神经网络在小管径超声波流量测试中的应用

doi:10.3778/j.issn.1002-8331.2008.25.024

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (25): 78-80.DOI: 10.3778/j.issn.1002-8331.2008.25.024

神经网络在小管径超声波流量测试中的应用

陈平,王俏,耿庆军

山东理工大学计算机科学与技术学院，山东淄博 250049

收稿日期:2007-10-09 修回日期:2008-03-31 出版日期:2008-09-01 发布日期:2008-09-01
通讯作者: 陈平

Application of ultrasonic flow measurement for small diameter pipe based on Neural Network

CHEN Ping,WANG Qiao,GENG Qing-jun

School of Computer Science and Technology，Shandong University of Technology，Zibo，Shandong 255049，China

Received:2007-10-09 Revised:2008-03-31 Online:2008-09-01 Published:2008-09-01
Contact: CHEN Ping

摘要/Abstract

摘要： 介绍了一种基于神经网络的改进型超声波流量测量系统的研制，该系统针对时差法超声波流量计在小管径应用上时差难以测量的不足，采用动量BP算法，实现了对各种非线性影响因素的补偿，通过参数修正有效地提高了系统的测量精度。与传统时差法超声波流量计相比，该系统稳定性好，精度高，具有良好的应用价值和推广价值。

关键词: 超声波流量, 神经网络, 动量BP, 小管径

Abstract: Introduce that a design of ameliorate ultrasonic flow measurement system.In order to overcome the insufficiency of the ultrasonic flow meter for small diameter pipe in travel time，an momentum BP arithmetic is used to realize the compensate of variety of non-linearity influence factors.And the accuracy of measurement has been improved by parameter amending.Compared with the traditional ultrasonic flow meter，the system has well stability，precision and practicality.

Key words: ultrasonic flow, neural network, momentum BP, small diameter pipe

陈平,王俏,耿庆军. 神经网络在小管径超声波流量测试中的应用[J]. 计算机工程与应用, 2008, 44(25): 78-80.

CHEN Ping,WANG Qiao,GENG Qing-jun. Application of ultrasonic flow measurement for small diameter pipe based on Neural Network[J]. Computer Engineering and Applications, 2008, 44(25): 78-80.

[1]	牟清萍，张莹，张东波，王新杰，杨知桥. 目标丢失判别机制的视觉跟踪算法及应用研究[J]. 计算机工程与应用, 2021, 57(9): 140-147.
[2]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[3]	王林，柴江云. 深度神经网络在多场景车辆属性识别中的研究[J]. 计算机工程与应用, 2021, 57(9): 162-167.
[4]	赵志焱，杨华，胡志伟，宇海萍. 基于TACNN的玉露香梨叶虫害识别[J]. 计算机工程与应用, 2021, 57(9): 176-181.
[5]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[6]	张成，戴俊峰，熊闻心. 融合LeNet-5改进的扫描文档手写日期识别[J]. 计算机工程与应用, 2021, 57(9): 207-211.
[7]	麻哲旭，杨峰，乔旭. 铁路路基病害智能检测方法[J]. 计算机工程与应用, 2021, 57(9): 272-278.
[8]	许昊，张凯，田英杰，种法广，王子超. 深度神经网络图像描述综述[J]. 计算机工程与应用, 2021, 57(9): 9-22.
[9]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[10]	蒋斌，钟瑞，张秋闻，张焕龙. 采用深度学习方法的非正面表情识别综述[J]. 计算机工程与应用, 2021, 57(8): 48-61.
[11]	李震霄，孙伟，刘明明，郑丽丽，陈劭颖. 交通监控场景中的车辆检测与跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 103-111.
[12]	张越，黄友锐，刘鹏坤. 引入注意力机制的多分辨率人体姿态估计研究[J]. 计算机工程与应用, 2021, 57(8): 126-132.
[13]	李现国，冯欣欣，李建雄. 多尺度残差网络的单幅图像超分辨率重建[J]. 计算机工程与应用, 2021, 57(7): 215-221.
[14]	翟正利，李鹏辉，冯舒. 图对抗攻击研究综述[J]. 计算机工程与应用, 2021, 57(7): 14-21.
[15]	祝钧桃，姚光乐，张葛祥，李军，杨强，王胜，叶绍泽. 深度神经网络的小样本学习综述[J]. 计算机工程与应用, 2021, 57(7): 22-33.

神经网络在小管径超声波流量测试中的应用

Application of ultrasonic flow measurement for small diameter pipe based on Neural Network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics