[发明专利]涡轮流量计的补偿方法及其系统、存储介质

说明书

本发明公开了一种涡轮流量计的补偿方法及其系统、存储介质。所述涡轮流量计的补偿方法包括以下步骤：获取涡轮流量计的数据，包括多组训练数据和实际数据，其中每一数据包括频率、温度及期望流量值；根据所述训练数据的频率、温度及期望流量值建立一初始数据模型。本发明通过神经网络非线性映射能力强，具有良好的泛化能力，可对涡轮流量计中小流量频段下的非线性特征进行矫正，实现全量程范围内的准确测量。

技术领域

本发明涉及计算机技术领域，尤其涉及一种涡轮流量计的补偿方法及其系统、存储介质。

背景技术

随着人工智能的快速发展，利用机器学习技术，如深度学习技术在诸如图像分类与检测，语音识别，自然语言处理等任务上取得了较好的效果，目前广泛落地于安防，医疗，广告传媒等诸多领域。在相关技术中，神经网络训练方法一般利用固定的神经网络进行训练，但这种方法受限于神经网络本身预先设定好的固有架构，使得训练得到的模型实际处理效果差，尤其是小数据量训练神经网络得到的模型，容易导致模型过拟合的问题。

针对涡轮流量计，传统涡轮流量计在中小流量频段测量出现了非线性误差以及温度变化导致的测量误差。为以弥补传统补偿方法的不足，提高流量测量精度，实现流量计全量程范围内的准确测量，亟需一种新的补偿方法用以解决现有技术中的不足。

发明内容

本发明实施例提供一种涡轮流量计的补偿方法及其系统、存储介质、控制流量计的方法，能够有效解决目前传统方法在小流量频段测量出现了非线性误差以及温度变化导致的测量误差的问题。

根据本发明的一方面，本发明实施例提供一种涡轮流量计的补偿方法，包括以下步骤：获取涡轮流量计的数据，包括多组训练数据和实际数据，其中每一数据包括频率、温度及期望流量值；根据所述训练数据的频率、温度及期望流量值建立一初始数据模型；将每一训练数据的频率、温度输入所述初始数据模型，得到对应的流量补偿值；计算每一期望流量与对应的流量补偿值的差值；根据所述多个差值计算训练误差；判断所述训练误差是否小于预设值，若所述训练误差小于预设值时，则将所述初始数据模型作为测试模型；若所述训练误差大于等于预设值时，则调整所述初始数据模型参数，重新训练，直至所述训练误差小于预设值，将调整参数后所述初始数据模型作为测试模型；以及将所述实际数据的频率、温度输入至所述测试模型中，得到实际的流量补偿值。

进一步地，获取涡轮流量计的数据步骤之前，还包括步骤：通过流量计采集涡轮流量计的数据。

进一步地，在通过流量计采集样本数据步骤之后，还包括步骤：剔除采集涡轮流量计的数据中异常的涡轮流量计的数据。

进一步地，在剔除样本数据中异常的样本数据步骤之后，还包括步骤：将所述涡轮流量计的数据通过归一化处理。

进一步地，所述多组数据样本为t组数据样本，所述t为大于0的自然数，每一所述多个差值为e_t，所述训练误差为E＝(e₁²+…e_t²)/2。