用于易挥发物的雷达液位计的故障识别系统技术方案

用于易挥发物的雷达液位计的故障识别系统，属于雷达液位计技术领域，本发明专利技术为解决现有对雷达液位计的故障进行检测和分析存在故障遗漏、排查故障过程较长的问题。它包括：回波信号提取模块采用二进小波变换对雷达液位计的回波信号进行小波分解，采用主成分分析进行去相关，采用Fisher线性分类函数进行特征提取，利用BP神经网络分类器对特征进行分类，输出分类结果；回波信号拟合模块用于绘制回波信号提取模块输出的分类结果和雷达液位计回波时刻的拟合曲线，获得不同分类结果回波曲线的回波图；回波图分析模块用于根据回波图上的波动值判别天线上是否存在结晶附着物。本发明专利技术用于对雷达液位计喇叭口或天线上的有机物结晶进行检测。进行检测。进行检测。

【技术实现步骤摘要】
用于易挥发物的雷达液位计的故障识别系统


[0001]本专利技术涉及一种雷达液位计的故障识别系统，属于雷达液位计


技术介绍

[0002]雷达液位计的原理为探头发出高频脉冲，当脉冲遇到物料表面时反射回来被仪表内的接收器接收，将距离信号转化为物位信号。雷达液位计一般用于对液体、浆料和颗粒状物料的物位进行非接触式的连续测量。由于雷达液位计在使用时，无需与待测液体进行接触，能够解决插入式仪表检测元件易被介质污染和腐蚀的难题；并且雷达液位计还能穿透泡沫、烟雾、蒸汽等介质，其测量结果不受波动的介质性能的影响，也不受到过程条件变换的影响。因此，得到了广泛的应用。
[0003]但是，雷达液位计的主要部件有电子元件和天线，在使用过程中，如果贮槽中存在易挥发的有机物，这些易挥发的有机物会在雷达液位计的喇叭口或天线上结晶，这会导致雷达液位计在使用过程中产生干扰波，影响测量精度。
[0004]现在对雷达液位计的故障进行检测和分析主要依靠工作人员的经验，这会导致由于工作人员的经验不足导致的故障遗漏，以及发现故障、排查故障过程较长，进而导致雷达液位计连续测量过程的整体结果的不准确。

