CN113670391B - 一种河道和明渠的智能流量测量***及解调方法 - Google Patents
一种河道和明渠的智能流量测量***及解调方法 Download PDFInfo
- Publication number
- CN113670391B CN113670391B CN202111106086.2A CN202111106086A CN113670391B CN 113670391 B CN113670391 B CN 113670391B CN 202111106086 A CN202111106086 A CN 202111106086A CN 113670391 B CN113670391 B CN 113670391B
- Authority
- CN
- China
- Prior art keywords
- flow
- fluid
- information
- flow rate
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000005259 measurement Methods 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 36
- 239000012530 fluid Substances 0.000 claims description 80
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 38
- 239000007788 liquid Substances 0.000 claims description 33
- 230000008569 process Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 238000003062 neural network model Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 230000005284 excitation Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 claims 2
- 230000004927 fusion Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 2
- 239000013307 optical fiber Substances 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 16
- 230000008901 benefit Effects 0.000 description 4
- 239000000835 fiber Substances 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F1/00—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow
- G01F1/002—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow wherein the flow is in an open channel
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
- G01F23/04—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by dip members, e.g. dip-sticks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K11/00—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00
- G01K11/32—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00 using changes in transmittance, scattering or luminescence in optical fibres
- G01K11/3206—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00 using changes in transmittance, scattering or luminescence in optical fibres at discrete locations in the fibre, e.g. using Bragg scattering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
- G01P5/24—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft by measuring the direct influence of the streaming fluid on the properties of a detecting acoustical wave
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
