[发明专利]一种基于协同作业的雷达高精度物位计测量方法

说明书

本发明提供了一种基于协同作业的雷达高精度物位计测量方法，涉及雷达物位计测量技术，包括从雷达物位计历史测量大数据中选取样本数据，构建调参神经网络模型，从样本数据中寻找固定参数与调整参数的最佳对应关系，即满足测量精度的固定参数对应的调整参数；根据调整参数调整雷达物位计的发射参数向物料发射信号，接收回波信号进行滤波处理，得到标准化离散频谱，计算连续反射的回波信号之间的差异因子和频谱，从而测量得到雷达物位计与料位的实时距离。可以测量得到雷达物位计与料位的实时距离，降低了计算复杂度，实现了高精度测量的效果。

技术领域

本发明涉及雷达物位计测量技术，尤其涉及一种基于协同作业的雷达高精度物位计测量方法。

背景技术

雷达测距是一种非接触式测量技术，可在恶劣环境下稳定工作，不易受雨雪等天气条件的影响，并具有穿透烟雾和灰尘的能力。雷达物位计是利用电磁波探测目标的电子设备，发射电磁波对目标进行照射并接收其回波，有次获得目标至电磁波发射点的距离、距离变化率、方位、高度等信息。

雷达物位计利用线性调频连续波大带宽、低功耗、安全性等特点可以有效进行协同作业，例如雷达物位计助力智能港口转运车实现高精度定位、货物运输对接等。现有雷达物位计的工作原理中，在测量过程中应用按照线性变化的高频信号，雷达物位计的信号从天线发出，在被测面反射，回波被天线接收。雷达物位计信号的发出与回波接收的频率差被进一步处理，使频率差对应于测量距离。利用快速傅里叶变换将频率差转化为频谱差，进而换算出测量距离。

现有技术中，有一种雷达物位计测量数据处理技术，首先通过傅里叶变换将雷达物位计的时域差拍信号转换为频域差拍信号，然后判断频域差拍信号中主频信号与噪声信号的信噪比，如果信噪比大于设定的阈值，说明频域差拍信号的质量比较好，可通过谱最大值估算的方式计算频域差拍信号中的中心频率值，提高获取的中心频率值的准确度；而如果信噪比小于设计的阈值，则说明频域差拍信号的质量比较差，此时不适合通过谱最大值估算的方式计算频域差拍信号中的中心频率值，因此，采用对频域差拍信号进行去噪处理后，再通过谱最大值估算的方式计算频域差拍信号中的中心频率值的方式进行处理，保证频域差拍信号的中心频率值的准确度，提高雷达物位计的测量精度。

但上述技术至少存在如下问题：现有的雷达物位计测量方法对没有考虑针对不同的物料、传输介质及环境参数对发射参数进行调整的问题，导致回波信号可能出现干扰因素或信号太弱的情况，计算复杂度较高，无法测量得到高精度的距离。

发明内容

本申请实施例通过提供一种基于协同作业的雷达高精度物位计测量方法，解决了现有的雷达物位计测量方法对没有考虑针对不同的物料、传输介质及环境参数对发射参数进行调整的问题，导致回波信号可能出现干扰因素或信号太弱的情况，计算复杂度较高，无法测量得到高精度的距离。实现了针对不同的物料、传输介质及环境参数对发射参数进行调整，得到干扰因素少、信号强度高的回波信号，基于连续反射的回波信号之间的差异因子和频谱，测量得到雷达物位计与料位的实时距离，降低计算复杂度，得到高精度测量结果。

本申请具体包括以下技术方案：

一种基于协同作业的雷达高精度物位计测量方法，包括以下部分：

S1. 从雷达物位计历史测量大数据中选取样本数据，构建调参神经网络模型，从样本数据中寻找固定参数与调整参数的最佳对应关系，即满足测量精度的固定参数对应的调整参数；

构建调参神经网络模型，将样本数据分为训练集和测试集，通过训练集对调参神经网络模型进行数据样本的拟合，在训练过程中对训练误差进行梯度下降，优化模型中的权重参数；训练集包括需要输入到调参神经网络模型中的固定参数集合和输入对应输出的调整参数集合；

一个训练样本用表示，，表示一组固定参数样本，，表示一组调整参数样本，m表示一组固定参数中元素的数量，n表示一组调整参数中元素的数量；

调参神经网络模型的具体训练过程如下：