DE4223346A1 - Anordnung und Verfahren zur berührungslosen Abstandsmessung mit Hilfe von Impuls-Echo-Signalen - Google Patents

Anordnung und Verfahren zur berührungslosen Abstandsmessung mit Hilfe von Impuls-Echo-Signalen

Info

Publication number
DE4223346A1
DE4223346A1 DE4223346A DE4223346A DE4223346A1 DE 4223346 A1 DE4223346 A1 DE 4223346A1 DE 4223346 A DE4223346 A DE 4223346A DE 4223346 A DE4223346 A DE 4223346A DE 4223346 A1 DE4223346 A1 DE 4223346A1
Authority
DE
Germany
Prior art keywords
pulse
signal
neural network
echo
input
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.)
Granted
Application number
DE4223346A
Other languages
English (en)
Other versions
DE4223346C2 (de
Inventor
Felix Dipl Ing Raffalt
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.)
Vega Grieshaber KG
Original Assignee
Vega Grieshaber KG
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 Vega Grieshaber KG filed Critical Vega Grieshaber KG
Priority to DE4223346A priority Critical patent/DE4223346C2/de
Publication of DE4223346A1 publication Critical patent/DE4223346A1/de
Application granted granted Critical
Publication of DE4223346C2 publication Critical patent/DE4223346C2/de
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/52004—Means for monitoring or calibrating
    • G01S7/52006—Means for monitoring or calibrating with provision for compensating the effects of temperature
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
    • G01F23/22—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water
    • G01F23/28—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water by measuring the variations of parameters of electromagnetic or acoustic waves applied directly to the liquid or fluent solid material
    • G01F23/296—Acoustic waves
    • G01F23/2962—Measuring transit time of reflected waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F25/00—Testing or calibration of apparatus for measuring volume, volume flow or liquid level or for metering by volume
    • G01F25/20—Testing or calibration of apparatus for measuring volume, volume flow or liquid level or for metering by volume of apparatus for measuring liquid level
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/40—Means for monitoring or calibrating
    • G01S7/4004—Means for monitoring or calibrating of parts of a radar system
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/417—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section involving the use of neural networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Fluid Mechanics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Acoustics & Sound (AREA)
  • Electromagnetism (AREA)
  • Thermal Sciences (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
  • Measurement Of Levels Of Liquids Or Fluent Solid Materials (AREA)

