CN117213569A - 一种超声波流量检测方法 - Google Patents
一种超声波流量检测方法 Download PDFInfo
- Publication number
- CN117213569A CN117213569A CN202311225371.5A CN202311225371A CN117213569A CN 117213569 A CN117213569 A CN 117213569A CN 202311225371 A CN202311225371 A CN 202311225371A CN 117213569 A CN117213569 A CN 117213569A
- Authority
- CN
- China
- Prior art keywords
- ultrasonic
- data
- time
- signal
- pulse width
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 17
- 238000005259 measurement Methods 0.000 claims abstract description 34
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 29
- 239000012530 fluid Substances 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 238000001914 filtration Methods 0.000 claims abstract description 11
- 230000009467 reduction Effects 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 27
- 230000000630 rising effect Effects 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 4
- 108010076504 Protein Sorting Signals Proteins 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 230000002401 inhibitory effect Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Measuring Volume Flow (AREA)
Abstract
一种超声波流量检测方法,首先对超声波回波信号进行屏蔽窗口的设定;计算脉冲宽度与发射信号脉冲宽度的脉冲宽度比值P;计算时间差;对时间差数据进行傅里叶分析;通过时频域算法,将信号的干扰进行多层剥离,分层降噪;采用实时卡尔曼综合滤波算法,对小波分解后的流量数据信号进行优化;求出流体的流速,再结合管道的尺寸参数就能得到流体的流量;本发明分别从时域、频域以及时频域对超声流量数据进行分析,通过对数据进行多尺度分析,在不同分解层下对信号和噪声进行区分,从而有效对信号进行降噪处理,提升超声波流量测量装置的稳定性和测量精度。
Description
技术领域
本发明涉及流量测量技术领域,特别涉及一种超声波流量检测方法。
背景技术
超声流量测量是一种重要的测量方法,但是,由于受外界测量环境的干扰以及自身因素的影响,超声波流量计所测得的数据中往往携带着噪声干扰,这会影响流量计的测量精度和稳定性,因此,需要对数据进行优化处理,才能提取到有用信息。另一方面,超声波流量计的回波信号携带的干扰信号往往很复杂,单纯通过某一种滤波方式很难将数据优化,而且对于超声波流量计来说实时性也是一个很重要的考量,因此所设计的算法和测量系统必须满足实时性的要求。
在流量数据处理算法领域,已有部分专利申请面向超声波流量测量装置的数据提出了多种优化方案。专利申请CN202310546838.X提出了一种接收信号处理方案,通过电路对流量数据进行降噪,但是,该方案侧重于电路设计,缺少软件方面的算法设计,对数据的处理比较单一,且处理的为气体流量数据,气体流量数据的时间尺度比较大,采用该方案难以处理高精度的流量数据。专利申请CN202310398243.4提出了一种超声波流量计的数据识别方法和系统,但是该方案侧重异常数据的识别,而不是数据的优化。专利申请CN202310332528.8所述方案,利用电路和建模提高超声波流量计测量精度,但该方案需要考虑流体温度并进行建模处理,会降低数据的实时性。专利申请CN202111648457.X提出一种超声波流量检测方法,该方法以第一回波和第二回波作为目标并执行补偿处理,该检测方法固定了回波的位置,不能根据实际信号质量进行自动调控,抗干扰能力比较低,且缺少屏蔽窗口,不能滤除前置干扰,易造成错误的零点识别。专利申请CN202111426125.7提出一种超声波流量计数据修正方法及系统,但是,该方法侧重用神经网络对数据进行训练,从而获得更精确的零点识别,这会使得该系统的可靠性和实时性降低,且该方案缺少对数据的分析与降噪方法的论证。专利申请CN202211737415.8提供了一种超声波流量计数据的融合测量方法,该方法通过时差法和互相关算法进行计算,但该方案缺少对前置干扰的滤除,容易造成错误的零点识别,同时不能对回波数据的阈值进行监测,使得该系统容易受噪声干扰。专利申请CN202211605561.5提出了一种自适应的超声波流量测量方法,该方法侧重回波信号阈值的自适应,并没有对数据进行降噪处理,难以应对数据的高精度要求,具有一定的局限性。专利申请CN202310162155.4提出了一种首波检测阈值设定方法,该方法通过零点比较确定首波阈值,但是该方法缺乏对数据滤波算法的论证,得到的数据不能满足高稳定性和高精度的要求。
发明内容
为了克服上述现有技术的缺陷,本发明的目的在于提供一种超声波流量检测方法,面向复杂工业环境和高干扰条件,分别从时域、频域以及时频域对超声流量数据进行分析,通过对数据进行多尺度分析,在不同分解层下对信号和噪声进行区分,从而有效对信号进行降噪处理,提升超声波流量测量装置的稳定性和测量精度。
为达到上述目的,本发明采用以下技术方案:
一种超声波流量检测方法,包括以下步骤:
(1)、通过超声测量装置得到流体中的超声回波信号;
(2)、对超声波回波信号进行屏蔽窗口的设定;结合管道尺寸以及硬件电路的时延,计算出超声波信号从发射到被对侧超声波传感器接收所需的时间,实际脉冲信号到达之前的噪声通过寄存器的delay屏蔽窗进行消除,不进行测量,寄存器的delay的值设定为回波信号到达之前的值,即delay时间屏蔽窗用来抑制所有提前接收信号的噪声;
(3)、设置电平阈值,测量超声波回波信号中高于电平部分的脉冲宽度,计算此脉冲宽度与发射信号脉冲宽度的脉冲宽度比值P,将脉冲宽度比值P作为判断所选取的波的信号质量标志,0.6<P<1,选择脉冲宽度比值P满足要求的波形记为特征波;
(4)、计算时间差,通过零点识别技术定位超声波回波信号的特征波上升沿,顺流时计算超声波发射信号上升沿和接收到的超声波回波信号特征波上升沿之间的时间宽度t_d,逆流时计算超声波发射信号上升沿和接收到的超声波回波信号特征波上升沿之间的时间宽度t_u,计算时间差t_1=t_u-t_d;
(5)、对时间差数据进行傅里叶分析,将时域上的信息转化为频域上的信息,由于采集到的时间差数据为一维离散数据,因此使用离散傅里叶变换进行处理,对于一组N个数据点的时差数据序列{t_1(n)}:
上式中,为蝶形因子,0≤k≤N-1,0≤n≤N-1;
(6)、通过时频域算法,将信号的干扰进行多层剥离,分层降噪,具体为,将原始时间差数据t_1分解成低频近似信号和一系列的高频细节信号,令c0(n)=t_1(n),则对离散信号序列t_1(n)进行小波分解的算法公式为:
其中,cj为j尺度空间的尺度系数,dj为小波系数,cj-1为j-1尺度空间的尺度系数,cj和dj由cj-1经Mallat算法中的滤波器h(n)和g(n)进行加权求和得到,重构公式为:
(7)、采用实时卡尔曼综合滤波算法,对小波分解后的流量数据信号进行优化,具体如下所示:
首先,对数据进行预测处理,k=1时,t1=t_21;k≥2时,代入到时间更新方程:
其中,A为状态转移矩阵,B和uk为系统输入的控制变量,Pk-1表示k-1时刻的最优估计值的不确定性,表示k时刻状态预估值的不确定性,Q为系统误差协方差矩阵;
其次,对数据进行状态更新,代入到测量更新方程:
