[发明专利]一种基于LMBP神经网络温度补偿算法

说明书

本发明公开了一种基于LMBP神经网络温度补偿算法，包括以下步骤：包括以下步骤：S1、训练数据：设计高低两个类别的LMBP神经网络温度补偿算法，并进行训练；S2、样本数据预处理：进行数据处理，将预测值转换为对应的流量值；S3、网格参数设计：选定网络训练函数，并校正网络权值和阈；S4、确定隐含层节点个数N拟定为5‑14。本发明经LMBP神经网络补偿后，小流量点处流量计量相对误差波动性明显减小，全量程范围内流量计量相对误差均在合格范围以内，流量计量几乎不受温度影响，补偿效果较好，LMBP神经网络温度补偿算法相比现有的查表修正算法能够更准确地预测计量流量，补偿性能稳定。

技术领域

本发明涉及流量计量技术领域，尤其涉及一种基于LMBP神经网络温度补偿算法。

背景技术

目前，我国供热计量系统中90％以上为各型号的超声波式热量表，时差法以其可测精确度高、量程比大而广泛应用于超声波式热量表流量计量中。时差法超声波热量表通过测量超声波沿顺水流方向与逆水流方向传播时间的差值来计量流量，结合流体温度计算出热量。因此，流量计量精确度是决定超声波式热量表计量特性的关键环节。受流体温度影响超声波传播速度具有非线性特征，是目前影响超声波热量表流量计量精度的最主要原因。

目前超声波热量表普遍采用的查表温度修正算法存在问题如下：

1、固件设计时温度补偿多采用查表法；

2、超声波热量表计量精度受流体温度影响较大；

3、超声波热量表计量重复性差；

4、高温小流量、低温小流量计量精度不高；

为此，我们提出了一种基于LMBP神经网络温度补偿算法来解决上述问题。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于LMBP神经网络温度补偿算法。

为了实现上述目的，本发明采用了如下技术方案：

一种基于LMBP神经网络温度补偿算法，包括以下步骤：

S1、训练数据：设计高低两个类别的LMBP神经网络温度补偿算法，并进行训练；

S2、样本数据预处理：进行数据处理，将预测值转换为对应的流量值；

S3、网格参数设计：选定网络训练函数，并校正网络权值和阈；

S4、确定隐含层节点个数N拟定为5-14；

S5、网络训练结构：训练并输出网络的权值矩阵和阈值矩阵；

S6、温度补偿模型：通过LMBP神经网络温度补偿算法结构，得出预测流量值；

S7、低流量区域温度补偿建模：根据LMBP神经网络温度补偿算法原理建立温度和计量流量与实际流量之间的映射关系；

S8、高流量区域温度补偿建模：得到高流量区域输入层与隐含层及隐含层与输出层之间的权值和阈值矩阵；

S9、补偿算法移植：将计量到的流量值输入到LMBP神经网络中，通过预测运算达到补偿流量计量的目的。

优选地，所述流量测量区域包括流量管，所述流量管内底部两侧分别固定有第一反射柱反射面和第二反射柱反射面，所述第一反射柱反射面和第二反射柱反射面的上端均倾斜设置，所述第一反射柱反射面和第二反射柱反射面的倾斜端相对设置，所述流量管的上端两侧第一超声波换能器和第二超声波换能器，所述第一超声波换能器和第二超声波换能器分别位于第一反射柱反射面和第二反射柱反射面的上端。