Description

Die Erfindung betrifft eine Anordnung zur berührungslosen Abstandsmessung mit den im Oberbegriff des Anspruchs 1 angegebenen Merkmalen sowie ein Verfahren zur Abstandsmes­ sung mit dieser Anordnung.
Die bisher bekannten Verfahren zur berührungslosen Abstands­ messung, bei welchen die Laufzeit von elektromagnetischen Wellen im Zentimeter- und Dezimeterbereich, welche üblicher­ weise bei Radarmessungen verwendet werden, oder von Ultra­ schallimpulsen bestimmt wird, sind auf eine eindeutige Erkennung des Nutz-Echo-Signales angewiesen. Die Erkennung dieser Nutz-Echo-Signale ist schwierig, wenn diese durch Stör-Echo-Signale überlagert sind. Solche Stör-Echo-Signale treten insbesondere auf, wenn mit den genannten Verfahren der Füllstand von fließ- oder schüttfähigen Medien in Behäl­ tern ermittelt werden soll. Behältereinbauten, der beim Befüllen sich bildende Schüttgutkegel sowie Füllgutanhaftun­ gen an der Behälterwandung und/oder am Sender bzw. Empfänger führen zu Störungen des Echoimpulses, so daß die Laufzeit zwischen Sende- und Echoimpuls nicht mehr genau und sicher ermittelt werden kann.
Ferner unterliegt die Laufzeit von Impuls-Echo-Signalen weiteren physikalischen Einflußgrößen, deren Veränderung sich insbesondere bei der Verwendung von Ultraschallwellen als sehr nachteilig in bezug auf die erzielbare Meßgenauig­ keit des Füllstandsensors erweisen kann. Die speziellen Eigenschaften des Gases, z. B. seine Zusammensetzung, sein Molekulargewicht, seine Dielektrizitätskonstante sowie sich ändernde Größen wie Temperatur und Druck wirken sich unter bestimmten Bedingungen auf Präzisionsabstandsmessungen sehr negativ aus.
Die Kompensation dieser Störeinflüsse mit bekannten Einrich­ tungen, wie z. B. mit Hilfe eines Temperatursensors und/oder eines Referenzbügels führt nur dann zu wesentlichen Verbes­ serungen, wenn der zu kompensierende physikalische Parameter über die gesamte Behälterhöhe konstant ist, was insbesondere bei sehr hohen Behältern aufgrund sich ausbildender Gas- und Temperaturschichtungen selten der Fall ist.
Das vom Sensor empfangene Impuls-Echo-Signal enthält, auch wenn es mit Störechosignalen überlagert ist, immer noch die Information über die Füllguthöhe, die jedoch mit konven­ tionellen Methoden, wie seriell digitaler Signalaufberei­ tung, nur mit Schwierigkeiten auswertbar ist. So ist bei­ spielsweise aus EP 340 953 B1 ein recht aufwendiges akusti­ sches Entfernungsmeßsystem bekannt, bei welchem in einem Speicher ein dem Impuls-Echo-Signal ähnliches Signal abge­ speichert wird, mit welchem zur Ermittlung der Signallauf­ zeit das empfangene und mit Störechos überlagerte Impuls- Echo-Signal verglichen wird.
Der vorliegenden Erfindung liegt gleichfalls die Aufgabe zugrunde, die Signallaufzeit auch dann exakt zu ermitteln, wenn das Impuls-Echo-Signal in starkem Maße mit Stör-Echo- Signalen überlagert ist. Auch soll verhindert werden, daß Wandler-Nachschwingen, Laufzeitveränderungen infolge von Variationen der Gaszusammensetzung bzw. der Temperatur oder die unterschiedliche Gestaltung der Füllgutoberfläche, die beispielsweise die Form eines Schüttgutkegels annehmen kann, die Messung verfälschen.
Gelöst wird diese Aufgabe durch Verwendung eines neuronalen Netzwerkes, wie dieses im Kennzeichen des Anspruchs 1 im einzelnen angegeben ist.
Mit Hilfe von Parallel-Datenverarbeitungstechniken und des assoziativen Vergleichs des empfangenen Signals mit erlern­ ten und im neuronalen Netzwerk abgespeicherten Mustern ist es weit besser als bisher möglich, die verborgene Informa­ tion zu regenerieren und damit sehr korrekte Füllstandsdaten zu ermitteln.
Durch Anwendung der neuronal assoziativen Signalverarbeitung ist eine komplexe holistische Auswertung des Impuls-Echo-Profiles möglich. Hierbei kann die Meßstrecke selbst als intrinsisches Referenzelement genutzt werden, indem Kompen­ sationsgrößen von vorhandenen Störechos abgeleitet werden.
Zur Realisierung dieses Vorschlages ist gemäß Anspruch 1 als Speicher und Signalverarbeitungsstufe ein neuronales Netz­ werk vorgesehen, dessen aus vernetzten Neuronen bestehende Schichten über eine Lernalgorithmusstufe das Grundwissen, welches dem zu überprüfenden Behälter entspricht, in Form von Grundparametern eingegeben werden kann. Der Eingangs­ schicht dieses neuronalen Netzwerkes wird das Impuls-Echo- Signal zugeführt, welches in den verborgenen Schichten mit gelernten Impuls-Echo-Formen verglichen wird. Wie im Anspruch 2 angegeben, sind die Neuronen des neuronalen Netzwerkes derart miteinander verkoppelt, daß sie den Impuls-Echo-Mu­ stern vieler Behälter entsprechen. Das neuronale Netzwerk ist damit in der Lage, durch assoziative Auswertung und Vergleich der empfangenen. Signale mit den hinterlegten Impulsmustern und Merkmalen auch dann eine Übereinstimmung festzustellen, wenn das empfangene Impuls-Echo-Signal von Stör-Echo-Signalen bzw. andersartigen Signalverfälschungen stark überlagert ist. Die neuronale Struktur des neuronalen Netzwerkes kann hierbei durch Software- oder Hardwaremittel realisiert sein.
So können die Neuronen des neuronalen Netzwerkes über ihre Koppelfaktoren bereits von vornherein so miteinander ver­ knüpft sein, daß in sie ein für die zu messenden Behälter charakteristisches Grundwissen eingespeichert ist, so daß sie die für eine möglichst große Vielzahl von Füllstandsbe­ hältern spezifischen Echosignale wiedererkennen.
Bei Inbetriebnahme einer derartigen Anordnung zur Überprü­ fung eines bestimmten Behälters kann ein zweiter Lernschritt für das Netzwerk erfolgen, bei welchem die Koppelung der Neuronen entsprechend den spezifischen Eigenschaften von Behälter und Füllgut verändert und damit ein dem besonderen Anwendungsfall spezifisches Muster in dem neuronalen Netz­ werkspeicher eingeprägt wird. Diesem Lernschritt dienen Rückkopplungsmaßnahmen, wie sie mit den Ansprüchen 3 und 4 angegeben sind.
Im Betrieb kann sich der Speicher des neuronalen Netzwerkes noch in stärkerem Maße den sich verändernden Umgebungsbedin­ gungen z. B. mittels der Maßnahmen nach den Ansprüchen 7 oder 9 anpassen, soweit diese nicht zu stark von dem eingespei­ cherten Grundwissen und den bei der Inbetriebnahme gelernten Daten abweichen. Dieses beim Einsatz erworbene Wissen kann darüber hinaus auch auf die Speicher neuer Geräte übertragen werden, die dann für den besonderen Anwendungsfall noch besser geeignet sind.