其中,Kk为卡尔曼增益,R为测量协方差矩阵,H为测量矩阵;
(8)、得到优化后的一维离散数据t,根据公式求出流体的流速,得到流体流速后,再结合管道的尺寸参数得到流体的流量。
与现有技术相比,本发明具有以下有益效果:
1.本发明采用时差法进行测量,时差法的精度高,不确定度低,能够满足流量测量领域尤其是生物医学领域和工业领域中对超声流量数据的稳定性和准确性的要求。同时在很多流量测量场合,由流量变化所导致的传递时间的变化是纳秒甚至是皮秒级别,采用时差法原理直接得到多组离散的时差数据,再针对数据进行算法设计,能更好的进行数据处理,滤除无关干扰。
2.本发明采用的屏蔽窗口能够很好的滤除前置干扰,保证了测量的准确性。
3.本发明采用动态的特征波选取算法,通过计算脉冲宽度比P,实现了对信号质量的监控以及选取更优的特征波进行时差计算,保证了测量的准确性。
4.本发明采用了基于小波降噪的算法,能够同时在时域和频域对信号进行分析,具有多尺度分析的功能。能够在不同的分解层上有效的区分有用信号和噪声,能够在去除噪声的同时,很好的保留信号的有用成分。
综上所述,本发明提供的超声波流量检测方法能够很好的解决高干扰环境下所测超声流量数据的优化问题。在复杂场景下,流量测量存在多种干扰因素,包括温度变化、液体中杂质、气泡及管道的不规则变形等,本发明采用的卡尔曼滤波算法能够对多种不确定干扰进行修正,保证数据的稳定性。同时本发明采用的算法对数据的处理速度更快,能够实时处理采集的数据,从而对测量数据进行综合修正,保证了数据的实时性。
附图说明
图1为本发明算法流程框图。
图2为本发明超声波回波信号。
图3为本发明屏蔽窗口示意图。
图4为本发特征波选择示意图。
图5为本发明计算发射信号和回波信号时间宽度示意图。
图6为本发明实际采集的时间差数据。
图7为本发明数据的傅里叶分析图。
图8为本发明数据的高频系数重构信号图。
图9为本发明数据的多层信号图。
图10为本发明数据的实时卡尔曼滤波结果图。
图11为本发明时差法原理图。
具体实施方式
为更好的描述技术方案,以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。本领域普通技术人员在没有做出创造性劳动的前提下所获得的其它实施例,都应属于本发明保护的范围。
参照图1,一种超声波流量检测方法,包括以下步骤:
1、通过超声测量装置得到流体中的超声回波信号,如图2所示。
2、对超声波回波信号进行屏蔽窗口的设定:
超声波回波信号总是包含着一些不可避免的系统干扰,这些干扰主要来自测量装置电路内部的震荡以及电路间的互扰。而这些系统误差给回波信号所带来的干扰大多是前置的干扰,因此本发明设计了一种屏蔽窗口算法来滤除这些前置干扰。具体的,结合管道尺寸以及硬件电路的时延,计算出超声波信号从发射到被对侧超声波传感器接收所需的时间,实际脉冲信号到达之前的噪声通过寄存器的delay屏蔽窗进行消除,不进行测量,寄存器的delay的值设定为回波信号到达之前的值,即delay时间屏蔽窗用来抑制所有提前接收信号的噪声,实际的超声波回波信号如图3所示。由实际的超声波回波信号可以看出,在包含着流量信息的有效信号之前会有一些前置干扰,这些前置干扰的强度一般是不确定的,如果在全时域开启信号采集的话会导致系统出现误判现象,通过屏蔽窗口将这些前置干扰信号屏蔽,从而保证测量的准确性。
3、信号质量决定测量的准确性,因此要选择超声波回波信号中质量较好的波形参与计算,记选择的波形为特征波。具体的,设置电平阈值,测量超声波回波信号中高于电平部分的脉冲宽度,计算此脉冲宽度与发射信号脉冲宽度的脉冲宽度比值P,将脉冲宽度比值P作为判断所选取的波的信号质量标志。不同的测量环境以及不同的管道尺寸下,脉冲宽度比值P值不同,0.6<P<1,并且越接近1说明测量效果越好。选择脉冲宽度比值P满足要求的波形记为特征波,如图4所示。
4、计算时间差
流体中的超声回波信号,顺流方向和逆流方向为一次循环,一次循环结束后,得到时间差数据t_1;具体的,通过零点识别技术定位超声波回波信号的特征波上升沿,顺流时计算超声波发射信号上升沿和接收到的超声波回波信号特征波上升沿之间的时间宽度t_d,逆流时计算超声波发射信号上升沿和接收到的超声波回波信号特征波上升沿之间的时间宽度t_u,计算时间差t_1=t_u-t_d。如图5所示,t_d为顺流时,当选定第一个脉冲波形为特征波时,超声波发射信号的上升沿和接收到的超声波回波信号的特征波上升沿之间的时间宽度;输出的多组时间差数据如图6所示。
