样点进行归一化。
S14、根据归一化后的采样值，求取相邻两个峰值之间的峰值差，并找出最大峰值差。
S15、根据最大峰值差，获取特征波后的8个过零点。
S16、根据8个过零点，求取均值获取特征点时间，并根据特征点时间，获取声波顺流传播时间。声波顺流传播时间的计算模型为：
Figure BDA0003834448980000211
Figure BDA0003834448980000212
式中，Td|Flow为声波顺流传播时间、τi为第i个过零点的时间、T|Flow＝0为零流量时发出声波信号到接收到特征点的时间、Td|Flow＝0为零流量时发出声波信号到接收到回波信号的时间。
S17、控制第二超声波换能器间歇式发送两次完全相同的超声波信号，并控制第一超声波换能器接收回波信号，然后根据回波信号执行前面的四个步骤，以获得声波逆流传播时间。
在上述实施例的基础上，本发明的一个可选地实施例中，步骤S5具体包括：
将各对超声波换能器的通道平均流速输入基于遗传算法优化的神经网络，输出面平均流速vo。面平均流速的计算模型为：
Figure BDA0003834448980000221
式中，nL2为第二个隐藏层的神经元数量、nL1为第一个隐藏层的神经元数量、
Figure BDA0003834448980000222
和
Figure BDA0003834448980000223
和
Figure BDA0003834448980000224
为权值、b1j和b2j和bo1为阈值、xi为神经网络的第i个输入值。
实施例三、
本发明实施例提供了一种基于路径积分的流量测量装置，其包含：
时间获取模块，用于根据对角设置的多对超声波换能器，获取各对超声波换能器的声波顺流传播时间和声波逆流传播时间。
顺流流速模块，用于根据各对超声波换能器的声波顺流传播时间，基于顺流流速积分模型，计算得到各对超声波换能器的顺流平均流速。顺流流速积分模型为：
Figure BDA0003834448980000225
式中，N为取样个数，D为流道的宽度，c为超声波在静止水中的传播速度，Td|Flow为声波顺流传播时间、θ为流体方向和声波方向的夹角、xi为第i个取样点的位置。
逆流流速模块，用于根据各对超声波换能器的声波逆流传播时间，基于逆流流速积分模型，计算得到各对超声波换能器的逆流平均流速。逆流流速积分模型为：
Figure BDA0003834448980000231
式中，N为取样个数，D为流道的宽度，c为超声波在静止水中的传播速度，Tu|Flow为声波逆流传播时间、θ为流体方向和声波方向的夹角、xi为第i个取样点的位置。
通道平均流速模块，用于根据顺流平均流速和逆流平均流速求取平均值，获取各对超声波换能器的通道平均流速。
面平均流速模块，用于根据各对超声波换能器的通道平均流速，通过基于遗传算法优化的神经网络拟合得到面平均流速。
流量获取模块，用于根据面平均流速，获取经过测流座的流量。
在上述实施例的基础上，本发明的一个可选地实施例中，时间获取模块，用于：
分别根据各对超声波换能器执行以下步骤，以获得各对超声波换能器的声波顺流传播时间和声波逆流传播时间：
控制第一超声波换能器间歇式发送两次完全相同的超声波信号，并控制第二超声波换能器接收回波信号。其中，超声波信号采用非编码激励信号。
对回波信号进行幅值采样和滤波，滤波后找到最大采样点，并根据最大采样点对所有采样点进行归一化。
根据归一化后的采样值，求取相邻两个峰值之间的峰值差，并找出最大峰值差。
根据最大峰值差，获取特征波后的8个过零点。
根据8个过零点，求取均值获取特征点时间，并根据特征点时间，获取声波顺流传播时间。声波顺流传播时间的计算模型为：
Figure BDA0003834448980000241
Figure BDA0003834448980000242
式中，Td|Flow为声波顺流传播时间、τi为第i个过零点的时间、T|Flow＝0为零流量时发出声波信号到接收到特征点的时间、Td|Flow＝0为零流量时发出声波信号到接收到回波信号的时间。
控制第二超声波换能器间歇式发送两次完全相同的超声波信号，并控制第一超声波换能器接收回波信号，然后根据回波信号执行前面的四个步骤，以获得声波逆流传播时间。
实施例四、
本发明实施例提供了一种计算机可读存储介质。计算机可读存储介质包括存储的计算机程序，其中，在计算机程序运行时控制计算机可读存储介质所在设备执行如实施例二任意一段所说的基于路径积分的流量测量方法。
在本发明实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，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装置、方法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，流程图或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，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，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。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，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。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，电子设备，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。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。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于路径积分的流量测量设备，其特征在于，包含测流座(6)和控制组件，以及配置于所述测流座(6)的多对超声波换能器和电子水尺(5)；所述多对超声波换能器和所述电子水尺(5)分别电连接于所述控制组件；一对所述超声波换能器包括对角设置在所述测流座(6)的第一超声波换能器和第二超声波换能器；多对超声波换能器至少从两个对角方向配置于所述测流座(6)；
