基于BP神经网络的超声波流量计的设计

高正中，张晓燕，龚群英，宋森森，张　政

（山东科技大学 电气与自动化工程学院，山东 青岛　266590）

基于BP神经网络的超声波流量计的设计

高正中，张晓燕，龚群英，宋森森，张政

（山东科技大学 电气与自动化工程学院，山东 青岛266590）

摘要：基于控制器STM32，设计一款以时差法测量管道流量的超声波流量计，为了提高环境适应性和流量测量精度，时差测量采用基于BP神经网络滤波的广义互相关时延估计算法。该算法通过对多个具有特定统计规律的预滤波器的组合优化来对混合噪声进行滤波，其具有自学习调整能力，能够适应动态变化的环境。主要介绍流量测量基本原理、硬件结构以及软件设计，最后通过多种环境下的测试和结果分析，证明了该流量计适应性强、精确度高。

关键词：STM32；神经网络；时差法；广义互相关算法

流量的精确测量对提高人们的生活质量、企业的生产效率，对节约型社会的建立都有着非常重要的意义。超声波流量计由于非接触性、无压力损失、适用性强和便于安装维护等特点，近几年受到人们越来越多的重视。但实际工况环境多是混合噪声环境，流量计容易受多种噪声和各种干扰的影响而导致测量精度降低，因此对混合噪声的处理仍然是提高流量计精确度面临的一个问题［1⁃3］。针对上述情况，将广义互相关时延估计算法与神经网络滤波原理结合起来，设计了一种对管道流量进行测量的超声波流量计。其将多个具有特定统计规律的滤波器进行组合优化形成预滤波器，用预滤波器来对现场的混合环境噪声进行滤波，动态地调整预滤波器的相关参数，直到得到的互相关函数峰值达到最优，即得到明显、突出的相关峰。这大大提高了时差测量的精度。该超声波流量计因其高精度、快速性、强适应性，便于在各种场所中推广使用。

1　时差法流量测量原理

图1为超声波流量计的时差法测量原理［1］。超声换能器A，B分别安装在管道两外侧，他们不但能发射超声波，同时也能接收超声波。换能器A和B之间的距离为L。首先由微控制器STM32发出驱动脉冲到达A和B，两超声波换能器使A处于发射状态，B处于接收状态，则超声波由换能器A以角度θ发射进入管道，最终由换能器B获得顺流超声波信号；而逆流超声波信号的获取，只要通过微控制器STM32切换两换能器A和B的收发状态即可实现。容易知道逆流超声波传播时间tB大于顺流超声波传播时间tA。

假设v是流体流速，c是超声波在静水中的速度，超声波的顺流传播时间和逆流传播时间分别为：

式中：L为超声波传播距离；D为管道管径。

图1　时差法超声波流量计的原理图

顺流、逆流之间的传播时差为：

由于c≫v，所以简化式（1）可求得流体流速为：

可得流量：

此时可看出，流量正比于时差Δt，如果A，c，L和θ是已知量，若时差Δt被精确测得，那么根据式（2）就能得到流速，进而算得流量Q。

2　神经网络滤波原理

神经网络预滤波器是通过神经网络对多种模型滤波器进行优化，通过得到的互相关函数峰值的大小动态地调整预滤波器各权函数的权值［4］。图2是神经网络滤波原理图。

图2　神经网络滤波原理图

在采样过程中为防止因环境噪声的干扰而导致的相关峰被噪声峰淹没。通常采用广义互相关算法，即在不同环境下采用不同形式的加权函数锐化峰值，这相当于在频域进行滤波处理，使相关函数的峰值更加尖锐。常用的加权方式有ROTH加权、SCOT权函数、PHAT加权、最大似然（ML）权函数等。但是，广义互相关算法对噪声等干扰的先验信息依赖性强，而实际环境中多是特征信息未知的随机环境噪声且噪声多变。针对这种情况，本文提出了用BP神经网络对多加权方式进行网络训练的方法，同时运用多种加权进行时延估计。该算法先进入学习期，此时各个计算单元的状态不变，4个权函数上的权值通过自学习不断变化调整；进入工作期后，此时各权值是不变的，而计算单元变化，直到达到稳定状态。这种改进的时延估计算法弱化了对环境噪声先验信息的依赖性，提高了对环境的适应性［5］。设x1（t）和 x2（t）分别是换能器接收到的超声波顺、逆流信号，图3是基于BP神经网络的广义互相关时延估计算法原理图。

