面向低信噪比流体的涡街信号频率提取方法、装置及涡街流量计与流程
本发明涉及流量检测的,更具体地,涉及一种面向低信噪比流体的涡街信号频率提取方法、装置及涡街流量计。
背景技术:
1、涡街流量计容易受到管道振动、流体流动状态等外界环境的影响,导致测量精度受到降低。特别是在极低流速或高粘度流体中,涡街信号非常微弱,信噪比极低,甚至被噪声完全淹没,传统的滤波和阈值方法难以有效提取这种信号,导致流量计出现"低流速切除"的问题,难以准确识别涡街信号频率。
技术实现思路
1、为解决在极低流速或高粘度流体中,涡街信号频率识别准确率低的问题,本发明提出了一种面向低信噪比流体的涡街信号频率提取方法、装置及涡街流量计,实现微弱涡街信号频率的准确提取。
2、为了达到上述技术效果,本发明的技术方案如下:
3、第一方面,提供了一种面向低信噪比流体的涡街信号频率提取方法,包括:
4、采集从零流速到正常流速的涡街信号,叠加不同类型和强度的噪声,建立涡街信号数据库,对涡街信号数据库的信号进行预处理,基于预处理后的信号,构建训练数据集;
5、构建编码-特征处理-解码模型;
6、基于训练数据集,训练编码-特征处理-解码模型,获得训练好的编码-特征处理-解码模型;
7、部署训练好的编码-特征处理-解码模型;
8、实时接收涡街信号,利用训练好的编码-特征处理-解码模型对所述涡街信号进行处理,输出涡街信号频率。
9、优选地,构建训练数据集的过程包括:
10、定义流速参数区间,基于流速参数区间和预设参数化涡街信号模型,覆盖不同流速、粘度、温度、管径工况,形成预设信号数目的基础工况信号数据库;
11、采集机械振动噪声、工频干扰噪声及随机噪声,对采集的机械振动噪声、工频干扰噪声及随机噪声分别进行预处理后,分别计算功率谱密度计算,基于所述功率谱密度,提取噪声特征参数;
12、基于噪声特征参数,建立参数化噪声模型,设置不同强度等级,覆盖第一信噪比阈值到第二信噪比阈值的信噪比范围;所述参数化噪声模型用于生成不同参数的噪声;
13、将基础工况信号数据库的清洁信号样本与参数化噪声模型生成的噪声按不同权重混合,生成不同信噪比的混合信号,并进行预处理,形成训练数据集。
14、优选地,所述的预处理包括:降噪、滤波及归一化。
15、优选地,所述编码-特征处理-解码模型包括:
16、输入层,用于接收训练数据集;
17、多尺度特征提取编码器,包括并行多尺度卷积模块和时序依赖建模模块;所述并行多尺度卷积模块包括若干个多尺度并行卷积分支和一个特征融合层,若干个多尺度并行卷积分支间的卷积核大小不同,步长相同,所述特征融合层将若干个多尺度并行卷积分支的输出拼接,并通过一个卷积将通道数融合至预定维度,得到融合后的特征;所述时序依赖建模模块将融合后的特征输入至一个双向gru层,对双向gru层的输出序列应用多头自注意力机制,计算注意力权重,生成上下文感知的特征向量序列;
18、特征瓶颈层,用于将特征向量序列映射到低维潜空间,得到潜空间特征;
19、解码器,与编码器结构互为镜像,利用转置卷积或上采样层,将潜空间特征逐步上采样回原始信号长度,最终通过一个conv1d输出重构的干净信号;
20、辅助输出头,从特征瓶颈层引出一个全连接分支,用于回归信号的频率估计值及置信度c。
21、优选地,构建多目标优化损失函数,表达式为:
22、
23、
24、
25、其中,表示重构损失;表示频率估计损失;表示置信度损失。
26、优选地,每次将训练数据集中一个批次的混合信号输入至编码-特征处理-解码模型,所述混合信号具有对应的标签,所述标签包括干净信号、真实频率、噪声类型、信噪比,所述混合信号具有不同的信噪比,覆盖了从高信噪比到低信噪比的信噪比区间情况;
27、进行前向传播计算,利用多尺度特征提取编码器提取特征,通过解码器重构出干净信号,辅助输出头输出频率估计值,计算多目标优化损失函数;
28、进行反向传播与优化,根据多目标优化损失函数计算梯度,通过优化器更新编码-特征处理-解码模型的模型参数,直至多目标优化损失函数收敛,得到训练好的编码-特征处理-解码模型。
29、优选地,部署训练好的编码-特征处理-解码模型的过程包括:
30、对训练好的编码-特征处理-解码模型进行迭代式结构化剪枝;
31、将优化后的模型引擎转换为目标嵌入式平台的推理引擎。
32、优选地,所述方法还包括:
33、对输出的频率估计值进行后处理,包括:
34、若置信度c高于预设第一阈值,则以作为候选频率。
35、若置信度c低于预设第二阈值,则施加以为中心的自适应带宽带通滤波器以净化涡街信号,对滤波后信号计算高分辨率频谱,以为中心,确定频谱峰值。
36、第二方面,本技术还提出一种面向低信噪比流体的涡街信号频率提取装置,包括:
37、数据采集模块,用于采集从零流速到正常流速的涡街信号,叠加不同类型和强度的噪声,建立涡街信号数据库,对涡街信号数据库的信号进行预处理,基于预处理后的信号,构建训练数据集;
38、构建模块,用于构建编码-特征处理-解码模型;
39、训练模块,基于训练数据集,训练编码-特征处理-解码模型;
40、部署模块,用于部署训练好的编码-特征处理-解码模型;
41、处理模块,实时接收涡街信号,利用训练好的编码-特征处理-解码模型对所述涡街信号进行处理,输出涡街信号频率;
42、所述装置还包括后处理模块,对输出的频率估计值进行后处理,包括:
43、若置信度c高于预设第一阈值,则以作为候选频率。
44、若置信度c低于预设第二阈值,则施加以为中心的自适应带宽带通滤波器以净化涡街信号,对滤波后信号计算高分辨率频谱,以为中心,确定频谱峰值。
45、第三方面,本技术提出一种涡街流量计,包括:
46、测量管,所述测量管具有中空流体通道;
47、旋涡发生体,设置在所述流体通道内,用于使流体流过时产生涡街;
48、检测元件,安装在所述测量管上或所述测量管内部,用于检测流体流经所述旋涡发生体时产生的涡街信号,输出涡街电信号;
49、第二方面所述的涡街信号抗噪与频率提取装置,安装于所述测量管上,所述涡街信号抗噪与频率提取装置中的处理模块的输入端与所述检测元件连接,所述涡街信号抗噪与频率提取装置中的处理模块的输出端作为涡街流量计的输出端,用于输出涡街频率。
50、与现有技术相比,本发明技术方案的有益效果是:
51、本发明通过构建覆盖从零流速到正常流速、叠加多种噪声类型的涡街信号数据库,训练编码-特征处理-解码模型,流速下限延伸至接近零,训练出的编码-特征处理-解码模型可以学习到传统方法无法捕捉的极微弱涡街信号特征,能够有效提升涡街流量计在低流速、高粘度等极低信噪比工况下的测量能力,解决了传统涡街流量计的“低流速切除”问题,显著提高了流量计在复杂工业环境下的测量精度和可靠性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com