- G01P5/26—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft by measuring the direct influence of the streaming fluid on the properties of a detecting optical wave
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Multimedia (AREA)
- Fluid Mechanics (AREA)
- Measuring Volume Flow (AREA)
- Acoustics & Sound (AREA)
Abstract
本发明提供了一种河道和明渠的智能流量测量***及解调方法,基于光纤传感与计算机视觉融合技术,该智能流量测量***,结合视频图像和“光纤热线”的方法,通过视频测量液体流态和液位,光纤热线用于测量流速,实现图像、液位和流速等多尺度多参数融合测量,从而实现流量的高精度测量。
Description
技术领域
本发明涉及水文结构技术领域,更具体地说,涉及一种河道和明渠的智能流量测量***及解调方法。
背景技术
明渠是一种具有自由表面即表面上各点受大气压强的作用的水流的渠道,根据它的形成可分为天然明渠和人工明渠,前者如天然河道,后者如人工输水渠道、运河及未充满水流的管道等。
目前的明渠很多作为生活用水和农业用水的渠道,随着城市的扩张、农业及工业的不断发展,对水的需求量也越来越大,因此需要及时掌握水库、水渠的水文状况,以满足生活及生产用水的需求。
那么,明渠的流量是必不可少的测量数据,但是目前对明渠流量的测量精度较低,无法满足实际测量需求。
发明内容
有鉴于此,为解决上述问题,本发明提供一种河道和明渠的智能流量测量***及解调方法,技术方案如下:
一种河道和明渠的智能流量测量***,所述智能流量测量***包括:处理器以及智能流量测量装置;
所述智能流量测量装置包括:
箱体,所述箱体包括相对设置的第一侧面和第二侧面,以及相对设置的上表面和下底面;
固定在所述第一侧面和所述第二侧面上的水尺;
固定在所述上表面的图像采集器件,所述图像采集器件用于采集流过所述箱体的流体图像以及水尺图像;
固定在所述第一侧面和所述第二侧面上的多个流速传感器,所述流速传感器用于测量所述流速传感器相对应位置处流体的瞬时流速;
所述处理器用于对所述流体图像和所述水尺图像进行处理,生成流体的流态信息以及所述流速传感器的液位信息;
所述处理器还用于依据所述流态信息、所述液位信息、所述瞬时流速以及第一信息,生成流量信息;
其中,所述第一信息为所述第一侧面和所述第二侧面之间的距离。
优选的,在上述智能流量测量***中,多个所述流速传感器分为多组流速传感器;
任意一组流速传感器包括两个所述流速传感器,其中一个所述流速传感器设置在所述第一侧面上,另一个所述流速传感器设置在所述第二侧面上,且位于同一水平面上;
多组流速传感器在第一方向上依次设置,所述第一方向为所述下底面指向所述上表面的方向。
优选的,在上述智能流量测量***中,在所述第一方向上,相邻两组流速传感器之间的间距相等。
优选的,在上述明智能流量测量***中,所述流速传感器为FPG部分以及温度场生成部分;
其中,所述温度场生成部分用于产生温度场,所述温度场用于实现对流量测量精度的补偿;
所述FPG部分用于测量所述温度场在流体的动态过程中的变化情况,生成所述流速传感器相对应位置处流体的瞬时流速。
优选的,在上述智能流量测量***中,所述温度场生成部分为掺杂在所述FPG部分的掺杂元素;
所述掺杂元素用于在泵浦激光的激发下生成所述温度场。
优选的,在上述智能流量测量***中,所述温度场生成部分为包围所述FPG部分的发热层。
优选的,在上述智能流量测量***中,所述流速传感器为超声流速传感器或电磁流速传感器。
优选的,在上述智能流量测量***中,所述图像采集器件为摄像头。
优选的,在上述智能流量测量***中,所述智能流量测量***还包括:
固定在所述上表面的光源。
一种解调方法,应用于上述任一项所述的智能流量测量***,所述解调方法包括:
通过所述图像采集器件获取所述流体图像和所述水尺图像,以及通过所述流速传感器获取所述流速传感器相对应位置处流体的瞬时流速;
对所述流体图像和所述水尺图像进行处理,生成流体的流态信息以及所述流速传感器的液位信息;
依据所述流态信息、所述液位信息、所述瞬时流速以及第一信息,生成流量信息;
其中,所述第一信息为所述第一侧面和所述第二侧面之间的距离。
相较于现有技术,本发明实现的有益效果为:
本发明提供的一种河道和明渠的智能流量测量***包括:处理器以及智能流量测量装置;所述智能流量测量装置包括:箱体,所述箱体包括相对设置的第一侧面和第二侧面,以及相对设置的上表面和下底面;固定在所述第一侧面和所述第二侧面上的水尺;固定在所述上表面的图像采集器件,所述图像采集器件用于采集流过所述箱体的流体图像以及水尺图像;固定在所述第一侧面和所述第二侧面上的多个流速传感器,所述流速传感器用于测量所述流速传感器相对应位置处流体的瞬时流速;所述处理器用于对所述流体图像和所述水尺图像进行处理,生成流体的流态信息以及所述流速传感器的液位信息;所述处理器还用于依据所述流态信息、所述液位信息、所述瞬时流速以及第一信息,生成流量信息;其中,所述第一信息为所述第一侧面和所述第二侧面之间的距离。
该智能流量测量***融合多种器件通过视频测量流体流态和液位,以及通过传感器测量各个区域的流速,实现图像、液位和流速等多尺度多参数融合测量,从而实现流量的高精度测量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种河道和明渠的智能流量测量***的原理结构示意图;
图2为本发明实施例提供的一种流态信息生成的原理示意图;
图3为本发明实施例提供的一种液位信息生成的原理示意图;