图3　基于BP神经网络的广义互相关时延估计算法原理图

3　系统硬件设计

图4是系统整体结构框图，该系统由STM32控制器、超声波信号发射和接收模块、收发切换模块、高速数据采集模块和人机接口模块等［6⁃9］构成。

图4　系统整体结构框图

3.1主控制器

本设计选用的主控制器是基于CortexTM⁃M4为内核的STM32F405，工作频率能够达到168 MHz，同时STM32F405微控制器集成了单周期的DSP指令和FPU并行计算功能，运算能力被大大提高，能够完成部分更复杂的系统控制。

3.2功率放大电路设计

由于单片机输出脉冲无法直接驱动超声波换能器，设计了如图5所示的功率放大电路，Q2和Q3组成推挽输出，为了防止2N5551管误导通，R1与C1组成一阶低通滤波。

3.3切换电路设计

设计中采用的超声换能器是发射⁃接收一体化的，当一个发射状态时，另一个必须处于接收状态。对比于机械开关，模拟开关有速度快、功耗低、无机械触点、使用寿命长和控制方便等优势。故采用模拟开关MAX4633作为切换器件实现两个换能器之间发射、接收电路的切换。如表1，图6所示，MAX4633采用18 V双电源供电，如果S0=1，S1=0，其内部结构COM2和NO2接通，NC4和COM4接通，COM1和NO1断开，COM3和NC3断开，此时换能器B接收信号，换能器A发射信号；反之如果 S0=0，S1=1，其内部结构COM2和NO2断开，NC4和COM4断开，COM1和NO1接通，COM3和NC3接通，此时换能器A接收信号，换能器B发射信号。

图5　功率放大电路原理图

表1　换能器切换

图6　切换电路图

4　系统软件设计

图7为系统软件设计流程图。软件系统首先是对各功能模块进行初始化，包括时钟、PWM通道、ADC通道及I/O口等设置。完成初始化后，STM32发射超声波驱动脉冲，发射换能器在该驱动脉冲作用下发出超声波信号；该顺流信号被接收换能器接收后进行A/D转换；再进入DMA中断服务程序，判断5次测量是否完毕，若未完成则继续测量，若完成则读取全部测量数据。随后，对收发换能器模块进行切换，重复上述运行过程，完成对逆流超声波信号的采集。待顺流、逆流超声波信号都被采集后，进入定时器中断，在定时器中断服务程序中完成对数据的基于BP神经网络的广义互相关计算和峰值检测等，最后将获得的流速在LCD上实时显示。

5　检测环境及数据

为了方便测量，该超声波流量计被设计成了M1型外夹式，如表2所示是其相关参数指标值。由居民楼供暖管道流量测量实验来进行流量准确度验证。如图8所示，该供暖管道由一条主管道和两条分支管道组成。

图7　系统软件流程图

表2　超声波流量计系统指标

图8　居民楼供暖管道

图8中，主管道直径为65 mm，左边的支路管道的直径为30 mm，右边的支路管道直径为50 mm。通过测量主管道和两个分支管道中的暖水流速，然后将它们与实际流速进行对比，来验证该流量计的精度和实用性。

设计中借助于多次测量然后求取平均值的方法来避免偶然性，进而进一步提高系统精度。该设计连续5次采集管道暖水流速，除去最大流速和最小流速两个数据后，将余下的三个测量流速值求平均作为当前流速。如表3所示。