所述控制组件包括处理器(2)和存储器，所述处理器(2)被配置为能够执行所述存储器存储的计算机程序，以执行以下步骤：
根据对角设置的多对超声波换能器，获取各对超声波换能器的声波顺流传播时间和声波逆流传播时间；
根据各对超声波换能器的声波顺流传播时间，基于顺流流速积分模型，计算得到各对超声波换能器的顺流平均流速；所述顺流流速积分模型为：
Figure FDA0003834448970000011
式中，N为取样个数，D为流道的宽度，c为超声波在静止水中的传播速度，Td|Flow为声波顺流传播时间、θ为流体方向和声波方向的夹角、xi为第i个取样点的位置；
根据各对超声波换能器的声波逆流传播时间，基于逆流流速积分模型，计算得到各对超声波换能器的逆流平均流速；所述逆流流速积分模型为：
Figure FDA0003834448970000021
式中，N为取样个数，D为流道的宽度，c为超声波在静止水中的传播速度，Tu|Flow为声波逆流传播时间、θ为流体方向和声波方向的夹角、xi为第i个取样点的位置；
根据所述顺流平均流速和所述逆流平均流速求取平均值，获取各对超声波换能器的通道平均流速；
根据各对超声波换能器的通道平均流速，通过基于遗传算法优化的神经网络拟合得到面平均流速；
根据所述面平均流速，获取经过所述测流座(6)的流量。
2.根据权利要求1所述的基于路径积分的流量测量设备，其特征在于，所述测流座(6)设置有方形流道；第一超声波换能器和第二超声波换能器，分别设置于所述方形流道的两侧侧壁，且沿着方形流道的轴线方向间隔设置；多对超声波换能器分别配置于不同高度，且相邻的两对超声波换能器之间的声波传递方向相交设置。
3.根据权利要求1所述的基于路径积分的流量测量设备，其特征在于，
所述控制组件包含开发板(1)，以及配置于所述开发板(1)的计时芯片(3)、处理器(2)和驱动芯片(4)；所述多对超声波换能器分别电连接于所述驱动芯片(4)；所述驱动芯片(4)分别电连接于所述计时芯片(3)和所述处理器(2)；所述电子水尺(5)电连接于所述处理器(2)；
所述流量测量设备包含24个超声波换能器，24个超声波换能器之间组成12对超声波换能器，12对超声波换能器分别配置于不同高度，且相邻的两对超声波换能器之间的声波方向相交设置。
4.根据权利要求1所述的基于路径积分的流量测量设备，其特征在于，根据对角设置的多对超声波换能器，获取各对超声波换能器的声波顺流传播时间和声波逆流传播时间，具体包括：
分别根据各对超声波换能器执行以下步骤，以获得各对超声波换能器的声波顺流传播时间和声波逆流传播时间：
控制第一超声波换能器间歇式发送两次完全相同的超声波信号，并控制第二超声波换能器接收回波信号；其中，超声波信号采用非编码激励信号；
对所述回波信号进行幅值采样和滤波，滤波后找到最大采样点，并根据所述最大采样点对所有采样点进行归一化；
根据归一化后的采样值，求取相邻两个峰值之间的峰值差，并找出最大峰值差；
根据所述最大峰值差，获取特征波后的8个过零点；
根据所述8个过零点，求取均值获取特征点时间，并根据所述特征点时间，获取所述声波顺流传播时间；所述声波顺流传播时间的计算模型为：
Figure FDA0003834448970000031
式中，Td|Flow为声波顺流传播时间、τi为第i个过零点的时间、T|Flow＝0为零流量时发出声波信号到接收到特征点的时间、Td|Flow＝0为零流量时发出声波信号到接收到回波信号的时间；
控制第二超声波换能器间歇式发送两次完全相同的超声波信号，并控制第一超声波换能器接收回波信号，然后根据回波信号执行前面的四个步骤，以获得声波逆流传播时间。
5.根据权利要求1所述的基于路径积分的流量测量设备，其特征在于，通过基于遗传算法优化的神经网络的构建流程为：
构建神经网络的架构；
根据所述架构，采用遗传算法获取所述神经网络的隐藏层层数、隐藏层的神经元个数，以及网络训练函数；
根据所述隐藏层层数和所述隐藏层的神经元个数，构建目标神经网络；
根据所述网络训练函数，训练所述目标神经网络，获取所述基于遗传算法优化的神经网络；其中，隐藏成层数为2，第一层隐藏层的神经元个数为17，第二次隐藏层的神经元个数为13、网络训练函数为Levenberg-Marquardt；
根据各对超声波换能器的通道平均流速，通过基于遗传算法优化的神经网络拟合得到面平均流速，具体包括：
将所述各对超声波换能器的通道平均流速输入基于遗传算法优化的神经网络，输出所述面平均流速vo；所述面平均流速的计算模型为：
Figure FDA0003834448970000041
式中，nL2为第二个隐藏层的神经元数量、nL1为第一个隐藏层的神经元数量、
Figure FDA0003834448970000042
和
Figure FDA0003834448970000043
和
Figure FDA0003834448970000044
为权值、b1j和b2j和bo1为阈值、xi为神经网络的第i个输入值。
6.一种基于路径积分的流量测量方法，其特征在于，包含：
根据对角设置的多对超声波换能器，获取各对超声波换能器的声波顺流传播时间和声波逆流传播时间；
根据各对超声波换能器的声波顺流传播时间，基于顺流流速积分模型，计算得到各对超声波换能器的顺流平均流速；所述顺流流速积分模型为：
Figure FDA0003834448970000051