技术实现思路

[0005]本专利技术目的是为了解决现有对雷达液位计的故障进行检测和分析存在故障遗漏、排查故障过程较长的问题，提供了用于易挥发物的雷达液位计的故障识别系统。
[0006]本专利技术所述用于易挥发物的雷达液位计的故障识别系统，它包括：回波信号提取模块、回波信号拟合模块和回波图分析模块；
[0007]所述回波信号提取模块采用二进小波变换对雷达液位计的回波信号进行小波分解，采用主成分分析进行去相关，采用Fisher线性分类函数进行特征提取，利用BP神经网络分类器对特征进行分类，输出分类结果；
[0008]所述回波信号拟合模块用于绘制回波信号提取模块输出的分类结果和雷达液位计回波时刻的拟合曲线，获得不同分类结果回波曲线的回波图；
[0009]所述回波图分析模块用于根据回波图上的波动值判别天线上是否存在结晶附着物。
[0010]优选的，采用二进小波变换对雷达液位计的回波信号进行小波分解的具体方法包括：将雷达液位计的回波信号映射到不同尺度的小波函数中，分别获得回波信号的小尺度信息和大尺度信息。
[0011]优选的，采用主成分分析进行去相关的具体方法包括：
[0012]S3
‑
1、分别将小尺度信息和大尺度信息转换为输入数据向量；
[0013]S3
‑
2、获得小尺度信息输入数据向量的相关矩阵，进而获得小尺度信息的特征值和特征向量；
[0014]获得大尺度信息输入数据向量的相关矩阵，进而获得大尺度信息的特征值和特征向量；
[0015]S3
‑
3、选择M个优势特征值，M个优势特征值对应的特征向量构成特征子空间；所述M是正整数；
[0016]S3
‑
4、将S3
‑
2获得的小尺度信息的特征向量投影到S3
‑
3获得的特征子空间；
[0017]将S3
‑
2获得的大尺度信息的特征向量投影到S3
‑
3获得的特征子空间；
[0018]完成采用主成分分析对高维数据进行去相关和压缩。
[0019]优选的，采用Fisher线性分类函数进行特征提取的具体方法包括：
[0020]采用Fisher线性分类器对去相关和压缩后的数据，按照降序进行排列；
[0021]分别计算不同数据的Fisher线性分类器的分类误差；
[0022]以分类误差最小为准则，选择具有最大类区分能力的值作为最优的特征子集，输入到神经网络分类器。
[0023]优选的，利用BP神经网络分类器对特征进行分类的具体方法包括：采用前馈多层神经网络对输入数据进行分类。
[0024]优选的，前馈多层神经网络采用反向传播学习算法。
[0025]优选的，回波图分析模块用于根据回波图上的波动值判别天线上是否存在结晶附着物的具体方法包括：当其中一条回波曲线出现一个波动值，其余回波曲线平稳波动时，判别为天线上存在结晶附着物。
[0026]优选的，回波曲线上出现的波动值是在峰值的1/3～2/3范围内。
[0027]优选的，回波曲线平稳波动是波动值在峰值的1/4以下范围内。
[0028]优选的，回波曲线上波动值的在峰值2/3以上范围内的是实际液位。
[0029]本专利技术的优点：本专利技术提出的用于易挥发物的雷达液位计的故障识别系统，雷达液位计反射回来的信号经过回波信号提取模块和回波信号拟合模块反映在回波图上，回波图能够将回波信号进行分析，判别天线上是否存在结晶附着物。易挥发物的结晶具有不确定性，本申请的故障识别系统能够实时、有效地对结晶附着物进行判别，使工作人员能够及时地发现易挥发物的结晶，对结晶进行清洁，最大程度减小雷达液位计的连续测量的精度。
附图说明
[0030]图1是本专利技术所述用于易挥发物的雷达液位计的故障识别系统的原理框图；
[0031]图2是以雷达液位计脉冲发射时间间隔1s、频率为2.5MHz进行模拟，不同分类结果回波曲线的回波图，其中，横坐标为回波时刻，单位为s，纵坐标为信号强度，单位为mV。
具体实施方式
[0032]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0033]需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。
[0034]下面结合附图和具体实施例对本专利技术作进一步说明，但不作为本专利技术的限定。
[0035]实施例1：
[0036]下面结合图1说明本实施方式，本实施方式所述用于易挥发物的雷达液位计的故障识别系统，它包括：回波信号提取模块、回波信号拟合模块和回波图分析模块；
[0037]所述回波信号提取模块采用二进小波变换对雷达液位计的回波信号进行小波分解，采用主成分分析进行去相关，采用Fisher线性分类函数进行特征提取，利用BP神经网络分类器对特征进行分类，输出分类结果；
[0038]所述回波信号拟合模块用于绘制回波信号提取模块输出的分类结果和雷达液位计回波时刻的拟合曲线，获得不同分类结果回波曲线的回波图；
[0039]所述回波图分析模块用于根据回波图上的波动值判别天线上是否存在结晶附着物。
[0040]进一步的，采用二进小波变换对雷达液位计的回波信号进行小波分解的具体方法包括：将雷达液位计的回波信号映射到不同尺度的小波函数中，分别获得回波信号的小尺度信息和大尺度信息。
[0041]再进一步的，采用主成分分析进行去相关的具体方法包括：
[0042]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.用于易挥发物的雷达液位计的故障识别系统，其特征在于，它包括：回波信号提取模块、回波信号拟合模块和回波图分析模块；所述回波信号提取模块采用二进小波变换对雷达液位计的回波信号进行小波分解，采用主成分分析进行去相关，采用Fisher线性分类函数进行特征提取，利用BP神经网络分类器对特征进行分类，输出分类结果；所述回波信号拟合模块用于绘制回波信号提取模块输出的分类结果和雷达液位计回波时刻的拟合曲线，获得不同分类结果回波曲线的回波图；所述回波图分析模块用于根据回波图上的波动值判别天线上是否存在结晶附着物。2.根据权利要求1所述的用于易挥发物的雷达液位计的故障识别系统，其特征在于，所述采用二进小波变换对雷达液位计的回波信号进行小波分解的具体方法包括：将雷达液位计的回波信号映射到不同尺度的小波函数中，分别获得回波信号的小尺度信息和大尺度信息。3.根据权利要求2所述的用于易挥发物的雷达液位计的故障识别系统，其特征在于，所述采用主成分分析进行去相关的具体方法包括：S3
‑
1、分别将小尺度信息和大尺度信息转换为输入数据向量；S3
‑
2、获得小尺度信息输入数据向量的相关矩阵，进而获得小尺度信息的特征值和特征向量；获得大尺度信息输入数据向量的相关矩阵，进而获得大尺度信息的特征值和特征向量；S3
‑
3、选择M个优势特征值，M个优势特征值对应的特征向量构成特征子空间；所述M是正整数；S3
‑
4、将S3
‑
2获得的小尺度信息的特征向量投影到S3
‑
3获得的特征子空间；将S3
‑
...

【专利技术属性】
技术研发人员：田中山，王现中，杨昌群，吴小川，牛道东，张俊，梁珈铭，
申请(专利权)人：哈尔滨工业大学中仪知联无锡工业自动化技术有限公司，
类型：发明
国别省市：