[發(fā)明專利]基于神經(jīng)元網(wǎng)絡(luò)的數(shù)據(jù)處理方法、系統(tǒng)及雷達(dá)液位計

在審

• 申請?zhí)枺?/td>: 202310460426.4
• 申請日: 2023-04-26
• 公開（公告）號: CN116642558A
• 公開（公告）日: 2023-08-25
• 發(fā)明（設(shè)計）人: 馬占鋒;李會軍;劉磊;梁永吉;楊大錨;杜海松;張宇鵬;李雪松;李國福;趙紅雷
• 申請（專利權(quán)）人: 華能銅川照金煤電有限公司
• 主分類號: G01F23/80
• 分類號: G01F23/80;G06N3/08;G01F23/284
• 代理公司: 深圳市鼎智專利代理事務(wù)所(普通合伙) 44411
• 代理人: 張小晶

本發(fā)明屬于數(shù)據(jù)處理技術(shù)領(lǐng)域，公開了一種基于神經(jīng)元網(wǎng)絡(luò)的數(shù)據(jù)處理方法、系統(tǒng)及雷達(dá)液位計。數(shù)據(jù)處理方法包括步驟：構(gòu)建神經(jīng)元網(wǎng)絡(luò)模型并進(jìn)行訓(xùn)練；獲取原始距離數(shù)據(jù)；通過均值法對原始距離數(shù)據(jù)進(jìn)行異常數(shù)據(jù)剔除，生成初步判斷數(shù)據(jù)；將原始距離數(shù)據(jù)輸入神經(jīng)元網(wǎng)絡(luò)模型生成當(dāng)前時刻的測量數(shù)據(jù)預(yù)測值；將初步判斷數(shù)據(jù)與測量數(shù)據(jù)預(yù)測值進(jìn)行對比分析，若兩者的偏差方向及大小在設(shè)定范圍內(nèi)，則將測量數(shù)據(jù)預(yù)測值輸出；若兩者的偏差方向及大小在設(shè)定范圍外，則將測量數(shù)據(jù)預(yù)測值剔除，獲取當(dāng)前時刻之前時間點的正常數(shù)據(jù)并輸出。本發(fā)明可避免了因各個不同工作狀況允許的數(shù)據(jù)偏差導(dǎo)致的數(shù)據(jù)錯誤剔除。

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)據(jù)處理技術(shù)領(lǐng)域，具體涉及一種基于神經(jīng)元網(wǎng)絡(luò)的數(shù)據(jù)處理方法、系統(tǒng)及雷達(dá)液位計。

背景技術(shù)

目前雷達(dá)液位計在測量到原始數(shù)據(jù)后，會對原始數(shù)據(jù)進(jìn)行簡單的均值濾波、平方差剔除等簡單必要的數(shù)據(jù)處理，原理均為當(dāng)測量數(shù)據(jù)大于前一段時間數(shù)據(jù)的平均值加上允許偏差的數(shù)值后，進(jìn)行異常點數(shù)據(jù)剔除。在實現(xiàn)本發(fā)明過程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在如下問題：1、雷達(dá)液位計測量環(huán)境的工作狀況是多變的，在不同的工作狀況下，前后時間點允許的數(shù)值變化差是不一樣的，在某一時間段數(shù)據(jù)偏差允許為1％，但在某一工況下數(shù)據(jù)偏差允許可達(dá)10％，采用固定的均值濾波法或平方差剔除法沒辦法進(jìn)行環(huán)境適應(yīng)濾波，正常數(shù)據(jù)被異常剔除的概率很搞；該類方法適用于已測量數(shù)據(jù)進(jìn)行統(tǒng)計分析，并進(jìn)行壞點數(shù)據(jù)剔除；2、均值濾波法或平方差剔除法沒辦法對未來下一個時間點的測量數(shù)據(jù)進(jìn)行預(yù)測，沒辦法適應(yīng)需要高速數(shù)據(jù)判斷的環(huán)境。

上述兩點問題決定了傳統(tǒng)雷達(dá)液位計無法勝任多變環(huán)境及惡劣環(huán)境，如泡沫、水蒸氣干擾、攪拌干擾等傳統(tǒng)雷達(dá)無法克服的使用環(huán)境，極大局限了雷達(dá)液位計的應(yīng)用范圍。

發(fā)明內(nèi)容

本發(fā)明旨在至少在一定程度上解決上述技術(shù)問題。為此，本發(fā)明目的在于提供一種基于神經(jīng)元網(wǎng)絡(luò)的數(shù)據(jù)處理方法、系統(tǒng)及雷達(dá)液位計。

本發(fā)明所采用的技術(shù)方案為：

一種基于神經(jīng)元網(wǎng)絡(luò)的數(shù)據(jù)處理方法，包括以下步驟：構(gòu)建神經(jīng)元網(wǎng)絡(luò)模型，通過測量環(huán)境數(shù)據(jù)對神經(jīng)元網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練后得到神經(jīng)元網(wǎng)絡(luò)模型；獲取原始距離數(shù)據(jù)；通過均值法對原始距離數(shù)據(jù)進(jìn)行異常數(shù)據(jù)剔除，生成初步判斷數(shù)據(jù)；將原始距離數(shù)據(jù)輸入神經(jīng)元網(wǎng)絡(luò)模型生成當(dāng)前時刻的測量數(shù)據(jù)預(yù)測值；將初步判斷數(shù)據(jù)與測量數(shù)據(jù)預(yù)測值進(jìn)行對比分析，若兩者的偏差方向及大小在設(shè)定范圍內(nèi)，則將測量數(shù)據(jù)預(yù)測值輸出；若兩者的偏差方向及大小在設(shè)定范圍外，則將測量數(shù)據(jù)預(yù)測值剔除，獲取當(dāng)前時刻之前時間點的正常數(shù)據(jù)并輸出；對輸出的數(shù)據(jù)進(jìn)行數(shù)模轉(zhuǎn)換。

優(yōu)選地，測量環(huán)境數(shù)據(jù)包括雷達(dá)液位計工作測量對象的工作狀況歷史數(shù)據(jù)，工作狀況歷史數(shù)據(jù)包括各個工作狀況下的正常測量數(shù)據(jù)以及異常工況下進(jìn)行數(shù)據(jù)剔除處理后的異常數(shù)據(jù)。

優(yōu)選地，原始距離數(shù)據(jù)通過雷達(dá)液位計測量后獲得。

優(yōu)選地，神經(jīng)元網(wǎng)絡(luò)模型根據(jù)上一個數(shù)據(jù)采樣周期的歷史數(shù)據(jù)生成當(dāng)前時刻的測量數(shù)據(jù)預(yù)測值。

優(yōu)選地，輸出的測量數(shù)據(jù)預(yù)測值作為正常數(shù)據(jù)進(jìn)行儲存；剔除后的測量數(shù)據(jù)預(yù)測值作為異常數(shù)據(jù)進(jìn)行儲存，用于環(huán)境突變情況的數(shù)據(jù)判斷。

優(yōu)選地，數(shù)模轉(zhuǎn)換后的數(shù)據(jù)傳輸至數(shù)據(jù)采集中心，同時也傳輸至神經(jīng)元網(wǎng)絡(luò)模型，用于下個數(shù)據(jù)采樣周期的數(shù)據(jù)判斷。