[发明专利]一种水表检定装置的台位差计算方法

说明书

本发明提供了一种水表检定装置的台位差计算方法，所述方法包括如下步骤：步骤S1、建立水表检定装置台位差的小波神经网络模型；步骤S2、建立水表检定装置台位差的小波神经网络函数模型；步骤S3、建立混合遗传‑量子粒子群算法优化小波神经网络函数模型的参数。本发明的优点在于：通过小波神经网络克服台位差进行数学建模困难的问题，通过混合遗传‑量子粒子群算法将台位差的模型计算问题转化为小波神经网络的权值优化问题，简化了计算过程，当样本足够大时，可使台位差逼近于0。

技术领域

本发明涉及水表检定领域，特别指一种水表检定装置的台位差计算方法。

背景技术

台位差定义为两个不同的水表检定装置检定误差的差值。参考图1现有水表检定装置检定示意图，包括一工作量器1、一转子流量计2、一阀门3、一工作台4、一稳压水源5以及一被检水表6，待检定的水表的示值和工作量器的示值之间会有个差值，即为水表检定装置检定的误差，相同的水表在不同的水表检定装置上进行检定产生的误差不同，两个不同的水表检定装置检定误差的差值即为台位差。

目前，水表生产企业经常遇到这样的情况，出厂检验合格的水表批量送检时，部分水表经计量技术机构检定却又不合格，由此产生返厂维修调试增加了水表生产企业的成本，造成这种情况的原因就是不同的水表检定装置存在台位差。

产生台位差的原因有水表的结构、实验室的环境条件、检定装置的变化、检定人员的操作误差等等。产生台位差的原因多且关系复杂，导致很难建立具体的数学模型，并对其进行优化。

发明内容

本发明要解决的技术问题，在于提供一种水表检定装置的台位差计算方法，用来降低水表检定的台位差。

本发明是这样实现的：一种水表检定装置的台位差计算方法，所述方法包括如下步骤：

步骤S1、建立水表检定装置台位差的小波神经网络模型；

步骤S2、建立水表检定装置台位差的小波神经网络函数模型；

步骤S3、建立混合遗传-量子粒子群算法优化小波神经网络函数模型的参数。

进一步地，所述步骤S1具体为：建立水表检定装置台位差的小波神经网络模型，所述小波神经网络模型包括一输入层、一隐含层以及一输出层；

所述输入层包含m个输入层神经元u_i，所述隐含层包含h个隐含层神经元所述输出层包括1个输出层神经元τ；

其中m、h、i、j为大于0的正整数，且1≤i≤m、1≤j≤h、h≥m；输入层神经元u_i为影响各水表检定装置检定误差的因素；隐含层神经元表示用于拟合的参数；输出层神经元τ表示台位差；a_j表示隐含层伸缩系数；b_j表示隐含层平移系数。

进一步地，所述步骤S2具体为：建立水表检定装置台位差的小波神经网络函数模型：

σ(x)为Sigmoid函数，其中

为Marlet小波母函数，其中y＝net_j(u)；

将水表检定装置示值误差的小波神经网络函数模型简化为τ(u)＝f(uθ_ij,b_i,w_j,b_out,j,a_j,b_j)；其中θ_ij表示输入层权重，b_i表示输入层阈值，w_j表示隐含层权重，b_out,j表示隐含层阈值。