图4为本发明实施例提供的一种液位与流速的曲线关系示意图;
图5为本发明实施例提供的另一种河道和明渠的智能流量测量***的原理结构示意图;
图6为本发明实施例提供的又一种河道和明渠的智能流量测量***的原理结构示意图;
图7为本发明实施例提供的又一种河道和明渠的智能流量测量***的原理结构示意图;
图8为本发明实施例提供的一种解调方法的流程示意图;
图9为本发明实施例提供的一种流量信息生成的原理示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
基于本申请背景技术记载的内容而言,目前的对明渠流量测测量精度较低。
示例性的,在超声测量中,其测量精度受水的流态影响较大,导致无法在流态如涡流、气旋等恶劣情况下准确的测量出流量。
在雷达测量或视频测量等技术手段中,只能测量流体表面的流速情况,通过估计表面流速计算出整体的流量,误差较大。
基于此,本申请提供了一种新型的明渠流量测量***,结合视频图像和“光纤热线”的方法,通过视频测量液体流态和液位,光纤热线用于测量流速,实现图像、液位和流速等多尺度多参数融合测量,从而实现流量的高精度测量。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
参考图1,图1为本发明实施例提供的一种河道和明渠的智能流量测量***的原理结构示意图。
所述智能流量测量***包括:处理器11以及智能流量测量装置。
所述智能流量测量装置包括:
箱体12,所述箱体12包括相对设置的第一侧面13和第二侧面14,以及相对设置的上表面15和下底面16。
固定在所述第一侧面13和所述第二侧面14上的水尺17。
固定在所述上表面15的图像采集器件18,所述图像采集器件18用于采集流过所述箱体12的流体图像以及水尺图像。
固定在所述第一侧面13和所述第二侧面14上的多个流速传感器19,所述流速传感器19用于测量所述流速传感器19相对应位置处流体的瞬时流速。
所述处理器11用于对所述流体图像和所述水尺图像进行处理,生成流体的流态信息以及所述流速传感器的液位信息。
所述处理器11还用于依据所述流态信息、所述液位信息、所述瞬时流速以及第一信息,生成流量信息。
其中,所述第一信息为所述第一侧面13和所述第二侧面14之间的距离。
需要说明的是,在本申请中该流态信息至少包括流体的流动过程中的流动状态信息以及流体表面是否存在障碍物等信息。
在该实施例中,参考图2,图2为本发明实施例提供的一种流态信息生成的原理示意图,所述处理器11对所述流体图像进行处理,生成流体的流态信息具体为:如图2所示,基于监督学习原理,采集并制作具备标签的流态图像(即图2中所示的已知流态图像),流态图像经过神经网络模型进行训练评价,并不断调整神经网络模型及其参数,使其具备最佳的流态分类效果,从而建立流态模型。
在处理器11接收到由图像采集器件传输的流体图像之后,输入至流态模型进行分类识别,完成不同流态的分类识别,即可获得与流体图像相对应的流态信息。
参考图3,图3为本发明实施例提供的一种液位信息生成的原理示意图,所述处理器11对所述水尺图像进行处理,生成所述流速传感器的液位信息具体为:如图3所示,在处理器11接收到由图像采集器件传输的水尺图像之后,首先进行图像灰度处理,其次进行形态学处理,将目标特征从水尺图像中分割,即图3中所示的水尺灰度阈值分割,之后再进行灰度与形态特征处理,字符匹配与尺度提取,即最终得到目标特征,从而进行液位的识别。
参考图4,图4为本发明实施例提供的一种液位与流速的曲线关系示意图,其中,图4中横坐标表示液位,也可以说是流速传感器所在的高度;纵坐标表示流速传感器相对应位置处的瞬时流速。
流量=流速×面积;面积=高×宽。
其中,流速为流速传感器相对应位置处的瞬时流速;
高为液位,也可以说是流速传感器所在的高度;
宽为第一信息,即所述第一侧面和所述第二侧面之间的距离。
由于第一侧面和第二侧面之间的距离固定不变,即宽的值不变,那么流量的大小可以用图4所示曲线的积分面积进行表征。
可选的,在本发明另一实施例中,参考图5,图5为本发明实施例提供的另一种河道和明渠的智能流量测量***的原理结构示意图。
多个所述流速传感器19分为多组流速传感器。
任意一组流速传感器包括两个所述流速传感器19,其中一个所述流速传感器19设置在所述第一侧面13上,另一个所述流速传感器19设置在所述第二侧面14上,且位于同一水平面上。
多组流速传感器在第一方向上依次设置,所述第一方向为所述下底面16指向所述上表面15的方向。
在该实施例中,为了精确测量每一层液位下流体的瞬时流速,将多个流速传感器分为多组流速传感器,每一层液位下设置一组流速传感器,即通过在流体流过箱体的两侧同时通过两个流速传感器对同一层液位下的瞬时流速进行测量,以提高瞬时流速的测量精度。
可选的,在本发明另一实施例中,参考图6,图6为本发明实施例提供的又一种河道和明渠的智能流量测量***的原理结构示意图。
在所述第一方向上,相邻两组流速传感器之间的间距相等,即H1=Hi,其中,i为正整数。
在该实施例中,若在第一方向上,相邻两组流速传感器之间的间距不相等,即有些区域的间距较密,有些区域的间距较疏,那么,间距较密的区域存在设置过多流速传感器的问题,会造成成本高的问题,间距较疏的区域存在流体瞬时流速监控不到位的问题,会造成流量测量精度不准确。
因此,在本发明实施例中通过将多组流速传感器在第一方向上等间距排布,保证流体在第一方向上的瞬时流速都可以很好的被测量,进一步提高流量的测量精度。
可选的,在本发明另一实施例中,所述流速传感器19为FPG部分以及温度场生成部分;
其中,所述温度场生成部分用于产生温度场,所述温度场用于实现对流量测量精度的补偿;
