一种噪声背景下准确估计超声流量计传播时间方法

摘要

本发明涉及一种噪声背景下准确估计超声流量计传播时间方法，包括：进行超声流量计实验，根据试验结果，建立超声脉冲接收信号离散模型，确定包括超声波传播时间的参数向量x；根据实验采样获得的超声接收信号与模型信号确定目标函数：确定目标函数；构造适应度函数；进行遗传算法，通过迭代获得优化解作为后续蚁群算法的信息素初始条件；利用上述的遗传算法得到的优化解初始化蚁群信息素；根据实验获得的超声接收信号确定参数向量x的变化范围；判断蚂蚁是否转移及得到新的优化解；信息素挥发和更新，进行迭代计算，得到超声波传播时间最优估计值。本发明能够提高参数估计的精确度。

主权项

一种噪声背景下准确估计超声流量计传播时间方法，包括下列步骤：：步骤一：进行超声流量计实验，根据试验结果，建立超声脉冲接收信号离散模型如下：A_m(x)＝A(kt_s)sin[2πf_c(kt_s‑τ)+θ]     (1)其中，$A\left({\mathrm{kt}}_s\right)=A_0{\left(\frac{{\mathrm{kt}}_s-\tau }{T}\right)}^m{e}^{-\frac{{\mathrm{kt}}_s-\tau }{T}}u({\mathrm{kt}}_s-\tau )---\left(2\right)$式中，A_m(x)为超声脉冲接收离散模型信号，k为采样点数序号(k＝1,2，…N)，N为采样点数，t_s为采样时间间隔，f_c为超声换能器的中心频率，θ为初始相位角，A₀为接收信号幅值，T和m是超声换能器的两个特性参数，τ为超声波传播时间，u(kt_s‑τ)为单位阶跃信号，当采样频率、采样点数、超声换能器及其发射频率确定后，模型中的k、N、t_s、f_c和θ即为定值，随着被测流量改变，模型信号A_m(x)中的A₀、T、m和τ会相应变化，其中，参数向量x＝[A₀ m T τ]，对x估计得越准确，模型信号越逼近实验获得的真实接收信号，利用下面的遗传－蚁群算法对x中这四个参数进行估计，最终τ的最优估计值即为超声波传播时间；步骤二：根据实验采样获得的超声接收信号A_e与模型信号A_m(x)确定目标函数f(x)：基于最小二乘思想确定目标函数，将A_e中各采样点电压与A_m(x)中采样点电压之差的平方和作为目标函数f(x)，当目标函数f(x)取得最小值时，x为最优估计值；步骤三：基于目标函数f(x)构造适应度函数eval(x)，目标函数值越小，适应度函数值就越大：$eval\left(x_i\right)=\frac{a-f\left(x_i\right)}{\underset{i=1}{\overset{n}{\Sigma }}(a-f\left(x_i\right))}---\left(3\right)$其中，a是使得a‑f(x_i)为正的任意实数，n为种群数目，n值设定越大，收敛精度越高，收敛速度越慢，角标i代表第i个种群个体，在参数边界内随机产生；步骤四：设定x中四个参数边界，根据适应度函数值确定每个个体被复制的次数：首先确定每个个体的预复制次数，它等于相应个体的适应度函数值与种群数目乘积的整数部分，设R为总的预复制次数与种群数目之差，为了保持种群数目不变，从最优个体到第R个优秀个体，每个个体的复制数目加1，即适应度函数值较大的个体，被复制的概率越大；步骤五：交叉、变异迭代获得优化解：从最优解到最差解，将种群中每两个相邻个体分为一组，选定一个固定的判断概率0.9，并随机生成一个在0到1之间的实数P_c，如果P_c小于判断概率0.9则进行交叉，否则不交叉，为获得最优个体，每次交叉、变异之后都用上一代的最优个体代替下一代的最差个体；步骤二至步骤五为遗传算法，通过迭代获得优化解作为后续蚁群算法的信息素初始条件；步骤六：利用上述的遗传算法得到的优化解初始化蚁群信息素；步骤七：蚂蚁移动步长α初始化，根据实验获得的超声接收信号确定参数向量x的变化范围；步骤八：判断蚂蚁是否转移及得到新的优化解：在生成新的参数解时，分别对参数向量x中的每个参数单独进行，首先对A₀进行，令如果小于则$x_s^t=x_{s^{*}}^{t-1}+[{\mathrm{dA}}_0,0,0,0],$否则令$x_s^t=x_{s^{*}}^{t-1}-[{\mathrm{dA}}_0,0,0,0],$如果小于则$x_s^t=x_{s^{*}}^{t-1}-[{\mathrm{dA}}_0,0,0,0],$否则$x_s^t=x_{s^{*}}^{t-1};$其中，为第t代第s只蚂蚁的参数向量值，为第t‑1代迭代之后按照信息素更新第s只蚂蚁最好的参数向量值，dA₀在[‑α,α]之间随机产生；同理，对T、m和τ三个参数进行优化，得到新的优化解；步骤九：信息素挥发和更新：按照下列规则设定信息素挥发系数：当迭代次数较小时，信息素挥发系数设定较大，有利于全局寻优；当迭代次数较大时，信息素挥发系数设定较小，有利于提高局部收敛精度、加快收敛速度；重新计算信息素，蚂蚁重新分配，返回步骤七进行迭代计算，迭代结束判据设为：在算法迭代t代后进行判断，如果第t代的最优目标函数值与第t‑j(j＝1,2,3,4,5)代的最优目标函数值之差的绝对值均小于10^‑7，则迭代结束，此时参数向量x为最优解，其中的τ即为超声波传播时间最优估计值。