[发明专利]一种基于无磁采样的无磁智能水表计量方法、系统和计量设备

说明书

本发明公开了一种基于无磁采样的无磁智能水表计量方法、系统和计量设备，属于计量仪表技术领域。本发明通过算法实现中首先计算采样序列的排列数，判断顺流、逆流方向采样序列ABCD并标志水流方向，其次进行微同步计算A、B采样的最优计量参数，最后通过前置最优计量参数实现校正神经网络，并计算最优采样阀值即基神经元和最优采样值，完成采样值的同时，基神经元作为下次学习的前置条件，进行新一轮采样学习，从而提高了采样精度。

技术领域

本发明涉及计量仪表技术领域，特别涉及一种基于无磁采样的无磁智能水表计量方法、系统和计量设备。

背景技术

无磁智能水表采样算法原理是通过水流水势带动水表机芯叶轮，机芯的采样指针上有半圆形抗磁不锈钢片，通过半圆形抗磁不锈钢片与四位一体电感式LC振荡电路通过对变化的振荡模拟信号的处理来完成并计算流量大小和流量方向。与有磁采样水表相比，有磁采样的机械水表中指示盘的旋转指针上安装有磁钢，通过用干簧管或霍尔元件等磁敏感器件感应磁钢的位置实现采样，而无磁采样的机械水表中采样指针上没有磁性金属，用不受磁影响的金属片替代磁钢，从而具备很强的抗磁能力。

无磁采样的测量方式是通过采样端电感线圈产生电磁信号，并利用LC电路感应采样金属片的位置而产品的电信信号变化，通过算法内部进行波形滤波处理，并通过A/D转换器将模拟信号转换成数字信号，通过算法判断并处理数据，从而判断水流方向和走水计量。由于测量基表、采样金属片尺寸差异、温度性能及电子器件差异，导致无磁水表在计量采样过程中采样信号不稳定，而最小流量点和最大流量点存在一定的数值差，导致无磁水表一致性较差。针对以上问题，本发明中提出了微同步互校正神经网络采样算法，从而保证计量采样不受影响。

无磁水表的采样能力与带有半圆形抗磁不锈钢片的采样的距离的差异，会导致采样能力的强弱，也会因器件性能差异，从而进一步导致流体流量测定的可靠性降低。

发明内容

为了解决现有技术的问题，本发明实施例提供了一种基于无磁采样的无磁智能水表计量方法、系统和计量设备。所述技术方案如下：

一方面，提供了一种基于无磁采样的无磁水表流量计量方法，所述方法包括：

获取LC振荡电路产生的模拟信号，并对所模拟信号进行处理，得到处理后的模拟信号；

对所述处理后的模拟信号进行数模转换，获得离散采样数据；

根据所述离散采样数据的变化趋势判断水流信号，对水流信号进行学习处理，计算出采样阈值；

存储离散的拟合采样阈值，并进行互校正神经网络校正。

可选的，所述LC振荡电路为四位一体电感式LC振荡电路，所述振荡电路还连接有滤波电路和放大电路；所述获取LC振荡电路产生的模拟信号包括

获取LC振荡电路输出的四个正弦信号，所述四组正弦信号用于描述水流信号的方向及大小。

可选的，所述获得离散采样数据之后，所述方法还包括：

对四组离散采样数据进行清洗数据，以消除不满足采样计量的异常信号值和偏差较大的值；

选择出与当前计量任务有关，且满足采样点为第一次过学习阀值的点集，最终得到四组水流信号；

根据所述四组水流信号排列顺序进行转动方位的标志位置位处理。

可选的，所述根据所述四组水流信号排列顺序进行转动方位的标志位置位处理包括：

计算出排列种类作为标志位的置位条件，即：

p(k,n)＝(n-0)(n-1)(n-2)...(n-k+1) (2≤k≤n,n≥2) (1)