所述FPG部分用于测量所述温度场在流体的动态过程中的变化情况,生成所述流速传感器相对应位置处流体的瞬时流速。
在该实施例中,FPG全称为Fiber Bragg Grating,即光纤布拉格光栅,也就是说在纤芯内形成的空间相位周期性分布的光栅,具备测温能力。
所述温度场生成部分用于产生温度场,该温度场在不同流速及方向的情况下会发生改变,通过对温度和流速相对关系的解调,通过FPG部分实现流速的测量。
可选的,在本发明另一实施例中,所述温度场生成部分为掺杂在所述FPG部分的掺杂元素;
所述掺杂元素用于在泵浦激光的激发下生成所述温度场。
在该实施例中,该掺杂元素包括但不限于Gu,可以在泵浦激光的激发下生成所述温度场,该流速传感器可以命名为掺杂型FPG流速传感器。
可选的,在本发明另一实施例中,所述温度场生成部分为包围所述FPG部分的发热层。
在该实施例中,该发热层包括但不限于金属发热层,在外部供电的情况下,自发产生温度场。
可选的,在本发明另一实施例中,所述流速传感器19还可以为超声流速传感器或电磁流速传感器。
可选的,在本发明另一实施例中,所述图像采集器件18为摄像头。
需要说明的是,该图像采集器件18也可以设置在箱体12的外部,进一步的,在图像采集器件18设置在箱体12的外部之后,也可以通过保护装置实现对图像采集器件18的保护。
参考图7,图7为本发明实施例提供的又一种智能流量测量***的原理结构示意图,所述河道和明渠的智能流量测量***还包括:
固定在所述上表面15的光源20。
在该实施例中,在箱体12的内部设置一光源20,提供照明条件,使摄像头可以采集到优质的流体图像以及水尺图像,以提高图像处理后流态信息以及液位信息的精确度,以此最终提高流量的测量精度。
可选的,基于本发明上述全部实施例,在本发明另一实施例中还提供了一种解调方法,该解调方法应用于上述任一实施例所述的河道和明渠的智能流量测量***,参考图8,图8为本发明实施例提供的一种解调方法的流程示意图。
所述解调方法包括:
S101:通过所述图像采集器件获取所述流体图像和所述水尺图像,以及通过所述流速传感器获取所述流速传感器相对应位置处流体的瞬时流速。
S102:对所述流体图像和所述水尺图像进行处理,生成流体的流态信息以及所述流速传感器的液位信息。
S103依据所述流态信息、所述液位信息、所述瞬时流速以及第一信息,生成流量信息。
其中,所述第一信息为所述第一侧面和所述第二侧面之间的距离。
可选的,本申请还提供了另一种流量信息生成的方法,参考图9,图9为本发明实施例提供的一种流量信息生成的原理示意图,如图9所示,基于神经网络算法,并配置相应的处理单元,将流态信息、液位信息、瞬时流速、温度信息等多维度参数信息作为神经网络模型的一组训练数据参量,根据校正的标准表作为标签,对神经网络模型进行训练和评价训练出相应的流量信息测量模型。
在实际的流量测量过程中,实时基于获取的流态信息、液位信息、瞬时流速、温度信息等多维度参数信息,作为流量信息测量模型的一组输入信息,直接得到相对应的流量信息。
需要说明的是,本发明实施例提供的智能流量测量方法的原理与本发明上述实施例提供的智能流量测量***的原理相同,在此不再赘述。
通过上述描述可知,本申请提供的河道和明渠的智能流量测量***至少具有以下特点:
一、该智能流量测量***是一种全光学方案,使用寿命长,抗电磁干扰能力强;现有箱式明渠流量计,无论超声波、电磁方式等,均需要电子水尺、电磁传感器、超声波传感器等电磁类传感器,而本***采用FBG(光纤)、摄像头(光学图像)结合的方式,没有任何电磁类传感器。
二、该智能流量测量***是一种精准的多传感多尺度融合方案,传统方案中,只是单一的超声或者电磁计算出流速后,根据水位积分计算得出流量,并无法在复杂流态、杂物等情况下得出精准的流量计量。
三、该智能流量测量***中多传感器之间相互融合,实现效益与精度的提升;摄像头不仅分析了流态、杂物堵塞等场景为流量信息测量模型提供信息,同时还可以通过图像与刻度结合计算出液位信息,既节省了电子水尺的使用(2000元人民币一个电子水尺),又为流量信息测量模型提供了补偿,提高了流量测量精度。
四、该智能流量测量***采集传感参数数量和维度多,设计匹配的神经网络算法模型简单,准确度高;由于不同的流态、不同的水位高度、不同的场景位置下,流速、水位和流量关系均带来不同的计算模型,要分析具体的模型是困难的。因此,该智能流量测量***采用神经网络算法,并配置响应的处理单元,将水位、流态、流速、温度和阻挡等多维度参数作为训练数据参量,根据校正的标准表作为标签,采用神经网络模型训练出响应的模型,以此来进行流量计算。具有效率高和精度高的优点。
以上对本发明所提供的一种河道和明渠的智能流量测量***及解调方法进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素,或者是还包括为这些过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种河道和明渠的智能流量测量***,其特征在于,所述智能流量测量***包括:处理器以及智能流量测量装置;
所述智能流量测量装置包括:
箱体,所述箱体包括相对设置的第一侧面和第二侧面,以及相对设置的上表面和下底面;
固定在所述第一侧面和所述第二侧面上的水尺;
固定在所述上表面的图像采集器件,所述图像采集器件用于采集流过所述箱体的流体图像以及水尺图像;
固定在所述第一侧面和所述第二侧面上的多个流速传感器,所述流速传感器用于测量所述流速传感器相对应位置处流体的瞬时流速;
所述处理器用于对所述流体图像和所述水尺图像进行处理,生成流体的流态信息以及所述流速传感器的液位信息;其中,所述流体的流态信息至少包括流体的流动过程中的流动状态信息以及流体表面是否存在障碍物信息;
