-
题名应用卷积神经网络模型的超声特征信号提取算法
被引量：2
- 1
-
-
作者
樊丹丹
孔明
马馨玥
崔志文
徐佳奇
-
机构
中国计量大学
金卡智能集团股份有限公司
-
出处
《中国测试》
CAS
北大核心
2024年第12期117-124,共8页
-
文摘
飞行时间差是时差法超声波流量计的关键参数,决定表具的计量精度。该文采用卷积神经网络对超声回波信号进行特征提取,提取的特征用来回归预测飞行时间差。超声回波信号作为模型的输入层,中间层为提高模型性能,加速训练,使用五层卷积层、五层池化层及RELU激活函数提取信号特征,输出层回归预测飞行时间差,提高对时间差估计的精度。仿真研究表明,模型预测的准确率高于99%,且有较好的泛化能力。搭建实验平台,进行实验研究,结果表明,卷积神经网络模型用于预测超声回波信号飞行时间差有着较高的测量准确性,其中测量误差优于±1%,重复性优于0.2%。
-
关键词
超声波气体流量计
飞行时间差检测
卷积神经网络模型
回波信号处理
-
Keywords
ultrasonic flow meter
flight time difference detection
convolutional neural network model
echo signal processing
-
分类号
TB9
[机械工程—测试计量技术及仪器]
-
