應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)模型的超聲特征信號提取算法

摘 要： 飛行時間差是時差法超聲波流量計的關(guān)鍵參數(shù)，決定表具的計量精度。該文采用卷積神經(jīng)網(wǎng)絡(luò)對超聲回波信號進行特征提取，提取的特征用來回歸預(yù)測飛行時間差。超聲回波信號作為模型的輸入層，中間層為提高模型性能，加速訓(xùn)練，使用五層卷積層、五層池化層及RELU 激活函數(shù)提取信號特征，輸出層回歸預(yù)測飛行時間差，提高對時間差估計的精度。仿真研究表明，模型預(yù)測的準確率高于99%，且有較好的泛化能力。搭建實驗平臺，進行實驗研究，結(jié)果表明，卷積神經(jīng)網(wǎng)絡(luò)模型用于預(yù)測超聲回波信號飛行時間差有著較高的測量準確性，其中測量誤差優(yōu)于±1%，重復(fù)性優(yōu)于0.2%。

關(guān)鍵詞： 超聲波氣體流量計; 飛行時間差檢測; 卷積神經(jīng)網(wǎng)絡(luò)模型; 回波信號處理

中圖分類號： TB9 文獻標志碼： A 文章編號： 1674–5124（2024）12–0117–08

0 引 言

超聲波氣體流量計具有測量精度高、范圍寬、無壓力損失、可雙向測量等優(yōu)點[1]，可廣泛的應(yīng)用在天然氣的流量測量中。時差法作為超聲波氣體流量計最常用的檢測方法[2]，通過采集超聲波在順逆流氣體中傳播的時間[3]（也稱飛行時間），計算飛行時間差，結(jié)合流道結(jié)構(gòu)參數(shù)，得到瞬時流量。因此，準確計量飛行時間差是保證時差法超聲波流量計計量水平的關(guān)鍵[4]。

閾值法和互相關(guān)法是最廣泛使用的飛行時間的檢測方法[5]，閾值法是將接收到的信號與預(yù)先設(shè)定的閾值進行比較，一旦接收到的信號達到預(yù)先設(shè)定的閾值電平，就會產(chǎn)生觸發(fā)信號記錄特征時間，然后采用過零檢測法檢測超聲波飛行時間[6]。閾值法通常對接收信號的信噪比要求高，并且需要保證信號振動起點附近的局部形狀穩(wěn)定，無較大抖動，否則可能造成較大的測量誤差。互相關(guān)算法是根據(jù)兩個信號的整體相似性來確定信號之間的間隔，可以避免閾值法對局部形狀的過度依賴。BRASSIERP[7]， WANG M X[8] 等人采用回波法獲取參考波形并完成互相關(guān)運算，進行流量測量實驗也取得良好的結(jié)果，但互相關(guān)算法需要較多的計算資源，且會受到噪聲影響，從而無法正確測量飛行時間。

卷積神經(jīng)網(wǎng)絡(luò)是一類具有深度結(jié)構(gòu)包且含卷積運算的前饋神經(jīng)網(wǎng)絡(luò)，是一種有監(jiān)督的深度學(xué)習(xí)算法，具有局部采樣、權(quán)值共享、降維采樣等特征[9]，可以大大減少參數(shù)計算成本。隨著深度學(xué)習(xí)的發(fā)展，基于卷積神經(jīng)網(wǎng)絡(luò)用于特征提取的方法已經(jīng)成為研究的主流[10]，因此可以應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)對超聲回波信號進行特征提取。輸出預(yù)測的飛行時間差。對于卷積核尺寸的大小與模型的性能一些學(xué)者做了研究[10]。SZEGEDY C 等[11] 為了減少運算量來加速模型訓(xùn)練，提出將大尺寸卷積核分解成小尺寸卷積核；SIMONYAN K 等[12] 為了增加網(wǎng)絡(luò)深度通過反復(fù)堆疊3 × 3小尺寸卷積核，同時也提高了模型性能。

為了提高超聲波飛行時間測量的精度，本文提出用卷積神經(jīng)網(wǎng)絡(luò)對超聲波飛行時間差進行檢測估計，根據(jù)超聲波氣體流量計回波信號的特點，提出了一個有效的回歸預(yù)測訓(xùn)練模型，該模型將順逆波形數(shù)據(jù)作為卷積神經(jīng)網(wǎng)絡(luò)的輸入層，經(jīng)過五層卷積在橫向數(shù)據(jù)上的特征提取，利用Adam 算法對模型優(yōu)化更新，最后得到CNN 模型，最后通過流量測試實驗驗證了卷積神經(jīng)網(wǎng)絡(luò)用于回波信號處理方法的可行性。