所述处理器,具体用于接收由所述图像采集器件传输的所述流体图像之后,输入至流态模型进行分类识别,获得与所述流体图像相对应的流态信息;所述处理器具体还用于将所述流态信息、所述液位信息、所述瞬时流速以及第一信息输入流量信息测量模型中,生成流量信息;所述流量信息测量模型是基于神经网络算法,将流态信息、液位信息、瞬时流速、温度信息等多维度参数信息作为神经网络模型的一组训练数据参量,根据校正的标准表作为标签,对神经网络模型进行训练和评价训练得到的;
其中,所述第一信息为所述第一侧面和所述第二侧面之间的距离。
2.根据权利要求1所述的智能流量测量***,其特征在于,多个所述流速传感器分为多组流速传感器;
任意一组流速传感器包括两个所述流速传感器,其中一个所述流速传感器设置在所述第一侧面上,另一个所述流速传感器设置在所述第二侧面上,且位于同一水平面上;
多组流速传感器在第一方向上依次设置,所述第一方向为所述下底面指向所述上表面的方向。
3.根据权利要求2所述的智能流量测量***,其特征在于,在所述第一方向上,相邻两组流速传感器之间的间距相等。
4.根据权利要求1所述的智能流量测量***,其特征在于,所述流速传感器为FPG部分以及温度场生成部分;
其中,所述温度场生成部分用于产生温度场,所述温度场用于实现对流量测量精度的补偿;
所述FPG部分用于测量所述温度场在流体的动态过程中的变化情况,生成所述流速传感器相对应位置处流体的瞬时流速。
5.根据权利要求4所述的智能流量测量***,其特征在于,所述温度场生成部分为掺杂在所述FPG部分的掺杂元素;
所述掺杂元素用于在泵浦激光的激发下生成所述温度场。
6.根据权利要求4所述的智能流量测量***,其特征在于,所述温度场生成部分为包围所述FPG部分的发热层。
7.根据权利要求1所述的智能流量测量***,其特征在于,所述流速传感器为超声流速传感器或电磁流速传感器。
8.根据权利要求1所述的智能流量测量***,其特征在于,所述图像采集器件为摄像头。
9.根据权利要求1所述的智能流量测量***,其特征在于,所述智能流量测量***还包括:
固定在所述上表面的光源。
10.一种解调方法,其特征在于,应用于权利要求1-9任一项所述的智能流量测量***,所述解调方法包括:
通过所述图像采集器件获取所述流体图像和所述水尺图像,以及通过所述流速传感器获取所述流速传感器相对应位置处流体的瞬时流速;
对所述流体图像和所述水尺图像进行处理,生成流体的流态信息以及所述流速传感器的液位信息;其中,所述流体的流态信息至少包括流体的流动过程中的流动状态信息以及流体表面是否存在障碍物信息;
所述对所述流体图像,生成流体的流态信息包括接收由所述图像采集器件传输的所述流体图像之后,输入至流态模型进行分类识别,获得与所述流体图像相对应的流态信息;
将依据所述流态信息、所述液位信息、所述瞬时流速以及第一信息输入流量信息测量模型中,生成流量信息;所述流量信息测量模型是基于神经网络算法,将流态信息、液位信息、瞬时流速、温度信息等多维度参数信息作为神经网络模型的一组训练数据参量,根据校正的标准表作为标签,对神经网络模型进行训练和评价训练得到的;
其中,所述第一信息为所述第一侧面和所述第二侧面之间的距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111106086.2A CN113670391B (zh) | 2021-09-22 | 2021-09-22 | 一种河道和明渠的智能流量测量***及解调方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111106086.2A CN113670391B (zh) | 2021-09-22 | 2021-09-22 | 一种河道和明渠的智能流量测量***及解调方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113670391A CN113670391A (zh) | 2021-11-19 |
CN113670391B true CN113670391B (zh) | 2024-02-09 |
Family
ID=78549811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111106086.2A Active CN113670391B (zh) | 2021-09-22 | 2021-09-22 | 一种河道和明渠的智能流量测量***及解调方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113670391B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114877974B (zh) * | 2022-06-08 | 2022-12-23 | 广州计量检测技术研究院 | 量入式玻璃量器的液面自动调定方法及装置、设备 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102564508A (zh) * | 2011-12-14 | 2012-07-11 | 河海大学 | 基于视频图像的河流流量在线测验实现方法 |
CN103698102A (zh) * | 2013-12-17 | 2014-04-02 | 哈尔滨工程大学 | 一种管束间高温高压汽液两相流型实验装置及流型判别方法 |
CN104155471A (zh) * | 2014-07-10 | 2014-11-19 | 天津大学 | 基于超声与电学多传感器互相关测速的多相流测试方法 |
