公开(公告)号：CN110260948B

公开(公告)日：2020-07-24

申请号：CN201910536206.9

申请日：2019-06-20

Applicant: 杭州电子科技大学

Inventor： 徐晓滨 ,  方丹枫 ,  姬志永 ,  叶梓发 ,  徐晓健 ,  侯平智 ,  黄大荣 ,  韩德强

IPC: G01F23/296

Abstract: 本发明涉及基于声共振频率非线性滤波的液位测量方法。现有的测量方法由于环境、硬件等影响导致系统测量时产生一定的误差，降低测量精度。本发明通过硬件系统采集一组合成波序列，用多级平滑滤波算法进行共振点提取，经过置信规则推理的非线性滤波器处理，得出其共振点序列中是否存在多点或者缺点等问题，并使用删、补点算法分别进行处理，从而得到一组新的完备的共振点序列，利用该序列相邻点间的差值和液位换算公式得到多个液位测量值，求其平均值作为最终的液位高度值。本发明方法可以有效弥补在测量时存在的测量误差，提高液位测量的精确度。

公开(公告)号：CN111811617B

公开(公告)日：2022-06-14

申请号：CN202010660942.8

申请日：2020-07-10

Applicant: 杭州电子科技大学

Inventor： 姬志永 ,  徐晓滨 ,  冯静 ,  陶志刚 ,  马成荣 ,  侯平智

IPC: G01F23/296

Abstract: 本发明公开了一种基于卷积神经网络的非接触式液位预测方法。本发明首先，通过声共振液位测量仪器获取实验所需的共振波数据集。其次，对时域数据集进行短时傅里叶变换,将一维时域波形信号转换为二维频谱图形式作为卷积神经网络的输入。然后，基于卷积神经网络构建回归模型，选用均方误差作为损失函数，选用Adam函数作为优化算法。最后，将训练集输入到构建的卷积神经网络模型中进行模型，再将测试集输入到训练好的卷积神经网络模型中获得预测的液位高度。本发明通过构建卷积神经网络回归模型，实现从原始数据到任务目标的映射过程；通过对模型参数迭代优化，提升卷积神经网络模型的泛化能力和预测结果的准确性。

公开(公告)号：CN110260948A

公开(公告)日：2019-09-20

申请号：CN201910536206.9

申请日：2019-06-20

Applicant: 杭州电子科技大学

Inventor： 徐晓滨 ,  方丹枫 ,  姬志永 ,  叶梓发 ,  徐晓健 ,  侯平智 ,  黄大荣 ,  韩德强

IPC: G01F23/296

Abstract: 本发明涉及基于声共振频率非线性滤波的液位测量方法。现有的测量方法由于环境、硬件等影响导致系统测量时产生一定的误差，降低测量精度。本发明通过硬件系统采集一组合成波序列，用多级平滑滤波算法进行共振点提取，经过置信规则推理的非线性滤波器处理，得出其共振点序列中是否存在多点或者缺点等问题，并使用删、补点算法分别进行处理，从而得到一组新的完备的共振点序列，利用该序列相邻点间的差值和液位换算公式得到多个液位测量值，求其平均值作为最终的液位高度值。本发明方法可以有效弥补在测量时存在的测量误差，提高液位测量的精确度。

公开(公告)号：CN111811617A

公开(公告)日：2020-10-23

申请号：CN202010660942.8

申请日：2020-07-10

Applicant: 杭州电子科技大学

Inventor： 姬志永 ,  徐晓滨 ,  冯静 ,  陶志刚 ,  马成荣 ,  侯平智

IPC: G01F23/296

Abstract: 本发明公开了一种基于卷积神经网络的非接触式液位预测方法。本发明首先，通过声共振液位测量仪器获取实验所需的共振波数据集。其次，对时域数据集进行短时傅里叶变换,将一维时域波形信号转换为二维频谱图形式作为卷积神经网络的输入。然后，基于卷积神经网络构建回归模型，选用均方误差作为损失函数，选用Adam函数作为优化算法。最后，将训练集输入到构建的卷积神经网络模型中进行模型，再将测试集输入到训练好的卷积神经网络模型中获得预测的液位高度。本发明通过构建卷积神经网络回归模型，实现从原始数据到任务目标的映射过程；通过对模型参数迭代优化，提升卷积神经网络模型的泛化能力和预测结果的准确性。