Die Signalverarbeitung mit neuronalen Netzwerken kann unab­ hängig von der Art der impulsförmigen Signale erfolgen. Beispielsweise kann der Sender als impulsförmige Signale Ultraschall-Impulse oder, wie in der Radartechnik üblich, elektromagnetische Impulse mit Wellenlängen im Zentimeter- und Dezimeterbereich abstrahlen, wie dies mit den Ansprüchen 10 und 11 angegeben ist.
Weitere vorteilhafte Ausgestaltungen der erfindungsgemäßen Anordnung sind in den Unteransprüchen angegeben. Das mit dieser Anordnung realisierbare Meßverfahren ist Gegenstand der Unteransprüche 12 bis 14.
Die Verwendung eines neuronalen Netzwerkes bei der Füll­ standsbestimmung führt zu einer Fülle von Vorteilen, nämlich
  • - bessere Meßergebnisse, auch bei ungünstig gestalteten Behältern,
  • - Reduzierung der benötigten Sendeleistung, so daß sich günstige Energiewerte für den Betrieb des Füllstandsensors in explosionsgefährdeter Umgebung ergeben,
  • - Vergrößerung der Reichweiten,
  • - reduzierter Einfluß von Störsignalen,
  • - geringerer Parametrierungsaufwand im Einsatzfall, also für den Anwender,
  • - selbsttätige Adaption der Meßanordnung an sich änderndes Füllgut bzw. bei Behälteränderungen,
  • - Berücksichtigung sich ändernder Materialanhaftungen an der Behälterwandung,
  • - Detektion von Füllgütern mit geringem Dielektrizitäts­ konstanten-Unterschied gegenüber Luft,
  • - geringere Sensor-Totzeit,
  • - bessere Durchdringung von Staub- und Nebelschichten,
  • - genauere Messungen an Schüttgutkegeln,
  • - Erkennen von Schaumschichten und damit gegebenenfalls gleichzeitige Ermittlung der Schaum- und Mediumhöhe,
  • - geringere Integrationszeiten bei verrauschten Signalen.
Die Erfindung ist nachstehend anhand eines in der Zeichnung dargestellten Ausführungsbeispiels im einzelnen erläutert. In der Zeichnung zeigen
Fig. 1 Blockschaltbild einer erfindungsgemäßen Anordnung,
Fig. 2a Echoprofil bei Inbetriebnahme des Sensors am leeren Behälter,
Fig. 2b Beispiel eines im späteren Meßbetrieb aufgenommenen Echoprofils,
Fig. 2c durch assoziativen Vergleich der Echoprofi­ le gemäß Fig. 2a und 2b im neuronalen Netzwerk erzeugtes virtuelles Impulsmuster und,
Fig. 2d aus den Impulsmustern gemäß Fig. 2a und, Fig. 2c gewonnenes endgültiges Impulsmuster zur Bestimmung der korrekten Lage des gesuchten Nutzechos.
Die in Fig. 1 schematisch dargestellte Anordnung hat fol­ genden Aufbau und folgende Arbeitsweise.
Erzeugung, Empfang und Verwertung der vom Wandler 12 abgege­ benen Meßsignale werden mittels einer Steuerstufe, nämlich einem digitalen Mikroprozessor 15, gesteuert. Der Mikropro­ zessor 15, der über die Leitung 23 mit der Sendestufe 11 verbunden ist, erzeugt zyklisch Steuerimpulse, welche bewir­ ken, daß über den Wandler 12 in Richtung auf das zu überwa­ chende Füllgut ein Sendeimpuls-Burst-Paket in Form einer Folge von Schall- oder Radarimpulsen abgestrahlt wird. Derselbe Wandler 12 dient hierbei außerdem als Empfänger und nimmt das reflektierte Impuls-Echo-Signal auf und wandelt dieses in ein elektrisches Signal um. Dieses Signal wird mittels der Empfänger- und Signalaufbereitungsstufe 13 derart weiterverarbeitet, daß es in die Eingangsschicht 14a eines neuronalen Netzwerkes 14 eingelesen werden kann. Die Signalaufbereitungsstufe 13 kann zu diesem Zweck Schaltungs­ teile aufweisen, die der Signalverstärkung, Bandbreitenbe­ grenzung, Hüllkurvenerzeugung, Pegellogarithmierung und Zeitdehnung dienen. Auch kann die Stufe 13 einen FFT-Analy­ sator aufweisen, der das Empfangssignal in spektral zerleg­ ter Form der Eingangsschicht 14a zuführt.
Das neuronale Netzwerk 14 erzeugt durch assoziativen Ver­ gleich des an der Eingangsschicht 14a anstehenden Signalmu­ sters mit dem in Form seiner Neuronen-Koppelkoeffizienten abgespeicherten Wissens über früher erlernte Impuls-Echo- Profile ein an der Ausgangsschicht 14b auftretendes Klassi­ fikationsresultat, welches mit größtmöglicher Wahrschein­ lichkeit einen vom tatsächlichen Nutzecho abgeleiteten Entfernungsmeßwert darstellt. Der Assoziationsprozeß findet hierbei im wesentlichen in den von außen nicht zugänglichen verborgenen Schichten 14c des neuronalen Netzwerkes 14 statt.
Über die Leitung 27 wird der Ausgangswert des Netzwerkes 14 dem Prozessor 15 zugeführt, welcher ihn in einen binären Zahlenwert umwandelt und entsprechend den über die Bedien­ elemente 16 eingegebenen Parametern skaliert und integriert. Das Ergebnis dieses Rechenvorganges wird über die Anzeige 17 ausgegeben und über die Leitung 19 dem Ausgangsport 20 zugeführt.
Außer dem Entfernungsmeßwert kann die Ausgangsschicht 14b des neuronalen Netzwerkes 14 einen Zahlenwert ausgeben, der eine Aussage über die Wahrscheinlichkeit, das richtige Echo erkannt zu haben, beinhaltet. Dieser Zahlenwert wird über die Leitung 27 dem Prozessor 15 zugeführt, welcher unter Auswertung dieses einen Wahrscheinlichkeitswert darstellen­ den Zahlenwertes die Sendeimpulsrate für den Wandler 12 derart anpaßt, daß bei sinkender Wahrscheinlichkeit die Rate erhöht und auf diese Weise die Informationsmenge für das Netzwerk gesteigert wird. Eine derartige variable Anpassung der Meßrate an die Qualität des Echoprofils ist insbesondere dann wünschenswert, wenn die dem Sender zur Verfügung ste­ hende Energiemenge begrenzt ist, weil dieser seine Stromver­ sorgung zum Beispiel über einen Ex-Daten- bzw. Feld-Bus bezieht, an dem weitere gleichartige Sensoren angeschlossen sind. Die Stromaufnahme dieser Sensoren kann auf diese Weise entsprechend der Schwierigkeit des augenblicklichen Meßprob­ lems angepaßt werden, wodurch eine höhere Zuverlässigkeit des gesamten Systems erreicht wird.
Zur Adaption an stark schwankende Wandlereingangsamplituden ist nach einem weiteren Vorschlag das neuronale Netzwerk 14 an der Ausgangsschicht 14b über eine weitere Ausgangsleitung 25 mit dem Steuereingang 13a der Signalaufbereitungsstufe 13 derart verbunden, daß ein in der Signalaufbereitungsstufe 13 vorgesehener Regelverstärker die Signalamplitude an der Eingangsschicht 14a auf einen für das Netzwerk 14 günstigen Wert ausregelt.
Eine weitere Korrekturgröße wird aus der Mediums- bzw. Wandlertemperatur abgeleitet, welche mit Hilfe des Tempera­ turfühlers 21 aufgenommen und der Eingangsschicht 14a des neuronalen Netzwerkes 14 zugeführt wird. Eine derartige Korrektur ist insbesondere bei Messungen mit Utraschallim­ pulsen von Vorteil.
Weitere Eingangsdaten, wie z. B. die Meßrate oder vorgegebene Meßbereichsgrenzen, können aus dem Prozessor 15 über die Verbindungsleitung 24 der Eingangsschicht 14a des neuronalen Netzwerkes 14 zugeführt werden.