CN105426830A (zh) * | 2015-11-11 | 2016-03-23 | 浙江大学 | 基于多视觉信息融合技术的小通道气液两相流流型识别***和方法 |
CN106979791A (zh) * | 2017-04-20 | 2017-07-25 | 苏州南智传感科技有限公司 | 内加热fbg传感器及其封装方法 |
CN107014451A (zh) * | 2017-05-03 | 2017-08-04 | 东南大学 | 基于广义回归神经网络推测超声波流量传感器系数的方法 |
CN107179421A (zh) * | 2017-06-29 | 2017-09-19 | 山东省科学院激光研究所 | 流速传感器探头及流速测量*** |
CN107202570A (zh) * | 2017-07-14 | 2017-09-26 | 珠江水利委员会珠江水利科学研究院 | 水位流速流量监测一体化装置、监测***及监测方法 |
CN108225448A (zh) * | 2018-03-09 | 2018-06-29 | 中国长江电力股份有限公司 | 一种光纤f-p多参量智能流量传感器及测量方法 |
CN109405808A (zh) * | 2018-10-19 | 2019-03-01 | 天津英田视讯科技有限公司 | 一种水利监测球形摄像机 |
CN110426084A (zh) * | 2019-06-24 | 2019-11-08 | 北京联创思源测控技术有限公司 | 一种不满管一体化测流装置及方法 |
CN110864742A (zh) * | 2019-12-02 | 2020-03-06 | 中国人民解放军国防科技大学 | 基于微纳光纤耦合器干涉仪的全光纤温盐深传感器 |
CN112362900A (zh) * | 2020-10-30 | 2021-02-12 | 天地伟业技术有限公司 | 一种无人值守的水位流速监测摄像机及监测方法 |
CN112945208A (zh) * | 2021-01-28 | 2021-06-11 | 天地伟业技术有限公司 | 河道断面流速水位监测球形摄像机 |
-
2021
- 2021-09-22 CN CN202111106086.2A patent/CN113670391B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102564508A (zh) * | 2011-12-14 | 2012-07-11 | 河海大学 | 基于视频图像的河流流量在线测验实现方法 |
CN103698102A (zh) * | 2013-12-17 | 2014-04-02 | 哈尔滨工程大学 | 一种管束间高温高压汽液两相流型实验装置及流型判别方法 |
CN104155471A (zh) * | 2014-07-10 | 2014-11-19 | 天津大学 | 基于超声与电学多传感器互相关测速的多相流测试方法 |
CN105426830A (zh) * | 2015-11-11 | 2016-03-23 | 浙江大学 | 基于多视觉信息融合技术的小通道气液两相流流型识别***和方法 |
CN106979791A (zh) * | 2017-04-20 | 2017-07-25 | 苏州南智传感科技有限公司 | 内加热fbg传感器及其封装方法 |
CN107014451A (zh) * | 2017-05-03 | 2017-08-04 | 东南大学 | 基于广义回归神经网络推测超声波流量传感器系数的方法 |
CN107179421A (zh) * | 2017-06-29 | 2017-09-19 | 山东省科学院激光研究所 | 流速传感器探头及流速测量*** |
CN107202570A (zh) * | 2017-07-14 | 2017-09-26 | 珠江水利委员会珠江水利科学研究院 | 水位流速流量监测一体化装置、监测***及监测方法 |
CN108225448A (zh) * | 2018-03-09 | 2018-06-29 | 中国长江电力股份有限公司 | 一种光纤f-p多参量智能流量传感器及测量方法 |
CN109405808A (zh) * | 2018-10-19 | 2019-03-01 | 天津英田视讯科技有限公司 | 一种水利监测球形摄像机 |
CN110426084A (zh) * | 2019-06-24 | 2019-11-08 | 北京联创思源测控技术有限公司 | 一种不满管一体化测流装置及方法 |
CN110864742A (zh) * | 2019-12-02 | 2020-03-06 | 中国人民解放军国防科技大学 | 基于微纳光纤耦合器干涉仪的全光纤温盐深传感器 |
CN112362900A (zh) * | 2020-10-30 | 2021-02-12 | 天地伟业技术有限公司 | 一种无人值守的水位流速监测摄像机及监测方法 |
CN112945208A (zh) * | 2021-01-28 | 2021-06-11 | 天地伟业技术有限公司 | 河道断面流速水位监测球形摄像机 |
Also Published As
Publication number | Publication date |
---|---|
CN113670391A (zh) | 2021-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Neal et al. | Collaborative framework for PIV uncertainty quantification: the experimental database | |
