[发明专利]基于LSTM的油罐液面超声测量方法、系统、终端及存储介质

权利要求书

1.一种基于LSTM的油罐液面超声测量方法，其特征在于，包括：

利用超声波装置定期采集油罐液面高度，生成液面时间序列；

利用预先训练好的长短期记忆人工神经网络模型对所述液面时间序列进行处理，得到预测液面高度；

利用所述液面时间序列生成液面波动曲线图，并将所述液面波动曲线图和所述预测液面高度输出显示。

2.根据权利要求1所述的方法，其特征在于，利用超声波装置定期采集油罐液面高度，生成液面时间序列，包括：

设定采集周期，根据所述采集周期定期向设置在油罐顶部的超声波装置发送脉冲信号，所述脉冲信号触发超声波装置发送超声波；基于超声波的传播速度和超声波装置回收已发送的超声波的时长计算液面高度；

根据液面高度的采集时间对每次采集的液面高度进行排序，生成液面时间序列。

3.根据权利要求2所述的方法，其特征在于，根据所述采集周期定期向设置在油罐顶部的超声波装置发送脉冲信号，包括：

对发送的脉冲信号进行宽度测量，判断测量得到的脉冲宽度与本地存储的标准宽度是否一致：

若是，则将所述脉冲信号发送至超声波装置；

若否，则将所述脉冲信号的信号宽度调整至与所述标准宽度一致，并将调整后的脉冲信号发送至超声波装置。

4.根据权利要求1所述的方法，其特征在于，利用预先训练好的长短期记忆人工神经网络模型对所述液面时间序列进行处理，得到预测液面高度，包括：

计算液面时间序列中相邻的液面高度差值，若所述差值超过设定的波动阈值，则对所述液面时间序列进行去燥并对去燥后的液面时间序列进行归一化处理；

调用所述长短期记忆人工神经网络模型对归一化处理后的液面时间序列进行处理。

5.根据权利要求1所述的方法，其特征在于，长短期记忆人工神经网络模型的训练方法包括：

构建训练数据集，在所述训练数据集中存储大量的液面时间序列，每个液面时间序列的最后一个液面高度均为液面平稳状态下的准确液面高度；

利用所述训练数据集对长短期记忆人工神经网络模型进行训练，获得最优的长短期记忆人工神经网络模型。

6.一种基于LSTM的油罐液面超声测量系统，其特征在于，包括：

液面监控单元，用于利用超声波装置定期采集油罐液面高度，生成液面时间序列；

高度预测单元，用于利用预先训练好的长短期记忆人工神经网络模型对所述液面时间序列进行处理，得到预测液面高度；

液面显示单元，用于利用所述液面时间序列生成液面波动曲线图，并将所述液面波动曲线图和所述预测液面高度输出显示。

7.根据权利要求6所述的系统，其特征在于，所述液面监控单元用于：

设定采集周期，根据所述采集周期定期向设置在油罐顶部的超声波装置发送脉冲信号，所述脉冲信号触发超声波装置发送超声波；基于超声波的传播速度和超声波装置回收已发送的超声波的时长计算液面高度；

根据液面高度的采集时间对每次采集的液面高度进行排序，生成液面时间序列。

8.根据权利要求7所述的系统，其特征在于，所述液面监控单元还用于：

对发送的脉冲信号进行宽度测量，判断测量得到的脉冲宽度与本地存储的标准宽度是否一致：

若是，则将所述脉冲信号发送至超声波装置；

若否，则将所述脉冲信号的信号宽度调整至与所述标准宽度一致，并将调整后的脉冲信号发送至超声波装置。

9.一种终端，其特征在于，包括：

处理器；

用于存储处理器的执行指令的存储器；

其中，所述处理器被配置为执行权利要求1-5任一项所述的方法。

10.一种存储有计算机程序的计算机可读存储介质，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一项所述的方法。