Zur Vorprogrammierung des neuronalen Netzwerkes 14 ist ein Parametriereingang 22 vorgesehen, welcher über die Lernalgo­ rithmusstufe 18 und über die Verbindungsleitung 29 mit dem aus einzelnen Schichten bestehenden assoziativen Speicher des neuronalen Netzwerkes 14 verbunden ist. So können über den Parametriereingang 22 und die Lernalgorithmusstufe 18 schon bei der Gerätefertigung die Neuronen-Koppelkoeffizien­ ten des neuronalen Netzwerkes 14 in der Weise vorprogram­ miert werden, daß der assoziative Speicher des neuronalen Netzwerkes 14 ein anwendungsfallunspezifisches Grundwissen erhält, welches ihn in die Lage versetzt, unter unterschied­ lichen Sensoreinsatzbedingungen eine größtmögliche Vielzahl unterschiedlich gestalteter Nutzechos zu erkennen. Dieses Grundwissen kann das Ergebnis einer Vielzahl von Lernvorgän­ gen eines gleichartig aufgebauten neuronalen Netzwerkes darstellen, welches stellvertretend für alle anderen Netz­ werke anhand von vielen Impuls-Echo-Profilen trainiert wurde.
Bei Einsatz des mit einem neuronalen Netzwerk ausgestatteten Impuls-Echo-Sensors an seinem Bestimmungsort kann ein zwei­ ter Lernvorgang durchgeführt werden. Zu diesem Zweck wird die Lernalgorithmusstufe 18 über die Bedieneinheit 16 und den Prozessor 15, der mit der Stufe 18 über die Leitung 28 verbunden ist, ein zweites Mal aktiviert. Hierbei können über die Bedieneinheit 16 Daten bezüglich des Behälterfüll­ grades eingegeben werden, wodurch ein zweiter Lernalgo­ rithmus startet, der das neuronale Netzwerk 14 auf den vorliegenden spezifischen Anwendungsfall hin trainiert. Dieser Vorgang kann bei Bedarf für verschiedene Behälterfüll­ höhen wiederholt werden. Danach geht der erfindungsgemäße Füllstandssensor in seinen normalen Meßbetrieb über, wobei der Prozessor 15 über die Lernalgorithmusstufe 18 einen dritten Lernalgorithmus startet. Dieser Lernalgorithmus bewirkt, daß sich die Koppelkoeffizienten des neuronalen Netzwerkes 14 weiteren, mit der Zeit auftretenden Verände­ rungen der Meßstrecke anpassen. Da in diesem Stadium keine externe Überwachung des Lernvorganges erfolgt, dürfen nur solche Modifikationen der Neuronenverkopplung erfolgen, die nicht allzu stark von den Verkopplungen während der ersten beiden Lernschritte abweichen bzw. die über einen längeren Zeitraum als sichere Meßstreckenveränderung erkannt werden, wie z. B. langsam wachsende Füllgutablagerungen an Behälter­ wänden und -einbauten. Der an der Ausgangsschicht 14b ausge­ gebene Wahrscheinlichkeitsklassifikationswert für die Nutz­ echoerkennung kann hierzu vorteilhafterweise von dem Rechner des Prozessors 15 dazu benutzt werden, bei sicherer Nutz­ echodetektion die Lernaktivität des neuronalen Netzwerkes 14 für Meßstreckenveränderungen zu erhöhen.
Nach einem weiteren Vorschlag können externe Füllgutgrenz­ standsdetektoren vorgesehen sein, welche dem Prozessor 15 diskreten Füllguthöhen entsprechende Daten liefern. Sie bewirken ohne Eingriff des Anlagenbetreibers während des normalen Meßbetriebes die Wiederholung des zweiten Lernvor­ ganges für die diskret gemessene Füllhöhe. Auf diese Weise kann automatisch eine direkte Neuadaption der Neuronen-Kop­ pelkoeffizienten des neuronalen Netzwerkes 14 an die augen­ blicklich im Behälter bestehenden physikalischen Parameter erreicht werden.
Die Kompensation von Impulslaufzeitveränderungen erfolgt durch Auswertung der Invarianz bestimmter Merkmale des Impuls-Echo-Profils in bezug auf sich ändernde physikalische Parameter der Meßstrecke. Die Meßstrecke wird hierzu als intrinsisches Referenzelement benutzt, um die für die Kom­ pensation erforderlichen Korrekturdaten zu erhalten.
Das Prinzip des erfindungsgemäßen Verfahrens ist nachstehend anhand der in den Fig. 2a bis 2d gezeigten Impulsprofile erläutert.
In Fig. 2a ist der zeitliche Verlauf der Echoimpulse, die von einem leeren Behälter erzeugt werden, das sogenannte Echoprofil, veranschaulicht. Die Echos bei A, B, C und D stellen Störechos dar, während das Nutzecho bei E auftritt. Das neuronale Netzwerk des erfindungsgemäßen Füllstandsen­ sors erlernt dieses Echoprofil.
In Fig. 2b ist ein Echoprofil veranschaulicht, das unter ungünstigen Behälterbedingungen bei veränderten Mediumspara­ metern im späteren Meßbetrieb auftreten kann. Durch asso­ ziativen Vergleich des Echoprofils gemäß Fig. 2b mit dem gespeicherten Echoprofil gemäß Fig. 2a erzeugt das neurona­ le Netzwerk das in Fig. 2c gezeigte virtuelle Impulsmuster. Vermittels des assoziativen Speichers im neuronalen Netzwerk 14 werden die ursprünglichen Störechos A, B, C und D sowie ein neues Störecho G und ein Nutzecho F erkannt. Anhand der wiedererkannten ersten vier Störechos A, B, C und D nimmt das neuronale Netzwerk eine nicht-lineare Projektion des Echoprofils in bezug auf das früher gelernte Echoprofil gemäß Bild 2a vor. Durch Zeit- und gegebenenfalls Amplitu­ dentransformation werden beide Echoprofile gemäß Fig. 2c und 2a zur Deckung gebracht, wodurch aus dem Echoprofil gemäß Fig. 2c das transformierte Echoprofil gemäß Fig. 2d erzeugt wird, mit welchem die korrekte Lage des Nutzechos F unter Berücksichtigung der Mediumsverhältnisse, die während der Abgleichphase des Sensors bei der Inbetriebnahme herrschten, ermittelt wird. Bei dem dargestellten Ausfüh­ rungsbeispiel wird die Lage des Nutzechos in diesem Fall von t = 75 ms auf t = 105 ms korrigiert.
Fehlen bei einem Behälter ausgeprägte Störechos für die erforderliche Kompensation, so können diese auch künstlich durch entsprechende Einbauten erzeugt werden. Auch ist eine begrenzte Korrektur nach diesem Verfahren bereits dadurch möglich, daß sich die Form des Nutzechos unter anderen physikalischen Umgebungsbedingungen verändert.
Für die Entzerrung des laufzeitveränderten Echoprofils stehen dem neuronalen Netzwerk dabei nicht nur der assozia­ tive Vergleich mit dem beim Abgleich vorhandenen Profil sondern auch die in seinem Grundwissen enthaltenen Lernbei­ spiele für Echoveränderungen bei gezielter Steuerung der Mediumslaufzeit zur Verfügung.
Figurenlegende
11 Sendestufe
12 Wandler als Sender und Empfänger
13 Signalaufbereitungs- und Empfängerstufe
13a Steuereingang
14 neuronales Netzwerk
14a Eingangsschichten
14b Ausgangsschichten
14c verborgene Schichten
15 Steuerung
16 Eingabestufe, Bedienelemente
17 Anzeigestufe
18 Lernalgorithmusstufe
19 Leitung
20 Meßwertausgang
21 Temperaturfühler
22 Parametriereingang

