[发明专利]一种基于神经网络的超声波动态液位检测方法和系统

权利要求书

1.一种基于神经网络的超声波动态液位检测方法，其特征在于，包括：

步骤1：单片机利用超声波发射电路向三个超声波传感器发送控制信号，同时启动定时器开始计时和激励三路超声波发射电路产生脉冲超声波；

步骤2：超声波遇液面后反射，三个超声波传感器分别接收到反射后的回波信号后，并将回波信号转化为电压信号，并将该电压信号发送到前置放大电路；

步骤3：前置放大电路接收了电压信号后，经前置放大电路放大后的电压信号发送给超声波接收检波电路，实现对高频输入信号的包络检波；

步骤4：将经包络检波电路检波后的电压信号发送给接收比较电路，接收比较电路将经包络检波电路检波后的电压信号和系统设置的参考电压进行比较，根据比较结果输出数字信号，并将输出信号经反相器反向后送给单片机的外部中断控制口，外部中断控制口设为跳变触发，当外部中断控制口接收到有效下降沿后，单片机产生中断,记录当前时刻的定时器值，单片机中断三次后定时器停止计时；

步骤5：通过计算三次记录的定时器值的平均值和晃动梯度，其中晃动梯度为三次测得时最大值与最小值的差值，将平均值和晃动梯度作为神经网络所需的输入参量，将这两个参量发送给已训练好的神经网络数学模型，并获得经神经网络的输出值，输出值为当前时刻的液位值。

2.如权利要求1的方法，其特征在于，神经网络的数学模型的误差函数为：

E=12NΣt=1N(y(t)-yd(t))2]]>

其中，N为训练样本数，y(t)为t时刻BP神经网络输出，y_d(t)为t时刻期望输出值；用BP算法训练神经网络时，调整网络的连接权值，其调整表达式为：

w(t+1)=w(t)+η∂E(t)∂w(t)]]>

其中，w(t)为t时刻的神经网络的连接权值，w(t+1)为(t+1)时刻神经网络的连接权值，E(t)为t时刻神经网络的均方误差，η为学习速率。

3.如权利要求1的方法，其特征在于，采用三个超声波传感器组成阵列结构，同步激励发射脉冲超声波，利用定长时窗内接收的回波信号包络提取瞬时液面反射点的时延信息。