5、得到的时间差数据仍然有很多干扰,对采集的时间差数据进行傅里叶分析,将时域上的信息转化为频域上的信息,由于采集到的时间差数据为一维离散数据,因此使用离散傅里叶变换(Discrete Fourier Transform,简写为DFT)进行处理,对于一组N个数据点的时差数据序列{t_1(n)}:
上式中,为蝶形因子,0≤k≤N-1,0≤n≤N-1,结果如图7流量数据的傅里叶分析图所示。
6、通过傅里叶分析结果可知,数据的频谱中没有占比突出的频率,对于这种全频段的干扰需要设计一种时频域算法,将信号的干扰进行多层剥离,分层降噪,因此本发明设计了一种基于小波因子的多层降噪算法。分尺度对小波系数进行滤波,之后做小波逆变换进行数据重构,具体为,将原始时间差数据t_1分解成低频近似信号和一系列的高频细节信号,令c0(n)=t_1(n),则对离散信号序列t_1(n)进行小波分解的算法公式为:
其中,cj为j尺度空间的尺度系数,dj为小波系数,cj-1为j-1尺度空间的尺度系数,cj和dj由cj-1经Mallat算法中的滤波器h(n)和g(n)进行加权求和得到,重构公式为:
基于以上公式采用Daubechies(即dbN)小波降噪,db为Daubechies的简写,N为Daubechies小波的阶数,一般2≤N≤10。本例中使用db6对时差数据进行6层小波运算,首先由公式(2)、(3)对小波进行多尺度分解,之后由公式(4)、(5)进行信号重构。结果如图8流量数据的高频系数重构信号图和图9流量数据的多层信号图所示。
本发明采用了基于小波降噪的算法,能够同时在时域和频域对信号进行分析,具有多尺度分析的功能。能够在不同的分解层上有效的区分有用信号和噪声,能够在去除噪声的同时很好的保留信号的有用成分,由于噪声信号和有用信号在小波域内通常会表现出不同的性态,其小波系数幅值会随尺度的变化而呈现不同的趋势。噪声信号的小波系数幅值会随着尺度的增加而大幅度的减小,而有用信号的小波系数幅值却基本不变。根据有用信号与噪声信号的小波系数在不同尺度下具有不同的特性,采用一定的方法对含噪声的信号的小波系数进行相应处理以便减小或消除由噪声信号引起的小波系数,同时尽可能多地保留有用信号的小波系数。
7、经过以上流程对数据的优化,得到的数据已经滤除了绝大部分干扰。为了使流量测量系统得到的流量数据具有更高的稳定性,同时兼顾实时性,本发明采用实时卡尔曼综合滤波算法,对小波分解后的流量数据信号进行优化,具体如下所示:
首先对数据进行预测处理,k=1时,t1=t_21;k≥2时,代入到时间更新方程:
其中,A为状态转移矩阵,B和uk为系统输入的控制变量,Pk-1表示k-1时刻的最优估计值的不确定性,表示k时刻状态预估值的不确定性,Q为系统误差协方差矩阵。
对数据进行状态更新,代入到测量更新方程:
其中,Kk为卡尔曼增益,R为测量协方差矩阵,H为测量矩阵。
经过以上算法处理,得到优化后的一维离散数据t,优化结果如图10流量数据的实时卡尔曼滤波结果所示。
优化后的时间差数据t,根据公式就能求出流体的流速,得到流体流速后,再结合管道的尺寸参数就能得到流体的流量。
流体流速的推导:
在采用时差法进行流量测量时,需要准确的获取到两个时间数据,第一个为超声波传播方向与水流方向一致时,超声波在流体中的传播时间t_d,第二个为超声波传播方向与水流方向相反时,超声波在流体中的传播时间t_u。这两个时间的差值与流体流量存在函数关系,如图11,获得准确的时间差数据是获得准确流量数据的前提,具体的函数关系如下所示:
顺流时间:
逆流时间:
联立(1)(2)可得传递时间差:
t=t_u-t_d (13)
当v<<c时,公式可表达为
其中,c为超声波在介质中的传播速度,v为流体的流速,L为声程,为安装角度。
Claims (6)
1.一种超声波流量检测方法,其特征在于,包括以下步骤:
(1)、通过超声测量装置得到流体中的超声回波信号;
(2)、对超声波回波信号进行屏蔽窗口的设定;
(3)、设置电平阈值,测量超声波回波信号中高于电平部分的脉冲宽度,计算此脉冲宽度与发射信号脉冲宽度的脉冲宽度比值P,将脉冲宽度比值P作为判断所选取的波的信号质量标志,0.6<P<1,选择脉冲宽度比值P满足要求的波形记为特征波;
(4)、计算时间差;
(5)、对时间差数据进行傅里叶分析;
(6)、将信号的干扰进行多层剥离,分层降噪;
(7)、采用实时卡尔曼综合滤波算法,对小波分解后的流量数据信号进行优化;
(8)、得到优化后的一维离散数据t,根据公式就能求出流体的流速,得到流体流速后,再结合管道的尺寸参数就能得到流体的流量。
2.根据权利要求1所述的一种超声波流量检测方法,其特征在于,所述步骤(2)具体为:
结合管道尺寸以及硬件电路的时延,计算出超声波信号从发射到被对侧超声波传感器接收所需的时间,实际脉冲信号到达之前的噪声通过寄存器的delay屏蔽窗进行消除,不进行测量,寄存器的delay的值设定为回波信号到达之前的值,即delay时间屏蔽窗用来抑制所有提前接收信号的噪声。
3.根据权利要求1所述的一种超声波流量检测方法,其特征在于,所述步骤(4)具体为:
通过零点识别技术定位超声波回波信号的特征波上升沿,顺流时计算超声波发射信号上升沿和接收到的超声波回波信号特征波上升沿之间的时间宽度t_d,逆流时计算超声波发射信号上升沿和接收到的超声波回波信号特征波上升沿之间的时间宽度t_u,计算时间差t_1=t_u-t_d。
4.根据权利要求3所述的一种超声波流量检测方法,其特征在于,所述步骤(5)具体为:
将时域上的信息转化为频域上的信息,由于采集到的时间差数据为一维离散数据,因此使用离散傅里叶变换进行处理,对于一组N个数据点的时差数据序列{t_1(n)}:
上式中,为蝶形因子,0≤k≤N-1,0≤n≤N-1。
5.根据权利要求4所述的一种超声波流量检测方法,其特征在于,所述步骤(6)具体为:将信号的干扰进行多层剥离,分层降噪,具体为,将原始时间差数据t_1分解成低频近似信号和一系列的高频细节信号,令c0(n)=t_1(n),则对离散信号序列t_1(n)进行小波分解的算法公式为:
其中,cj为j尺度空间的尺度系数,dj为小波系数,cj-1为j-1尺度空间的尺度系数,cj和dj由cj-1经Mallat算法中的滤波器h(n)和g(n)进行加权求和得到,重构公式为:
6.根据权利要求5所述的一种超声波流量检测方法,其特征在于,所述步骤(7)具体为:
采用实时卡尔曼综合滤波算法,对小波分解后的流量数据信号进行优化,具体如下所示:
首先,对数据进行预测处理,k=1时,t1=t_21;k≥2时,代入到时间更新方程:
其中,A为状态转移矩阵,B和uk为系统输入的控制变量,Pk-1表示k-1时刻的最优估计值的不确定性,表示k时刻状态预估值的不确定性,Q为系统误差协方差矩阵;
其次,对数据进行状态更新,代入到测量更新方程:
其中,Kk为卡尔曼增益,R为测量协方差矩阵,H为测量矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311225371.5A CN117213569A (zh) | 2023-09-21 | 2023-09-21 | 一种超声波流量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311225371.5A CN117213569A (zh) | 2023-09-21 | 2023-09-21 | 一种超声波流量检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117213569A true CN117213569A (zh) | 2023-12-12 |
Family
ID=89049212
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311225371.5A Pending CN117213569A (zh) | 2023-09-21 | 2023-09-21 | 一种超声波流量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117213569A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118010133A (zh) * | 2024-04-09 | 2024-05-10 | 乳山市创新新能源科技有限公司 | 一种lng罐底量液位动态测量方法及系统 |
