DE4223346C2 - Anordnung und Verfahren zur berührungslosen Füllstandmessung - Google Patents

Description

Die Erfindung betrifft eine Anordnung zur berührungslosen Füllstandmessung mit den im Oberbegriff des Anspruchs 1 angegebenen Merkmalen sowie ein Verfahren zur Füllstandmes­ 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.

Mittlerweile ist es bekannt, neuronale Netzwerke für die Signalauswertung bei Radar- und Sonargeräten einzusetzen. So beschreibt WO 91/02323 ein neuronales Netzwerk, dem vor der eigentlichen Messung eine Vielzahl von Doppler-Frequenzkur­ ven anhand ihrer charakteristischen Gestalt oder Muster eingelernt wird. Während des eigentlichen Meßvorganges wird das auszuwertende Dopplersignal mit den im neuronalen Netz­ werk abgespeicherten Kurven verglichen. Eine weitere Sig­ nalbearbeitung durch das neuronale Netzwerk ist nicht vorge­ sehen. Damit ist aber eine Störsignalkompensation während des Meßvorganges mit dieser bekannten Anordnung nicht möglich.

Der vorliegenden Erfindung liegt deshalb die Aufgabe zugrun­ de, 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 Anspruch 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.

Des weiteren 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 Kopplung 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.

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 6 oder 8 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 9 und 10 angegeben ist.

Weitere vorteilhafte Ausgestaltungen der erfindungsgemäßen Anordnung sind in den Unteransprüchen angegeben. Das mit dieser Anordnung realisierbare Meßverfahren ist Gegenstand der Ansprüche 11 bis 13.

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,
• - selbstätige 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.

Bezugszeichenliste

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 (13)

1. Anordnung zur berührungslosen Füllstandmessung, bei welcher ein impulsförmiges Signal von einem Sender abgestrahlt, von der zu detektierenden Oberfläche in Form eines auszuwertenden Impuls-Echo-Signales reflek­ tiert und von einem Empfänger aufgenommen wird, wobei in einem Speicher ein weiteres Impuls-Echo-Signal mit mindestens ein Nutzecho enthaltenden Echos abgespeichert ist, mit welchem das empfangene Impuls-Echo-Signal verglichen wird, und die Zeit zwischen Absendung des impulsförmigen Signales und Empfang des auszuwertenden Impuls-Echo-Signales als Signallaufzeit, die ein Maß für den Abstand zwischen Sender und zu detektierender Ober­ fläche ist, gemessen, gespeichert und angezeigt wird, dadurch gekennzeichnet,
daß innerhalb des Speichers Impuls-Echo-Signal-Muster einer Vielzahl von Behältern, deren Füllstand zu bestim­ men ist, abgespeichert sind;
daß der Speicher ein neuronales Netzwerk (14) mit Ein­ gangs- (14a) und Ausgangsschichten (14b) ist, welche über eine Neuronenverkopplung verbunden sind;
daß das neuronale Netzwerk (14) das an seinen Eingangs­ schichten (14a) angelegte, auszuwertende Impuls-Echo-Si­ gnal mit der Vielzahl von abgespeicherten Impuls-Echo- Signal-Mustern vergleicht zur Bildung eines an den Ausgangsschichten (14b) abgreifbaren und der zu ermit­ telnden Signallaufzeit entsprechenden Meßwertes;
daß eine mit einer Steuerstufe (15) verbundene Lernalgo­ rithmusstufe (18) vorgesehen ist zur Veränderung der Neuronenverkopplung während des Meßbetriebes der Anord­ nung nach Maßgabe einer Meßstreckenänderung, wobei die Steuerstufe (15) mit den Ausgangsschichten (14b) des neuronalen Netzwerkes (14) verbunden ist.

2. Anordnung nach Anspruch 1, dadurch gekennzeich­ net, daß die Ausgangsschichten (14b) des neuronalen Netzwerkes (14) über eine Steuerstufe (15) zur Eingangs­ schicht (14a) rückgekoppelt ist.

3. Anordnung nach Anspruch 1 oder 2, 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.

4. Anordnung nach Anspruch 3, 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.

5. Anordnung nach einem der Ansprüche 1-4, dadurch ge­ kennzeichnet, daß eine Eingabeeinheit mit Bedienelemen­ ten (16) zur Eingabe von Parametern mit einem Steuereingang (15a) der Steuerstufe (15) und ein Ausgang (15d) der Steuerstufe (15) zur Weitergabe von Eingangs­ daten mit der Eingangsschicht (14a) des neuronalen Netzwerkes (14) verbunden sind.

6. Anordnung nach Anspruch 5, dadurch gekennzeichnet, daß mit Steuereingängen der Steuerstufe (15) externe Füll­ gutgrenzstandsdetektoren zur Eingabe von diskreten Füllguthöhen entsprechenden Daten verbunden sind.

7. Anordnung nach Anspruch 5 oder 6, 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.

8. Anordnung nach einem der Ansprüche 1 bis 7, 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, Temperaturfühler (21), verbunden sind.

9. Anordnung nach einem der Ansprüche 1 bis 8, dadurch gekennzeichnet, daß der Sender (12) als impulsförmiges Signal Ultraschallimpulse abstrahlt.

10. Anordnung nach einem der Ansprüche 1 bis 8, dadurch gekennzeichnet, daß der Sender (12) als impulsförmiges Signal elektromagnetische Impulse mit Wellenlängen im Zentimeter- bzw. Dezimeterbereich abstrahlt.

11. Verfahren zur berührungslosen Füllstandsmessung mit folgenden Verfahrensschrit­ ten:

• 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 Meßbetriebs mittels der Lernalgorithmusstufe (18) die Neuronenverkopplung nach Maßgabe einer Meßstreckenänderung abgeändert.

12. Verfahren nach Anspruch 11, 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.

13. Verfahren nach Anspruch 11 oder 12, 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.