Muste et al. | Considerations on direct stream flow measurements using video imagery: Outlook and research needs | |
Brevis et al. | Integrating cross-correlation and relaxation algorithms for particle tracking velocimetry | |
Tauro et al. | Flow monitoring with a camera: a case study on a flood event in the Tiber river | |
Legout et al. | High spatial resolution mapping of surface velocities and depths for shallow overland flow | |
Hyun et al. | Assessment of PIV to measure mean velocity and turbulence in open-channel flow | |
Bristow et al. | Turbulent flow structure associated with collision between laterally offset, fixed‐bed barchan dunes | |
Yeow et al. | Reproducing the Bolund experiment in wind tunnel | |
Muñoz-Cobo et al. | Development of conductivity sensors for multi-phase flow local measurements at the Polytechnic University of Valencia (UPV) and University Jaume I of Castellon (UJI) | |
CN113670391B (zh) | 一种河道和明渠的智能流量测量***及解调方法 | |
CN109186706A (zh) | 一种用于城市雨洪淹没区预警的方法 | |
Bai et al. | An intelligent water level monitoring method based on SSD algorithm | |
Lin et al. | The artificial intelligence of things sensing system of real-time bridge scour monitoring for early warning during floods | |
Vaghefi et al. | A comparison among data mining algorithms for outlier detection using flow pattern experiments | |
Herzog et al. | Measuring zero water level in stream reaches: A comparison of an image‐based versus a conventional method | |
CN105068075B (zh) | 一种近地面大风的计算方法 | |
Sugisaki et al. | Single-pixel correlation applied to background-oriented schlieren measurement | |
Schweitzer et al. | A method for analysis of spatial uncertainty in image based surface velocimetry | |
Hoi et al. | SPTV sheds light on flow dynamics of fractal-induced turbulence over a plate-fin array forced convection | |
Oertel et al. | Two-dimensional dam-break wave analysis: particle image velocimetry versus optical flow | |
Lin et al. | Application of image technique to obtain surface velocity and bed elevation in open-channel flow | |
CN101210935B (zh) | 一种次流场瞬态特性的测量方法 | |
Piirto et al. | A comparative study of five different PIV interrogation algorithms | |
Mali et al. | Experimental and numerical study of flood in a river-network-floodplain set-up | |
Wei et al. | An artificial intelligence segmentation method for recognizing the free surface in a sloshing tank |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |