一种超声水表信号幅度动态调节方法

    公开(公告)号:CN115773793B

    公开(公告)日:2023-07-21

    申请号:CN202211503198.6

    申请日:2022-11-29

    Abstract: 本发明涉及流量测量技术领域,公开了一种超声水表信号幅度动态调节方法,包括以下步骤:S1,超声水表上电运行,配置初始化参数,采集上下游换能器的接收信号;S2,由采集到的接收信号,提取上下游换能器接收信号的峰峰值X和直流偏移量Y,并计算条件熵值;S3,构建信号幅度的调整模型,并根据模型调整信号幅度的检测频率与调节状态值;S4,若信号幅度的调节状态值大于0,则计算待调节的放大器增益值;S5,进行自适应调节;S6,跳转至S1采集上下游换能器的接收信号并重复后续步骤至超声水表运行周期结束。本发明实现了对超声水表接收信号幅度的自适应调节,从而解决了因复杂工况下信号幅度变化导致超声水表测量精度变差的问题。

    一种适用于超声水表的注塑气泡检测方法

    公开(公告)号:CN115984267A

    公开(公告)日:2023-04-18

    申请号:CN202310264640.2

    申请日:2023-03-20

    Abstract: 本发明涉及缺陷检测技术领域,公开了一种适用于超声水表的注塑气泡检测方法,包括以下步骤:拍摄一体式超声水表的X‑ray图像作为原始图像集;对原始图像集进行灰度转换,定位出水表管段中的换能器安装位置,从而裁剪获得预处理图像集;基于预处理图像集,选择取样窗口;计算像元点高度;根据像元点高度自适应调节滑动步长;计算粗糙度;生成粗糙度图像集;对粗糙度图像集进行图像处理,获取待检测图像集;基于连通域算法,从待检测图像集中提取气泡数据;构建气泡含量评价方法进行评价。本发明针对X‑ray图像中注塑气泡与背景的差别构建了粗糙度模型,与超声水表精度协同判断气泡含量,从而实现了一体式超声水表注塑气泡的自动化检测。

    一种故障电弧的识别方法、装置、设备及介质

    公开(公告)号:CN112505512B

    公开(公告)日:2023-01-10

    申请号:CN202011552452.2

    申请日:2020-12-24

    Abstract: 本申请公开了一种故障电弧的识别方法,包括:以高频对目标电弧进行采样,得到高频采样信号;对高频采样信号进行预处理,得到处理采样信号;对处理采样信号进行特征提取,得到目标电弧特征;将目标电弧特征输入至神经网络模型,得到目标输出结果,并根据目标输出结果判断目标电弧是否为故障电弧;显然,因为通过高频来对目标电弧进行采样时,可以获取得到目标电弧中数量更多的电弧特征,并且,由于神经网络模型具有良好的数据分类能力,所以,当利用神经网络模型来对目标电弧进行判断时,就可以进一步提高故障电弧检测结果的准确性与可靠性。相应的,本申请所提供的一种故障电弧的识别装置、设备及介质,同样具有上述有益效果。

    一种采用卷积神经网络的故障电弧信号检测方法

    公开(公告)号:CN113049922B

    公开(公告)日:2022-11-15

    申请号:CN202011505343.5

    申请日:2020-12-18

    Abstract: 本发明实施例公开了一种采用卷积神经网络的故障电弧信号检测方法,包括:将模数转换后的采样信号分别经过三个不同的带通滤波器,对每个滤波器的半波输出分别进行时域特征和频域特征的提取,每个滤波器的输出提取的时频特征向量构成二维特征矩阵,将三个滤波器输出对应的特征矩阵进行堆叠,对每一个半波构造出一个三维的矩阵。采用多通道的二维卷积神经网络处理该多通道特征矩阵,根据神经网络的输出结果判别该半波是否为电弧。与传统的提取单一特征值,然后通过与阈值比较大小来判定是否为故障电弧半波的方法相比,基于卷积神经网络的检测方法在故障电弧半波的识别上具有更高的准确率和可靠性,针对不同负载情况可以针对性的训练具有自适应性。

Patent Agency Ranking