一种基于短时傅里叶变换和卷积神经网络的液位预测方法
授权
摘要
本发明公开了一种基于卷积神经网络的非接触式液位预测方法。本发明首先，通过声共振液位测量仪器获取实验所需的共振波数据集。其次，对时域数据集进行短时傅里叶变换,将一维时域波形信号转换为二维频谱图形式作为卷积神经网络的输入。然后，基于卷积神经网络构建回归模型，选用均方误差作为损失函数，选用Adam函数作为优化算法。最后，将训练集输入到构建的卷积神经网络模型中进行模型，再将测试集输入到训练好的卷积神经网络模型中获得预测的液位高度。本发明通过构建卷积神经网络回归模型，实现从原始数据到任务目标的映射过程；通过对模型参数迭代优化，提升卷积神经网络模型的泛化能力和预测结果的准确性。
基本信息
专利标题 ：
一种基于短时傅里叶变换和卷积神经网络的液位预测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN111811617A
申请号 ：
CN202010660942.8
公开（公告）日 ：
2020-10-23
申请日 ：
2020-07-10
授权号 ：
CN111811617B
授权日 ：
2022-06-14
发明人 ：
姬志永徐晓滨冯静陶志刚马成荣侯平智
申请人 ：
杭州电子科技大学
申请人地址 ：
浙江省杭州市钱塘新区白杨街道2号大街
代理机构 ：
浙江千克知识产权代理有限公司
代理人 ：
周希良
优先权 ：
CN202010660942.8
主分类号 ：
G01F23/296
IPC分类号 ：
G01F23/296
IPC结构图谱
G
G部——物理
G01
测量；测试
G01F
容积、流量、质量流量或液位的测量；按容积进行测量
G01F23/00
液体液面或流动的固态材料料面的指示或测量，例如，用容积指示，应用报警装置的指示
G01F23/22
通过测量除线性尺寸、压力或重量以外的其他与被测液面有关的物理变量，例如，通过测量蒸汽或水传热的差异
G01F23/28
通过测量直接施加到液体或流动的固态材料上的电磁波或声波参数的变化
G01F23/296
声波
法律状态
2022-06-14 ：
授权
2020-11-10 ：
实质审查的生效
IPC(主分类) : G01F 23/296
申请日 : 20200710
申请日 : 20200710
2020-10-23 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