式中，N为取样个数，D为流道的宽度，c为超声波在静止水中的传播速度，Td|Flow为声波顺流传播时间、θ为流体方向和声波方向的夹角、xi为第i个取样点的位置；
根据各对超声波换能器的声波逆流传播时间，基于逆流流速积分模型，计算得到各对超声波换能器的逆流平均流速；所述逆流流速积分模型为：
Figure FDA0003834448970000052
式中，N为取样个数，D为流道的宽度，c为超声波在静止水中的传播速度，Tu|Flow为声波逆流传播时间、θ为流体方向和声波方向的夹角、xi为第i个取样点的位置；
根据所述顺流平均流速和所述逆流平均流速求取平均值，获取各对超声波换能器的通道平均流速；
根据各对超声波换能器的通道平均流速，通过基于遗传算法优化的神经网络拟合得到面平均流速；
根据所述面平均流速，获取经过测流座的流量。
7.根据权利要求6所述的基于路径积分的流量测量方法，其特征在于，
根据对角设置的多对超声波换能器，获取各对超声波换能器的声波顺流传播时间和声波逆流传播时间，具体包括：
分别根据各对超声波换能器执行以下步骤，以获得各对超声波换能器的声波顺流传播时间和声波逆流传播时间：
控制第一超声波换能器间歇式发送两次完全相同的超声波信号，并控制第二超声波换能器接收回波信号；其中，超声波信号采用非编码激励信号；
对所述回波信号进行幅值采样和滤波，滤波后找到最大采样点，并根据所述最大采样点对所有采样点进行归一化；
根据归一化后的采样值，求取相邻两个峰值之间的峰值差，并找出最大峰值差；
根据所述最大峰值差，获取特征波后的8个过零点；
根据所述8个过零点，求取均值获取特征点时间，并根据所述特征点时间，获取所述声波顺流传播时间；所述声波顺流传播时间的计算模型为：
Figure FDA0003834448970000061
式中，Td|Flow为声波顺流传播时间、τi为第i个过零点的时间、T|Flow＝0为零流量时发出声波信号到接收到特征点的时间、Td|Flow＝0为零流量时发出声波信号到接收到回波信号的时间；
控制第二超声波换能器间歇式发送两次完全相同的超声波信号，并控制第一超声波换能器接收回波信号，然后根据回波信号执行前面的四个步骤，以获得声波逆流传播时间。
8.一种基于路径积分的流量测量装置，其特征在于，包含：
时间获取模块，用于根据对角设置的多对超声波换能器，获取各对超声波换能器的声波顺流传播时间和声波逆流传播时间；
顺流流速模块，用于根据各对超声波换能器的声波顺流传播时间，基于顺流流速积分模型，计算得到各对超声波换能器的顺流平均流速；所述顺流流速积分模型为：
Figure FDA0003834448970000071
式中，N为取样个数，D为流道的宽度，c为超声波在静止水中的传播速度，Td|Flow为声波顺流传播时间、θ为流体方向和声波方向的夹角、xi为第i个取样点的位置；
逆流流速模块，用于根据各对超声波换能器的声波逆流传播时间，基于逆流流速积分模型，计算得到各对超声波换能器的逆流平均流速；所述逆流流速积分模型为：
Figure FDA0003834448970000072
式中，N为取样个数，D为流道的宽度，c为超声波在静止水中的传播速度，Tu|Flow为声波逆流传播时间、θ为流体方向和声波方向的夹角、xi为第i个取样点的位置；
通道平均流速模块，用于根据所述顺流平均流速和所述逆流平均流速求取平均值，获取各对超声波换能器的通道平均流速；
面平均流速模块，用于根据各对超声波换能器的通道平均流速，通过基于遗传算法优化的神经网络拟合得到面平均流速；
流量获取模块，用于根据所述面平均流速，获取经过测流座的流量。
9.根据权利要求8所述的一种基于路径积分的流量测量装置，其特征在于，所述时间获取模块，用于：
分别根据各对超声波换能器执行以下步骤，以获得各对超声波换能器的声波顺流传播时间和声波逆流传播时间：
控制第一超声波换能器间歇式发送两次完全相同的超声波信号，并控制第二超声波换能器接收回波信号；其中，超声波信号采用非编码激励信号；
对所述回波信号进行幅值采样和滤波，滤波后找到最大采样点，并根据所述最大采样点对所有采样点进行归一化；
根据归一化后的采样值，求取相邻两个峰值之间的峰值差，并找出最大峰值差；
根据所述最大峰值差，获取特征波后的8个过零点；
根据所述8个过零点，求取均值获取特征点时间，并根据所述特征点时间，获取所述声波顺流传播时间；所述声波顺流传播时间的计算模型为：
Figure FDA0003834448970000081
式中，Td|Flow为声波顺流传播时间、τi为第i个过零点的时间、T|Flow＝0为零流量时发出声波信号到接收到特征点的时间、Td|Flow＝0为零流量时发出声波信号到接收到回波信号的时间；
控制第二超声波换能器间歇式发送两次完全相同的超声波信号，并控制第一超声波换能器接收回波信号，然后根据回波信号执行前面的四个步骤，以获得声波逆流传播时间。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求6或7所述的基于路径积分的流量测量方法。
CN202211083515.3A 2022-09-06 2022-09-06 基于路径积分的流量测量设备、方法、装置和存储介质 Pending CN115540963A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211083515.3A CN115540963A (zh) 2022-09-06 2022-09-06 基于路径积分的流量测量设备、方法、装置和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211083515.3A CN115540963A (zh) 2022-09-06 2022-09-06 基于路径积分的流量测量设备、方法、装置和存储介质

