一种双声道超声时差法的流量测量数据融合方法与流程

本发明属于流量检测技术领域，涉及一种双声道超声时差法的流量测量数据融合方法。

背景技术：

超声时差法的流量测量原理是通过检测测量管道中超声波信号顺逆流的渡越时间得到时间差，根据时差求得管道内的流体平均流量，该方法具有压损低、精度高、量程比宽和重复性好等优点。

基于时差法的超声波流量计通常按照声道分为单声道和多声道，小口径流量计受管道几何尺寸的限制一般设计为单声道。多声道超声波流量计应用于较大管径的测量，常用权重系数法、神经网络法等进行数据融合方法，对流场分布影响进行补偿。

对于中小管径的流量测量，常采用双声道的测量方法。然而，由于中小管径的超声波声程小，导致激励信号的干扰会严重影响回波信号，而且管径开孔的尺寸与管径之比较大，很容易在管道内产生扰流、漩涡，使回波信号发生幅值变化，流动噪声又会干扰回波信号，以上这些因素会干扰回波信号导致对顺逆流时间的测量产生误差或错误。如果采用两个声道权重方法进行数据融合，当某一声道受到干扰或产生故障时，系统仍按照设定的权重系数进行流量计算，会导致超声流量测量的数据偏差或错误，降低了超声流量测量的准确性和仪表的可靠性。

技术实现要素：

本发明针对现有双声道超声流量测量数据的权重系数融合方法的不足，提出了一种具有故障自诊断功能的双声道超声流量测量数据的融合方法，该方法可以自动识别故障声道，剔除故障声道数据，能够提高超声流量测量数据的准确性和可靠性。

本发明的主要技术构思：首先，将各个声道每秒的时差数据根据格拉布斯准则进行粗大误差剔除；然后根据各个声道的时差与流量函数将这些时差数据转换为流量数据，并分别求出两个声道在一定时间内的平均流量；最后采用改进的卡尔曼分布式融合进行数据融合，融合过程中先进行双总体u检验，判断两个声道的工作状态，然后按照不同的方法计算得到双声道超声流量测量的平均流量。

本发明解决技术问题所采取的技术方案为：

本发明首先采用了格拉布斯准则对两个声道一定时间内测量的时差数据进行粗大误差剔除，提高两个声道时差数据的准确性。然后分别将两个声道不包含粗大误差的时差数据进行流量计算，分别得到各个声道平均流量，减少了时差测量过程中的随机误差。最后采用改进的卡尔曼分布式融合方法将两个声道平均流量进行数据融合，得到双声道超声流量测量的平均流量。改进的卡尔曼分布式融合方法在原有的卡尔曼分布式融合方法的基础上进行改进，首先将两个声道流量数据分别进行卡尔曼滤波，然后进行局部估计融合得到管道内平均流量，其中在局部估计融合过程中进行双总体u检验，判断两个声道的工作状态。若某一声道产生故障，则剔除该声道数据保证流量测量的准确性。

本发明的有益效果在于：本发明的双声道超声流量测量数据的融合方法，采用了格拉布斯准则对两个声道每秒测量的50个时差数据进行粗大误差剔除，降低了中小管径测量中激励信号对回波到达时间的测量影响，提高了两个声道时差数据的准确性。然后分别将两个声道一秒内不包含粗大误差的多个时差数据进行流量计算并求平均流量，减小了测量过程中的随机误差，提高了流量测量的动态测量性能。为了减少在管道内扰流、漩涡对回波信号幅值变化的影响及回波信号波形的干扰，采用改进的卡尔曼分布式融合方法，在局部估计融合过程中进行双总体u检验，判断两个声道的工作状态，进行相应的流量计算，从而融合得到管道内平均流量。因此，本发明提出的方法，不仅减少了由于流场分布不均匀导致的流量测量误差，并且可以对双声道的两个声道工作状态进行判断，识别故障声道，剔除故障声道数据，该方法提高了双声道超声流量测量数据的准确性和可靠性。

附图说明

图1为双声道超声流量测量的声道分布示意图；

图2为双声道超声流量测量的时差数据融合方法流程图；

图3为改进的卡尔曼分布式融合方法流程图。

具体实施方式

以下结合附图进一步说明本发明提出的一种双声道超声流量测量数据的融合方法。

参照图1，为双声道超声流量测量的声道分布示意图。换能器a和换能器b构成声道一，超声波传播路径长度为l1，方向的夹角为θ1，换能器c和换能器d构成声道二，超声波传播路径长度为l2，方向的夹角为θ2，两个声道为“x”型分布。由图1可分别求得声道一顺流时间tab，如公式(1)；逆流时间tba，如公式(2)；声道二顺流时间tcd，如公式(3)；逆流时间tdc，如公式(4)：

其中c为超声波在流场中的传播速度，v为流体的流速，则可以求得两个声道的时差δt1、δt2分别与流速的函数关系，如公式(5)、(6)：

由于c²＞＞(vcosθ1)²和c²＞＞(vcosθ2)²，则式(5)和(6)可简化为(7)和(8)：

则两个声道可以根据管道截面s和测量得到的时差δt1、δt2分别导出流量计算函数：

其中k1，k2分别为声道一和声道二的流量修正系数。

图2为双声道超声流量测量的时差数据融合方法流程图。超声流量测量系统设定每秒两个声道分别可以测量50次，即每秒两个声道可以分别得到50个时差数据。首先两个声道分别进行粗大误差剔除，然后根据式(9)和式(10)将两个声道不包含粗大误差的时差数据分别计算得到流量并取平均值，分别得到两个声道测量的平均流量和最后采用改进的卡尔曼分布式融合方法进行数据融合，得到每秒双声道超声流量测量的平均流量q。根据样本大小选择合适的粗大误差剔除准则，由于两个声道的时差数据量大小均为50，因此本发明采用格拉布斯准则进行粗大误差剔除。

图3为改进的卡尔曼分布式融合方法流程图。首先两个声道分别进行卡尔曼滤波得到局部估计值，然后进行局部估计值融合。

在双声道超声流量测量中，系统的状态方程和观测方程为：

其中x(t)表示t时刻管道内的流量，q(t)表示t时刻被测系统的系统噪声，表示t时刻第i个声道的平均流量，ri(t)表示t时刻第i声道的测量噪声。则可导出卡尔曼迭代方程组：

其中pi(t)为t时刻第i声道的误差协方差，ki(t+1)为t+1时刻的卡尔曼增益。

经过卡尔曼滤波后可以分别得到两个声道的估计量x1(t)和x2(t)，根据双总体u检验判断两个声道的工作作态选择对应的局部估计值融合策略。双总体u检验的检验统计量为：

其中和分别为样本一和样本二的平均值，和分别为样本一和样本二的方差，n1和n2分别为样本一和样本二的大小。则可以分别得到声道一t时刻不包含粗大误差的流量数组与其t-1时刻不包含粗大误差的流量数组的检验统计量u11(t)、声道二t时刻不包含粗大误差的流量数组与其t-1时刻不包含粗大误差的流量数组的检验统计量u22(t)、声道一和声道二t时刻不包含粗大误差的流量数组的检验统计量u12(t)。根据u11(t)、u22(t)和u12(t)可以得到双声道超声流量计测量状态如下表所示：

表1双声道超声流量计测量状态判定表

通过表1判断超声流量计测量状态，识别产生故障的声道，剔除该声道的测量数据以保证滤波的准确性，则局部值估计融合式为：

其中ε表示显著性水平α为0.01时双总体u检验的临界值。最终输出的q(t)作为t时刻双声道超声流量计测量的平均流量。