基于时差法的超声飞渡时间测量方法、装置、设备及介质与流程

本发明涉及工业生产，特别涉及一种基于时差法的超声飞渡时间测量方法、装置、设备及介质。

背景技术：

1、在工业生产过程中，流量测量对于控制流体流量和监测流程的稳定性和效率至关重要。超声流量计广泛应用于能源、环境、石油化工、化学、制药、食品加工等工业领域中的流程控制。超声测流的重要技术参数为超声飞渡时间，准确获知超声飞渡时间是提升超声测流的关键。同时，超声测量技术不仅可以用于流量测量，也可以用于多种物理场的测量，如温度、湿度、距离等。无论何种物理场的测量，超声飞渡时间都是决定测量精度的关键因素。

2、目前，基于时差法的超声飞渡时间测量技术主要包括“阈值法”、“广义互相关法”和“二次相关法”。阈值法和基于相关法的超声波检测方法在多个领域得到广泛应用，但它们仍存在一些缺陷。阈值法在受到噪声干扰时表现不稳定，而基于相关法的方法虽然精度高、抗干扰能力强，但其广义互相关算法在低信噪比环境下性能会恶化。

3、综上，如何准确测量超声飞渡时间是本领域技术人员亟待解决的问题。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种基于时差法的超声飞渡时间测量方法、装置、设备及介质，能够提高超声流量计飞渡时间测量的精度。其具体方案如下：

2、第一方面，本技术公开了一种基于时差法的超声飞渡时间测量方法，包括：

3、获取超声波进入流体时相对于流体流动方向传播的顺流超声信号与逆流超声信号；

4、分别对所述顺流超声信号与所述逆流超声信号进行小波包去噪，以得到目标顺流超声信号与目标逆流超声信号；

5、利用所述目标顺流超声信号与所述目标逆流超声信号训练预先基于长短期记忆网络构建的神经网络模型，以得到超声飞渡时间测量模型；其中，所述超声飞渡时间测量模型的输出层前添加了一个注意力机制层；

6、通过所述超声飞渡时间测量模型对超声飞渡时间进行测量。

7、可选的，所述获取超声波进入流体时相对于流体流动方向传播的顺流超声信号与逆流超声信号，包括：

8、获取所述流体的流速范围以便根据所述流速范围确定所述流体的最大流速与最小流速；

9、根据所述最大流速与所述最小流速确定顺流超声信号与逆流超声信号共同的信号时延范围，以便根据所述信号时延范围确定与所述最大流速对应的最小时延和与所述最小流速对应的最大时延；

10、基于所述最小时延与所述最大时延确定训练所述神经网络模型时的神经网络分类数量，并根据所述神经网络分类数量确定不同的管道入口流速；

11、基于所述管道入口流速采集所述顺流超声信号与所述逆流超声信号。

12、可选的，所述基于所述管道入口流速采集所述顺流超声信号与所述逆流超声信号之后，还包括：

13、改变信噪比并重复执行所述基于所述管道入口流速采集所述顺流超声信号与所述逆流超声信号的步骤，以得到不同的所述信噪比下第一预设数量的顺流超声信号样本与逆流超声信号样本；

14、相应的，所述分别对所述顺流超声信号与所述逆流超声信号进行小波包去噪，以得到目标顺流超声信号与目标逆流超声信号，包括：

15、分别对所述顺流超声信号样本与所述逆流超声信号样本进行小波包去噪，以得到目标顺流超声信号样本与目标逆流超声信号样本；

16、相应的，所述利用所述目标顺流超声信号与所述目标逆流超声信号训练预先基于长短期记忆网络构建的神经网络模型，以得到超声飞渡时间测量模型，包括：

17、利用所述目标顺流超声信号样本与所述目标逆流超声信号样本训练预先基于长短期记忆网络构建的神经网络模型，以得到超声飞渡时间测量模型。

18、可选的，所述利用所述目标顺流超声信号样本与所述目标逆流超声信号样本训练预先基于长短期记忆网络构建的神经网络模型，以得到超声飞渡时间测量模型，包括：

19、确定所述目标顺流超声信号样本与所述目标逆流超声信号样本的信号长度，并基于所述信号长度为所述目标顺流超声信号样本与所述目标逆流超声信号样本各自设置第二预设数量的采样点；

20、利用所述目标顺流超声信号样本与所述目标逆流超声信号样本确定初始数据集，并根据所述采样点对所述初始数据集中的超声信号样本设置第三预设数量的飞渡时间差得到训练数据集；

21、按照预设分配比例对所述训练数据集进行划分以得到训练集、测试集以及验证集，然后利用所述训练集训练预先基于长短期记忆网络构建的神经网络模型、利用所述测试集测试所述神经网络模型以及利用所述验证集验证所述神经网络模型，以得到超声飞渡时间测量模型。

22、可选的，所述分别对所述顺流超声信号与所述逆流超声信号进行小波包去噪，以得到目标顺流超声信号与目标逆流超声信号，包括：

23、利用小波包分解算法将所述顺流超声信号与所述逆流超声信号进行分解以得到不同的小波包系数；

24、对所述小波包系数进行去噪处理得到去噪后的小波包系数，然后利用小波包重构算法对所述去噪后的小波包系数进行重构以得到目标顺流超声信号与目标逆流超声信号。

25、可选的，所述利用所述目标顺流超声信号与所述目标逆流超声信号训练预先基于长短期记忆网络构建的神经网络模型，以得到超声飞渡时间测量模型之前，还包括：

26、对所述目标顺流超声信号与所述目标逆流超声信号进行归一化处理。

27、可选的，所述利用所述目标顺流超声信号与所述目标逆流超声信号训练预先基于长短期记忆网络构建的神经网络模型，以得到超声飞渡时间测量模型的过程中，还包括：

28、通过所述目标顺流超声信号与所述目标逆流超声信号确定真实时延值，并获取所述神经网络模型在训练过程中输出的预测时延值；

29、确定所述真实时延值与所述预测时延值之间的准确率、均方根误差和平均绝对误差，以便根据所述准确率、所述均方根误差和所述平均绝对误差对所述神经网络模型进行调整，以得到超声飞渡时间测量模型。

30、第二方面，本技术公开了一种基于时差法的超声飞渡时间测量装置，包括：

31、信号获取模块，用于获取超声波进入流体时相对于流体流动方向传播的顺流超声信号与逆流超声信号；

32、信号处理模块，用于分别对所述顺流超声信号与所述逆流超声信号进行小波包去噪，以得到目标顺流超声信号与目标逆流超声信号；

33、模型训练模块，用于利用所述目标顺流超声信号与所述目标逆流超声信号训练预先基于长短期记忆网络构建的神经网络模型，以得到超声飞渡时间测量模型；其中，所述超声飞渡时间测量模型的输出层前添加了一个注意力机制层；

34、模型应用模块，用于通过所述超声飞渡时间测量模型对超声飞渡时间进行测量。

35、第三方面，本技术公开了一种电子设备，所述电子设备包括处理器和存储器；其中，所述存储器用于存储计算机程序，所述计算机程序由所述处理器加载并执行以实现如前所述的基于时差法的超声飞渡时间测量方法。

36、第四方面，本技术公开了一种计算机可读存储介质，用于存储计算机程序；其中所述计算机程序被处理器执行时实现如前所述的基于时差法的超声飞渡时间测量方法。

37、本技术提供了一种基于时差法的超声飞渡时间测量方法，包括：获取超声波进入流体时相对于流体流动方向传播的顺流超声信号与逆流超声信号；分别对所述顺流超声信号与所述逆流超声信号进行小波包去噪，以得到目标顺流超声信号与目标逆流超声信号；利用所述目标顺流超声信号与所述目标逆流超声信号训练预先基于长短期记忆网络构建的神经网络模型，以得到超声飞渡时间测量模型；其中，所述超声飞渡时间测量模型的输出层前添加了一个注意力机制层；通过所述超声飞渡时间测量模型对超声飞渡时间进行测量。本发明有效解决了传统基于时差法的超声飞渡时间测量方法存在的问题，具有更高的测量精度、更强的抗干扰能力以及更低的计算复杂度。相比传统的阈值法和基于相关法的方法，这种综合利用深度学习方法和传统时差测量方法的新型超声飞渡时间测量方法能够更准确地测量流速，进一步提高计量特性。并且采用的深度学习方法能够减少复杂的数学运算，特别是在大量数据处理时，计算复杂度较低，有利于提高实时性要求较高的应用的适用性。同时在核电站等严苛环境中具有广泛的应用潜力，将提升流量测量的准确性和稳定性，有助于工业生产过程中的流量控制和监测流程的稳定性和效率，具备较高的实用价值。

38、此外，本技术提供的一种基于时差法的超声飞渡时间测量装置、设备及存储介质，与上述基于时差法的超声飞渡时间测量方法对应，效果同上。