Publications (1)

Publication Number Publication Date
CN115540963A true CN115540963A (zh) 2022-12-30

Family

ID=84726377

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211083515.3A Pending CN115540963A (zh) 2022-09-06 2022-09-06 基于路径积分的流量测量设备、方法、装置和存储介质

Country Status (1)

Country Link
CN (1) CN115540963A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117783571A (zh) * 2024-02-27 2024-03-29 山西阳光三极科技股份有限公司 一种超声波风速仪的工作电路
CN117783571B (zh) * 2024-02-27 2024-06-04 山西阳光三极科技股份有限公司 一种超声波风速仪的工作电路

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117783571A (zh) * 2024-02-27 2024-03-29 山西阳光三极科技股份有限公司 一种超声波风速仪的工作电路
CN117783571B (zh) * 2024-02-27 2024-06-04 山西阳光三极科技股份有限公司 一种超声波风速仪的工作电路

Similar Documents

Publication Publication Date Title
CN102288235B (zh) 一种双道混合型超声波流量计及测量方法
EP2324328B1 (en) Method and system of detecting liquid in an acoustic flow meter
US6877387B1 (en) Method for measuring displacement of a fluid in a conduit
IL151612A (en) Simultaneous determination of multi-stage flow levels and concentrations
RU2580898C1 (ru) Ультразвуковая система измерения потока
CN101762298A (zh) 超声波测量仪
EP0017475A1 (en) Acoustic flowmeter with Reynolds number compensation
CN103983312A (zh) 弹头式稳流器
JP5420378B2 (ja) 河川流量測定方法及び河川流量測定装置
JP3468845B2 (ja) 海洋等の測深方法
CN100380101C (zh) 多普勒型超声波流量计
Munasinghe et al. Ultrasonic-based sensor fusion approach to measure flow rate in partially filled pipes
CN109540266B (zh) 一种磁致伸缩液位计及液位测量方法
US5726358A (en) Method and device for measuring the discharge in partly filled or completely filled ducts and in open channels
CN108431554B (zh) 流体测量装置
CN115540963A (zh) 基于路径积分的流量测量设备、方法、装置和存储介质
AU2013256259B2 (en) System and method for meter substitution for co-located flowmeters
CN113532560B (zh) 一种流量测量方法及装置
CN115628786A (zh) 一种超声波流量测量方法及利用该方法的流量计
CN101960273B (zh) 确定在声学流量计中的到达时间周波跳跃的模式的方法和系统
Willatzen Comments on “Ultrasonic flow metering based on transit time differentials which are insensitive to flow profile”[J. Acoust. Soc. Am. 74, 955–959 (1983)]
RU2471153C2 (ru) Способ и система измерения суммарного расхода текучей среды и ультразвуковой расходомер
RU2386931C2 (ru) Способ определения параметров потока многофазной среды и ультразвуковой расходомер для его осуществления
RU75735U1 (ru) Ультразвуковой расходомер
RU2478917C2 (ru) Расходомер жидких сред в безнапорных трубопроводах

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination