基于BP神经网络超声波流量计设计.docVIP

基于BP神经网络超声波流量计设计 　　摘 要： 基于控制器STM32，设计一款以时差法测量管道流量的超声波流量计，为了提高环境适应性和流量测量精度，时差测量采用基于BP神经网络滤波的广义互相关时延估计算法。该算法通过对多个具有特定统计规律的预滤波器的组合优化来对混合噪声进行滤波，其具有自学习调整能力，能够适应动态变化的环境。主要介绍流量测量基本原理、硬件结构以及软件设计，最后通过多种环境下的测试和结果分析，证明了该流量计适应性强、精确度高。 　　关键词： STM32； 神经网络； 时差法； 广义互相关算法 　　中图分类号： TN926?34； TP311 文献标识码： A 文章编号： 1004?373X（2016）16?0006?04 　　Abstract： A ultrasonic flowmeter taking time?difference method for pipe flow measurement was designed based on the controller STM32. In order to improve the environmental suitability and flow measurement accuracy， the generalized cross?correlation time?delay estimation algorithm based on the BP neural network filtering is applied to time?difference detection. The algorithm filters the mixed noise by combining and optimizing the multiple filters with specific statistical characteristics， has self?learning and self?adjusting ability， and is able to adapt to the dynamic changing environment. The basic principles of the flow measurement， hardware structure and software design are mainly introduced in this paper. The strong adaptability and high accuracy of the flowmeter were proved through test in a variety of environment and the result analysis. 　　Keywords： STM32； neural network； time?difference method； generalized cross?correlation algorithm 　　流量的精确测量对提高人们的生活质量、企业的生产效率，对节约型社会的建立都有着非常重要的意义。超声波流量计由于非接触性、无压力损失、适用性强和便于安装维护等特点，近几年受到人们越来越多的重视。但实际工况环境多是混合噪声环境，流量计容易受多种噪声和各种干扰的影响而导致测量精度降低，因此对混合噪声的处理仍然是提高流量计精确度面临的一个问题[1?3]。针对上述情况，将广义互相关时延估计算法与神经网络滤波原理结合起来，设计了一种对管道流量进行测量的超声波流量计。其将多个具有特定统计规律的滤波器进行组合优化形成预滤波器， 用预滤波器来对现场的混合环境噪声进行滤波，动态地调整预滤波器的相关参数，直到得到的互相关函数峰值达到最优，即得到明显、突出的相关峰。这大大提高了时差测量的精度。该超声波流量计因其高精度、快速性、强适应性，便于在各种场所中推广使用。 　　1 时差法流量测量原理 　　图1为超声波流量计的时差法测量原理[1]。超声换能器A，B分别安装在管道两外侧，他们不但能发射超声波，同时也能接收超声波。换能器A和B之间的距离为[L]。首先由微控制器STM32发出驱动脉冲到达A和B，两超声波换能器使A处于发射状态，B处于接收状态，则超声波由换能器A以角度[θ]发射进入管道，最终由换能器B获得顺流超声波信号；而逆流超声波信号的获取，只要通过微控制器STM32切换两换能器A和B的收发状态即可实现。容易知道逆流超声波传播时间[tB]大于顺流超声波传播时间[tA]。 　　假设[v]是流体流速，[c]是超声波在静水中的速度，超声波的顺流传播时间和逆流传播时间分别为： 　　2 神经网络滤波原理 　　神经网络预滤波器是通过