CN118010116A (zh) * | 2024-04-09 | 2024-05-10 | 潍坊奥博仪表科技发展有限公司 | 一种抗干扰的超声波流量计量方法 |
-
2023
- 2023-09-21 CN CN202311225371.5A patent/CN117213569A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118010133A (zh) * | 2024-04-09 | 2024-05-10 | 乳山市创新新能源科技有限公司 | 一种lng罐底量液位动态测量方法及系统 |
CN118010116A (zh) * | 2024-04-09 | 2024-05-10 | 潍坊奥博仪表科技发展有限公司 | 一种抗干扰的超声波流量计量方法 |
CN118010116B (zh) * | 2024-04-09 | 2024-07-09 | 潍坊奥博仪表科技发展有限公司 | 一种抗干扰的超声波流量计量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117213569A (zh) | 一种超声波流量检测方法 | |
Tran et al. | Effective multi-sensor data fusion for chatter detection in milling process | |
CN104089186B (zh) | 一种基于组合滤波和动态阈值的管道压力异常诊断方法 | |
CN100495021C (zh) | 一种利用超声波检测轧辊内部缺陷的方法 | |
CN105785324A (zh) | 基于mgcstft的线性调频信号参数估计方法 | |
CN109581516B (zh) | 曲波域统计量自适应阈值探地雷达数据去噪方法及系统 | |
CN115169409B (zh) | 基于滑窗的桥梁结构自振频率识别、预警方法及设备 | |
CN115265723B (zh) | 基于数据处理的涡街流量计异常监测方法及系统 | |
CN104360251A (zh) | 一种变压器局部放电的超声波信号时延估计方法 | |
CN105509771B (zh) | 一种发动机滑油金属颗粒在线监测的信号降噪方法 | |
CN112539887A (zh) | 一种基于wt-lcd-wd的管道泄漏信号去噪方法 | |
CN117434153A (zh) | 基于超声波技术的道路无损检测方法及系统 | |
CN113901379A (zh) | 一种边缘端的实时数据动态在线快速处理方法 | |
CN118258454A (zh) | 一种基于声层析断面检测的水流量检测系统 | |
CN117554966B (zh) | 一种用于全水域精准定位的声呐数据智能处理方法 | |
CN117309079B (zh) | 基于时差法的超声飞渡时间测量方法、装置、设备及介质 | |
CN110780162B (zh) | 一二次融合配电开关局部放电信号提取方法及检测装置 | |
CN116701840A (zh) | 一种机械振动信号的倒频谱优化计算方法和系统 | |
CN113822363B (zh) | 一种基于二次有理核函数的卷积神经网络时延估计方法 | |
Ronkin et al. | Numerical analysis of adaptive signal decomposition methods applied for ultrasonic gas flowmeters | |
CN113065498A (zh) | 一种基于改进的emd和神经网络模型的异常数据检测方法 | |
CN113792628B (zh) | 一种基于hht的波形智能自动分析方法 | |
CN109459788B (zh) | 地层品质因子计算方法及系统 | |
CN118013191A (zh) | 基于lsm滤波、ceemdan联合小波检测绝缘子的去噪方法 | |
CN118010116B (zh) | 一种抗干扰的超声波流量计量方法 |
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 |