Claims (14)

1. Anordnung zur berührungslosen Abstandsmessung, bei welcher ein impulsförmiges Signal von einem Sender abgestrahlt, von der zu detektierenden Oberfläche in Form eines Impulsechosignales reflektiert und von einem Empfänger aufgenommen wird, wobei in einem Speicher ein dem Impuls-Echo-Signal ähnliches Signal abgespeichert ist, mit welchem das empfangene Impuls-Echo-Signal verglichen wird, und die Zeit zwischen Absendung des impulsförmigen Signales und Empfang des dem abgespei­ cherten Impuls-Echo-Signales ähnlichen Signals als Signallaufzeit, die ein Maß für den Abstand zwischen Sender und zu detektierender Oberfläche ist, gemessen, gespeichert und angezeigt wird, dadurch gekennzeichnet, daß der Speicher aus einem neuronalen Netzwerk (14) mit Eingangs- (14a), Ausgangs- (14b) und gegebenenfalls verborgenen Schichten (14c) besteht, in welchen mittels einer die Lernvorschrift enthaltenden Lernalgorithmus­ stufe (18) als Ergebnis von iterativen Lernvorgängen durch Modifikation der Neuronenverkopplung eine Verar­ beitungsvorschrift erzeugt wird, welche das der Ein­ gangsschicht (14a) zugeführte Impuls-Echo-Signal in einen an der Ausgangsschicht (14b) anstehenden Meßwert umwandelt, welcher der Signallaufzeit entspricht.
2. Anordnung nach Anspruch 1, dadurch gekennzeichnet, daß die Neuronen des neuronalen Netzwerkes (14) in der Weise über Koppelfaktoren miteinander verknüpft sind, daß sie den Impuls-Echo-Signal-Mustern einer Vielzahl von Behäl­ tern, deren Füllstand zu bestimmen ist, entsprechen.
3. Anordnung nach Anspruch 1 oder 2, dadurch gekennzeich­ net, daß die Ausgangsschichten (14b) des neuronalen Netzwerkes (14) über eine Steuerstufe (15) zur Eingangs­ schicht (14a) rückgekoppelt ist, wobei die Steuerstufe (15) das neuronale Netzwerk (14) über eine Lernalgorith­ musstufe (18) ansteuert.
4. Anordnung nach Anspruch 1, 2 oder 3, dadurch gekenn­ zeichnet, daß der vorzugsweise als Sender und Empfänger arbeitende Wandler (12) über eine Signalaufbereitungs- und Empfängerstufe (13) mit der Eingangsschicht (14a) des neuronalen Netzwerkes (14) verbunden ist, wobei der Steuereingang (13a) der Signalaufbereitungs- und Empfän­ gerstufe (13) mit der Ausgangsschicht (14b) des neurona­ len Netzwerkes (14) verbunden ist.
5. Anordnung nach Anspruch 4, dadurch gekennzeichnet, daß die Signalaufbereitungs- und Empfängerstufe (13) Schal­ tungen zur Signalverstärkung und/oder Bandbreitenbegren­ zung und/oder Hüllkurvenerzeugung und/oder Pegelloga­ rithmierung und/oder Zeitdehnung und/oder Spektralzer­ legung des Eingangssignales aufweist.
6. Anordnung nach einem der Ansprüche 1 bis 5, dadurch ge­ kennzeichnet, daß eine Eingabeeinheit mit Bedienelemen­ ten (16) zur Eingabe beliebiger Parameter mit einem Steuereingang (15a) der Steuerstufe (15) und ein Ausgang (15d) der Steuerstufe (15) zur Weitergabe von Eingangs­ daten, wie z. B. der Meßrate, von Meßbereichsgrenzen, mit der Eingangsschicht (14a) des neuronalen Netzwerkes (14) verbunden sind.
7. Anordnung nach Anspruch 6, dadurch gekennzeichnet, daß mit Steuereingängen der Steuerstufe (15) externe Füll­ gutgrenzstandsdetektoren zur Eingabe von diskreten Füllguthöhen entsprechenden Daten verbunden sind.
8. Anordnung nach Anspruch 6 oder 7, dadurch gekennzeich­ net, daß mit einem ersten Ausgang (15b) der Steuerstufe (15) eine Anzeige (17) zur numerischen Wiedergabe der über die Bedienelemente (16) eingegebenen und gegebenen­ falls in der Steuerstufe (15) verknüpften und umgerech­ neten Parameter und ein Ausgangsport (20) mit einem zweiten Ausgang (15c) der Steuerstufe (15) zur Meßwert­ ausgabe verbunden sind.
9. Anordnung nach einem der Ansprüche 1 bis 8, dadurch gekennzeichnet, daß mit der Eingangsschicht (14a) des neuronalen Netzwerkes (14) zur selbsttätigen Eingabe von Korrekturgrößen, wie der Temperatur oder des Druckes, entsprechender Mediums- oder Wandlerdaten, Sensoren, z. B. Temperaturfühler (21), verbunden sind.
10. Anordnung nach einem der Ansprüche 1 bis 9, dadurch gekennzeichnet, daß der Sender (12) als impulsförmiges Signal Ultraschallimpulse abstrahlt.
11. Anordnung nach einem der Ansprüche 1 bis 9, dadurch gekennzeichnet, daß der Sender (12) als impulsförmiges Signal elektromagnetische Impulse mit Wellenlängen im Zentimeter- bzw. Dezimeterbereich abstrahlt.
12. Verfahren zur berührungslosen Füllstandsmessung mit einer Anordnung nach einem oder mehreren der Ansprüche 1 bis 11, gekennzeichnet durch folgende Verfahrensschrit­ te:
  • a) Über einen Parametriereingang (22) und die Lernalgorithmusstufe (18) werden in einem ersten Lernschritt in das neuronale Netzwerk (14) Koppelfaktoren eingegeben, welche für die Echo-Impuls-Auswertung bei der Füllstandsmessung charakteristisch sind.
  • b) In einem zweiten Lernschritt wird für mindestens eine Füllhöhe die Verkoppelung des neuronalen Netzwerkes (14) mittels der Lernalgorithmusstufe (18) dahingehend modifiziert, daß das für diese Füllhöhe an der Eingangsschicht (14a) des neuronalen Netzwerkes (14) eingelesene Impuls-Echo-Profil in ein an der Ausgangsschicht (14b) auftretendes eindeutiges Ergebnis umgewandelt wird, welches mit dem über die Bedieneinheit (16) eingegebenen Füllhöhenwert übereinstimmt.
  • c) In einem dritten Lernschritt wird während des Sensorbetriebs mittels der Lernalgorithmusstufe (18) die Neuronenverkopplung dahingehend abgeändert, daß an der Ausgangsschicht (14b) des neuronalen Netzwerkes (14) durch Störechos entstehende Signale ständig minimiert werden.
13. Verfahren nach Anspruch 12, gekennzeichnet durch fol­ gende Verfahrensschritte:
  • a) Ein Sender (12) erzeugt zyklisch Impulsburst-Pakete, die gegen die zu detektierende Oberfläche eines in einem Behälter befindlichen Füllgutes abgestrahlt werden.
  • b) Ein Empfänger (12) empfängt jeweils ein von der Oberfläche reflektiertes Impuls-Echo-Signal (Fig. 2b).
  • c) Das reflektierte Impuls-Echo-Signal (Fig. 2b) wird nach einer Signalaufbereitung mit dem im assoziati­ ven Speicher des neuronalen Netzwerkes (14) gespei­ cherten Impuls-Echo-Signals des leeren Behälters (Fig. 2a) verglichen, wodurch ein virtuelles Im­ puls-Muster (Fig. 2c) erzeugt wird.
  • d) Das virtuelle Impuls-Muster (Fig. 2c) wird mit dem zuvor abgespeicherten Impuls-Echo-Signal des leeren Behälters (Fig. 2a) ggf. nach Zeit- und Amplituden­ transformation zur Deckung gebracht und mit diesem zur Erzeugung eines transformierten Echoprofils (Fig. 2d) verglichen.
  • e) Aus dem transformierten Echoprofil (Fig. 2d) wird die korrekte Lage des Nutzechos (F) herausgelesen.
14. Verfahren nach Anspruch 12 oder 13, dadurch gekennzeich­ net, daß das neuronale Netzwerk (14) an seiner Ausgangs­ schicht (14b) ein Klassifikationssignal erzeugt, das der Wahrscheinlichkeit, das richtige Impuls-Echo erkannt zu haben, entspricht, und der Steuerstufe (15) zugeführt wird, welche einerseits die Sendeimpulsrate derart beeinflußt, daß sie bei sinkender Wahrscheinlichkeit erhöht wird, und andererseits die Intensität der Abände­ rung der Neuronenkopplung durch den dritten Lernschritt bei sinkender Wahrscheinlichkeit verringert.
DE4223346A 1992-07-16 1992-07-16 Anordnung und Verfahren zur berührungslosen Füllstandmessung Expired - Fee Related DE4223346C2 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE4223346A DE4223346C2 (de) 1992-07-16 1992-07-16 Anordnung und Verfahren zur berührungslosen Füllstandmessung

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE4223346A DE4223346C2 (de) 1992-07-16 1992-07-16 Anordnung und Verfahren zur berührungslosen Füllstandmessung

Publications (2)

Publication Number Publication Date
DE4223346A1 true DE4223346A1 (de) 1994-01-20
DE4223346C2 DE4223346C2 (de) 1996-05-02

Family

ID=6463308

Family Applications (1)

Application Number Title Priority Date Filing Date
DE4223346A Expired - Fee Related DE4223346C2 (de) 1992-07-16 1992-07-16 Anordnung und Verfahren zur berührungslosen Füllstandmessung

Country Status (1)

Country Link
DE (1) DE4223346C2 (de)

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001013075A1 (en) * 1999-08-16 2001-02-22 Solartron Mobrey Limited Ultrasound level detection using a dynamic threshold
EP1121608A1 (de) * 1999-08-12 2001-08-08 Automotive Systems Laboratory Inc. Neurales netzwerk radarverarbeitungsgerät
WO2002006774A2 (en) * 2000-07-13 2002-01-24 Simmonds Precision Products, Inc. Liquid gauging apparatus using a time delay neural network
DE10044769A1 (de) * 2000-09-11 2002-04-04 Grieshaber Vega Kg Verfahren und Vorrichtung zur Entfernungsmessung
US6504793B2 (en) 2000-09-11 2003-01-07 Vega Grieshaber Kg Method and device for range measurement
WO2004059260A1 (de) * 2002-12-20 2004-07-15 Endress + Hauser Gmbh + Co. Kg Füllstandsmessgerät und verfahren zur füllstandsmessung nach dem laufzeitprinzip
EP1628119A2 (de) 2004-08-16 2006-02-22 VEGA Grieshaber KG Füllstandmessradargerät mit automatischer Echosignalbestimmung
WO2006063742A1 (de) * 2004-12-13 2006-06-22 Truma Gerätetechnik GmbH & Co. KG Ultraschall-messvorrichtung für ein behältnis
US7111509B2 (en) 2002-07-19 2006-09-26 Vega Grieshaber Kg Method and device for determining an expectancy range for a filling level echo and a false echo
DE102009055262A1 (de) * 2009-12-23 2011-06-30 Endress + Hauser GmbH + Co. KG, 79689 Verfahren zur Ermittlung und Überwachung des Füllstands eines Mediums in einem Behälter nach einem Laufzeitmessverfahren
CN102192772A (zh) * 2010-03-17 2011-09-21 Vega格里沙贝两合公司 填充水平测量设备中的移动性检测
US8065912B2 (en) 2002-12-20 2011-11-29 Endress + Hauser Gmbh + Co. Kg Filling level sensor and method for measuring filling level
EP2527801A1 (de) * 2011-05-27 2012-11-28 VEGA Grieshaber KG Vorrichtung und Verfahren zur Ermittlung von Medien- und Behältereigenschaften
US9068876B2 (en) 2011-05-27 2015-06-30 Vega Grieshaber Kg Device and method for determining media and container properties
CN110247701A (zh) * 2018-03-09 2019-09-17 埃尔贝克斯视象株式会社 智能住宅或商业场所的通信基础设施装置和支撑工具、利用和操作智能电气装置的通信方法
CN110398728A (zh) * 2018-04-24 2019-11-01 波音公司 使用单独的雷达接收器的目标的角度分辨率
WO2020016022A1 (de) * 2018-07-19 2020-01-23 Vega Grieshaber Kg Feldgerät mit mehreren rechenwerken
WO2020154046A1 (en) * 2019-01-25 2020-07-30 Veoneer Us, Inc. Apparatus and method for detecting radar sensor blockage using machine learning
WO2022263100A1 (de) * 2021-06-18 2022-12-22 Endress+Hauser SE+Co. KG Grenzschicht-detektion mit einem maschinellen lern-algorithmus
WO2022263099A1 (de) * 2021-06-18 2022-12-22 Endress+Hauser SE+Co. KG Füllstandmessung mit einem maschinellen lern-algorithmus
DE102023106819A1 (de) 2023-03-17 2024-09-19 Endress+Hauser SE+Co. KG Ermittlung von Füllgut-Eigenschaften

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19845116C1 (de) * 1998-09-30 1999-12-30 Siemens Ag Verfahren und Vorrichtung zur Füllstandmessung
DE10142538A1 (de) * 2001-08-30 2004-02-12 Advanced Acoustix Gmbh I.Ins. Verfahren zur Laufzeitmessung mittels Kreuzkorrelationsfunktion und Kurvenanpassung
DE10323063A1 (de) * 2003-05-20 2004-12-09 Endress + Hauser Gmbh + Co. Kg Verfahren zur Füllstandsmessung
DE102004061449A1 (de) * 2004-12-17 2006-06-22 Endress + Hauser Gmbh + Co. Kg Nach dem Laufzeitprinzip arbeitendes Füllstandsmessgerät und Verfahren zu dessen Inbetriebnahme
DE102018101985B3 (de) 2018-01-30 2018-09-27 Modernpack Hoppe Gmbh Weichseparator mit füllzustandsabhängiger Anpassung der Geschwindigkeit und Verfahren zum Betreiben eines solchen Weichseparators
DE202022102029U1 (de) 2022-04-14 2022-05-03 Starrag Gmbh Vorrichtung zur Erfassung der Position eines Auffangbehälters

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0340953A2 (de) * 1988-05-05 1989-11-08 Milltronics Ltd. Akustisches Entfernungsmesssystem
WO1991002323A1 (en) * 1989-08-11 1991-02-21 Hughes Aircraft Company Adaptive network for classifying time-varying data

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0340953A2 (de) * 1988-05-05 1989-11-08 Milltronics Ltd. Akustisches Entfernungsmesssystem
WO1991002323A1 (en) * 1989-08-11 1991-02-21 Hughes Aircraft Company Adaptive network for classifying time-varying data

Cited By (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1121608A1 (de) * 1999-08-12 2001-08-08 Automotive Systems Laboratory Inc. Neurales netzwerk radarverarbeitungsgerät
EP1121608A4 (de) * 1999-08-12 2005-09-14 Automotive Systems Lab Neurales netzwerk radarverarbeitungsgerät
WO2001013075A1 (en) * 1999-08-16 2001-02-22 Solartron Mobrey Limited Ultrasound level detection using a dynamic threshold
WO2002006774A2 (en) * 2000-07-13 2002-01-24 Simmonds Precision Products, Inc. Liquid gauging apparatus using a time delay neural network
WO2002006774A3 (en) * 2000-07-13 2002-07-25 Simmonds Precision Products Liquid gauging apparatus using a time delay neural network
US6577960B1 (en) 2000-07-13 2003-06-10 Simmonds Precision Products, Inc. Liquid gauging apparatus using a time delay neural network
DE10044769A1 (de) * 2000-09-11 2002-04-04 Grieshaber Vega Kg Verfahren und Vorrichtung zur Entfernungsmessung
US6504793B2 (en) 2000-09-11 2003-01-07 Vega Grieshaber Kg Method and device for range measurement
US7111509B2 (en) 2002-07-19 2006-09-26 Vega Grieshaber Kg Method and device for determining an expectancy range for a filling level echo and a false echo
WO2004059260A1 (de) * 2002-12-20 2004-07-15 Endress + Hauser Gmbh + Co. Kg Füllstandsmessgerät und verfahren zur füllstandsmessung nach dem laufzeitprinzip
US7046189B2 (en) 2002-12-20 2006-05-16 Endress + Hauser Gmbh + Co. Kg Fill level measuring device and method for fill level measurement using the travel time principle
US8065912B2 (en) 2002-12-20 2011-11-29 Endress + Hauser Gmbh + Co. Kg Filling level sensor and method for measuring filling level
EP1628119A2 (de) 2004-08-16 2006-02-22 VEGA Grieshaber KG Füllstandmessradargerät mit automatischer Echosignalbestimmung
EP1628119A3 (de) * 2004-08-16 2012-07-25 VEGA Grieshaber KG Füllstandmessradargerät mit automatischer Echosignalbestimmung
JP2008523365A (ja) * 2004-12-13 2008-07-03 トルマ ゲラーテテクニッヒ ゲーエムベーハー ウント ツェーオー カーゲー 容器用超音波測定装置
JP4705957B2 (ja) * 2004-12-13 2011-06-22 トルマ ゲラーテテクニッヒ ゲーエムベーハー ウント ツェーオー カーゲー 容器用超音波測定装置
WO2006063742A1 (de) * 2004-12-13 2006-06-22 Truma Gerätetechnik GmbH & Co. KG Ultraschall-messvorrichtung für ein behältnis
US8113047B2 (en) 2004-12-13 2012-02-14 Truma Geratetechnik Gmbh & Co. Kg Ultrasonic measuring device for a container
DE102009055262A1 (de) * 2009-12-23 2011-06-30 Endress + Hauser GmbH + Co. KG, 79689 Verfahren zur Ermittlung und Überwachung des Füllstands eines Mediums in einem Behälter nach einem Laufzeitmessverfahren
WO2011076478A3 (de) * 2009-12-23 2011-10-06 Endress+Hauser Gmbh+Co. Kg Verfahren zur ermittlung und überwachung des füllstands eines mediums in einem behälter nach einem laufzeitmessverfahren
CN102812337A (zh) * 2009-12-23 2012-12-05 恩德莱斯和豪瑟尔两合公司 用于利用传播时间测量方法确认并且监测介质在容器中的填充水平的方法
CN102812337B (zh) * 2009-12-23 2015-05-27 恩德莱斯和豪瑟尔两合公司 用于利用传播时间测量方法确认并且监测介质在容器中的填充水平的方法
CN102192772A (zh) * 2010-03-17 2011-09-21 Vega格里沙贝两合公司 填充水平测量设备中的移动性检测
CN102192772B (zh) * 2010-03-17 2017-04-12 Vega格里沙贝两合公司 填充水平测量设备中的移动性检测
US9354100B2 (en) 2011-05-27 2016-05-31 Vega Grieshaber Kg Device and method for determining media characteristics and container characteristics
US9068876B2 (en) 2011-05-27 2015-06-30 Vega Grieshaber Kg Device and method for determining media and container properties
EP2527801A1 (de) * 2011-05-27 2012-11-28 VEGA Grieshaber KG Vorrichtung und Verfahren zur Ermittlung von Medien- und Behältereigenschaften
CN110247701A (zh) * 2018-03-09 2019-09-17 埃尔贝克斯视象株式会社 智能住宅或商业场所的通信基础设施装置和支撑工具、利用和操作智能电气装置的通信方法
CN110398728A (zh) * 2018-04-24 2019-11-01 波音公司 使用单独的雷达接收器的目标的角度分辨率
CN112469975A (zh) * 2018-07-19 2021-03-09 Vega格里沙贝两合公司 具有多个运算单元的现场设备
WO2020016022A1 (de) * 2018-07-19 2020-01-23 Vega Grieshaber Kg Feldgerät mit mehreren rechenwerken
US11313711B2 (en) 2018-07-19 2022-04-26 Vega Grieshaber Kg Field device having a plurality of arithmetic units
WO2020154046A1 (en) * 2019-01-25 2020-07-30 Veoneer Us, Inc. Apparatus and method for detecting radar sensor blockage using machine learning
US11280883B2 (en) 2019-01-25 2022-03-22 Veoneer Us, Inc. Apparatus and method for detecting radar sensor blockage using machine learning
US12066567B2 (en) 2019-01-25 2024-08-20 Arriver Software Llc Apparatus and method for detecting radar sensor blockage using machine learning
WO2022263100A1 (de) * 2021-06-18 2022-12-22 Endress+Hauser SE+Co. KG Grenzschicht-detektion mit einem maschinellen lern-algorithmus
WO2022263099A1 (de) * 2021-06-18 2022-12-22 Endress+Hauser SE+Co. KG Füllstandmessung mit einem maschinellen lern-algorithmus
DE102021115874A1 (de) 2021-06-18 2022-12-22 Endress+Hauser SE+Co. KG Füllstandsmessung
DE102023106819A1 (de) 2023-03-17 2024-09-19 Endress+Hauser SE+Co. KG Ermittlung von Füllgut-Eigenschaften