图9为主管道的超声波信号数据波形。图9中上部曲线波形是顺流回波信号，下部曲线波形是逆流回波信号。另外，将逆流信号与顺流信号进行比较，逆流信号有一定的延时。

表3　居民楼供暖管道测量数据

图9　主管道测试时超声波信号

6　结　语

本文在测量时差时将广义互相关时延估计算法与BP神经网络相结合，通过预滤波器的自学习寻优，一定程度上增强了广义互相关算法对混合动态噪声环境的适应性。由居民楼供暖管道流量测量数据知，该超声波流量计测得的流速与实际暖水流速十分接近，相对误差都小于1%，所以可以认为该流量计在精确度和实用性方面达到了设计的基本要求。

参考文献

［1］赵鑫，金宁德，王化祥.相关流量测量技术发展［J］.化工自动化及仪表，2005，32（1）：1⁃6.

［2］姜勇.时差法超声波流量计设计与研发［D］.杭州：浙江大学，2006.

［3］兰纯纯.时差法超声波流量计的研究［D］.重庆：重庆大学，2006.

［4］祖丽楠，吴秀谦.一种基于神经网络滤波的广义互相关时延估计方法的设计［J］.化工自动化及仪表，2012，39（8）：1023⁃1025.

［5］VOUTSAS K，ADAMY J.A biologically inspired spiking neu⁃ral network for sound source lateralization［J］.IEEE transac⁃tions on neural networks，2007，18（6）：1795⁃1799.

［6］高正中，谭冲，赵联成，等.基于TDC⁃GP22高精度低功耗超声波热量表的设计［J］.电子技术应用，2015，41（7）：61⁃63.

［7］张兴红，张慧，王先全，等.基于ARM的超声波流量计A/D转换电路设计［J］.自动化与仪表，2010，25（11）：18⁃21.

［8］曹茂永，王霞，郁道银.高噪声背景下超声信号数字处理技术研究［J］.仪器仪表学报，2002，23（2）：200⁃202.

［9］杨震.基于超声波时差法管道流量计积分算法及实验研究［D］.西安：西安理工大学，2006.

中图分类号：TN926⁃34；TP311

文献标识码：A

文章编号：1004⁃373X（2016）16⁃0006⁃04

doi：10.16652/j.issn.1004⁃373x.2016.16.002

作者简介：高正中（1971—），男，副教授，硕士生导师。研究方向为检测技术与自动化装置、电力系统自动化。张晓燕（1989—），女，硕士研究生。研究方向为电力系统自动化。龚群英（1991—），女，硕士研究生。研究方向为电力系统自动化。

收稿日期：2015⁃12⁃21

基金项目：中国博士后科学基金（2015T80729）；研究生科技创新基金（YC150347）

Design of ultrasonic flowmeter based on BP neural network

GAO Zhengzhong，ZHANG Xiaoyan，GONG Qunying，SONG Sensen，ZHANG Zheng
（College of Electrical and Automation Engineering，Shandong University of Science and Technology，Qingdao 266590，China）

Abstract：A ultrasonic flowmeter taking time⁃difference method for pipe flow measurement was designed based on the con⁃troller STM32.In order to improve the environmental suitability and flow measurement accuracy，the generalized cross⁃correla⁃tion time⁃delay estimation algorithm based on the BP neural network filtering is applied to time⁃difference detection.The algo⁃rithm filters the mixed noise by combining and optimizing the multiple filters with specific statistical characteristics，has self⁃learning and self⁃adjusting ability，and is able to adapt to the dynamic changing environment.The basic principles of the flow measurement，hardware structure and software design are mainly introduced in this paper.The strong adaptability and high ac⁃curacy of the flowmeter were proved through test in a variety of environment and the result analysis.

Keywords：STM32；neural network；time⁃difference method；generalized cross⁃correlation algorithm