Also Published As

Publication number Publication date
DE4223346C2 (de) 1996-05-02

Similar Documents

Publication Publication Date Title
DE4223346C2 (de) Anordnung und Verfahren zur berührungslosen Füllstandmessung
EP2418465B1 (de) Amplitudenprofilierung in Füllstandmessgeräten
DE60016422T2 (de) Vorhersage der groesse eines fehlers in einem druckwandler
EP3435043B1 (de) Radar-füllstandmessgerät, verfahren und programmelement zum betreiben eines radar-füllstandmessgeräts
EP2527801B1 (de) Vorrichtung und Verfahren zur Ermittlung von Medien- und Behältereigenschaften
EP2626676B1 (de) Vorrichtung und Verfahren zum Korrigieren eines Offsets
EP0499952A1 (de) FMCW-Radarsystem mit linearer Frequenzmodulation
EP1210567B1 (de) Vorrichtung zur Bestimmung des Füllstands eines Mediums
EP2516973A2 (de) Verfahren zur ermittlung und überwachung des füllstands eines mediums in einem behälter nach einem laufzeitmessverfahren
DE102012107146A1 (de) Verfahren zur Bestimmung und/oder Überwachung des Füllstands eines Mediums in einem Behälter
DE3438045A1 (de) Verfahren und anordnung zur signaluebertragung bei ultraschall-echolotgeraeten
DE2649075B2 (de) Verfahren und Anordnung zur Messung des Füllstandes in einem Behälter bzw. der Schüttguthöhe auf einem Lagerplatz
EP2527805A1 (de) Auswertevorrichtung und Verfahren zum Bestimmen einer Kenngröße für die Lage einer Grenzfläche in einem Behälter
EP0721907A2 (de) Ultraschall-Kantenfühler zur Erfassung der Bahnkante einer Warenbahn
DE102004055551A1 (de) Verfahren zur Auswertung und Korrektur von Gesamtmesssignalen
EP3926309B1 (de) Signalverarbeitungsverfahren für mehrkopfwaagen
EP0305780A1 (de) Verfahren und Vorrichtung zur Fehlerverminderung bei der Messung räumlicher Bewegung von Messpunkten mittels Ultraschallsignalen
DE4234300C2 (de) Füllstand-Meßverfahren
WO2002016958A2 (de) Sensorsystem und verfahren, insbesondere zur entfernungsbestimmung
DE102022110237A1 (de) Zeitbereichsverbindungsdiagnosewerkzeug
DE2817247C3 (de) Anordnung zum Messen von Entfernungen, insbesondere zum Messen von Pegelständen, durch Echolotung in einem gasförmigen Medium mittels Schallwellen
DE69319014T2 (de) Vorrichtung zur Aufhebung der Drift eines Winkelgeschwindigkeits-Fühlers
DE4027030C2 (de)
DE3221911C1 (de) Hochfrequenzleistungsverstaerker mit einer Modulationseinrichtung
EP3746753B1 (de) Verfahren zur detektion von potentiellen fehlerzuständen an einem fmcw-basierten füllstandsmessgerät

Legal Events

Date Code Title Description
OP8 Request for examination as to paragraph 44 patent law
8127 New person/name/address of the applicant

Owner name: VEGA GRIESHABER KG, 77709 WOLFACH, DE

D2 Grant after examination
8364 No opposition during term of opposition
8339 Ceased/non-payment of the annual fee