基于人工神经网络算法的罐车用液温传感器及其方法与流程

本发明涉及自动化检测领域，具体涉及基于人工神经网络算法的罐车用液温传感器及其方法。

背景技术：

各类易燃、易爆危险品在运输过程中存在着巨大的安全隐患，一旦发生泄漏，将会引发中毒、火灾甚至爆炸事故，严重危害人民的生命和财产安全。因此，在各类液态危险品运输过程中，及时掌握液位、温度等罐体运输介质的物理状态，是保证运输过程安全的重要措施；

目前对于储罐液位的监控手段分为接触式和非接触式，接触式主要有人工检尺法、浮子测量装置、伺服式、电容式和磁致伸缩式的液位计，其共同特点是感应元件与被测液体接触，存在磨损且易被液体黏住和腐蚀等风险；非接触式主要有微波雷达、射线、激光及超声液位计，其共同特点是感应元件不与被测液体接触，不受介质影响，由于运输车辆在行驶过程中往往存在颠簸，从而导致液位会发生无规律性的起伏变化，液位计采集的数据基本上是一种非平稳随机信号，这对于液位计获取准确液位数据带来了一定困难。

同时，目前测量液位和温度需要两个传感器，在罐体上安装时，需要开设的孔位较多，而传统的非接触式液位计和温度计体积较大，占用空间较大。

技术实现要素：

针对现有技术中提到的问题，本发明基于人工神经网络算法的罐车用液温传感器及其方法，能克服罐车行驶过程中颠簸所带来的液位测量不准问题和传感器微型化，集成化。

本发明基于人工神经网络算法的罐车用液温传感器，包括探头与终端系统，所述探头有用于检测温度与用于检测液位的集成功能，探头与终端之间电连接；所述探头包括底板、筒体、换能器、上盖、密封环、屏蔽导线及温度传感器，所述筒体一端与底板相连，另一端与上盖相连，其中换能器设于筒体内，温度传感器安装于底板上且朝向上盖的端面上，所述屏蔽导线与筒体之间通过密封环相连；所述终端包括盖体、显示屏、处理器、电池、壳体、电连接器、电路板、开关及密封圈，所述壳体顶部与上盖相连，壳体底部与电连接器相连，壳体内设有处理器，其处理器底部与电路板相连，电路板上还安装有开关，处理器上还设有用于提供电源的电池与显示屏，电池与电池仓盖相连，所述处理器与壳体之间通过密封圈密封相连。

优选地，所述盖体呈透明设置，其盖体可显示出显示屏内容。

优选地，所述的显示屏上设有罐体的液温与液位状态。

优选地，所述探头与终端之间相连时，通过屏蔽导线与电连接器相连，其中电连接器为插座结构，屏蔽导线上设有与插座相配合的插头结构。

基于人工神经网络算法的罐车用液温传感器的方法，包含以下步骤：

（1）首先在罐车装载液体且行驶状态下，利用探头获取运输车辆行驶过程中的液位与液温数据，探头将探测得到的信号作为人工神经网络的输入，显示屏为最终显示数据作为人工神经网络输出；

（2）控制人工神经网络处于学习状态，将步骤一采集的训练样本数据输入到人工神经网络中，神经网络对输入变量做出响应，产生网络输出，然后对网络输出和目标输出进行比较并进行人工神经网络训练，当两者的误差不满足预设的精度时，神经网络调整网络权值，直到误差小于预设精度时结束；

（3）人工神经网络训练包括信号正向传播与误差反向传播过程，信号正向传播过程是信号通过输入神经元依次逐层传递，经过隐层和输出层的非线性处理，最后由输出神经元输出，该过程网络权值不变；

误差反向传播过程是将神经网络的输出和目标输出比较，当误差较大时，将两者的误差信号作为输入信号从网络的输出层逐层向前传播，反向传播使得神经网络的网络权值朝着误差函数见效的方向不断修正，直到误差减小到预设的精度；

（4）当神经网络处于工作状态，神经网络根据步骤三中训练好的网络权值对输入液温与液位做出响应，使得车辆运行状态下的液位和液温不随行驶过程发生变化，从而显著改善了液温与液位的测量准确度。

本发明相对于现有技术，取得了以下的技术效果：

本发明采用集成微器件制造技术生产的液温传感检测单元能够显著减小液温和液位传感器的外形尺寸和功耗，扩展了传感器的使用范围，有利于仪器设备、仪器系统的小型化；液温和液位传感器同步监测，有利于从多维度进行罐车安全性的诊断；利用人工神经网络算法进行监测数据的处理，有效规避了行驶过程液面浮动带来的数据误差，有助于系统更准确的对罐车运行状态做出合理判断，减少误判可能性。

附图说明

图1为本发明终端结构示意图。

图2为本发明探头结构示意图。

图3为本发明方法流程示意图。

附图标记：1-盖体；2-显示屏；3-电池仓盖；4-电池；5-壳体；6-电连接器；7-电路板；8-开关；9-密封圈；10-底板；11-筒体；12-换能器；13-上盖；14-密封环；15-屏蔽导线；16-温度传感器。

具体实施方式

实施例

本发明基于人工神经网络算法的罐车用液温传感器，如图1与图2所示，包括探头与终端系统，所述探头有用于检测温度与用于检测液位的集成功能，探头与终端之间电连接；

所述探头包括底板10、筒体11、换能器12、上盖13、密封环14、屏蔽导线15及温度传感器16，所述筒体11一端与底板10相连，另一端与上盖13相连，其中换能器12设于筒体11内，温度传感器16安装于底板10上且朝向上盖13的端面上，所述屏蔽导线15与筒体11之间通过密封环14相连；所述终端包括盖体1、显示屏2、处理器、电池4、壳体5、电连接器6、电路板7、开关8及密封圈9，所述壳体5顶部与上盖13相连，壳体5底部与电连接器6相连，壳体5内设有处理器，其处理器底部与电路板7相连，电路板7上还安装有开关8，处理器上还设有用于提供电源的电池4与显示屏2，电池4与电池仓盖3相连，所述处理器与壳体5之间通过密封圈9密封相连。所述盖体1呈透明设置，其盖体1可显示出显示屏2内容。所述的显示屏2上设有罐体的液温与液位状态。所述探头与终端之间相连时，通过屏蔽导线15与电连接器6相连，其中电连接器6为插座结构，屏蔽导线15上设有与插座相配合的插头结构。

基于人工神经网络算法的罐车用液温传感器的方法，包含以下步骤：

（1）首先在罐车装载液体且行驶状态下，利用探头获取运输车辆行驶过程中的液位与液温数据，探头将探测得到的信号作为人工神经网络的输入，显示屏为最终显示数据作为人工神经网络输出；

（2）控制人工神经网络处于学习状态，将步骤一采集的训练样本数据输入到人工神经网络中，神经网络对输入变量做出响应，产生网络输出，然后对网络输出和目标输出进行比较并进行人工神经网络训练，当两者的误差不满足预设的精度时，神经网络调整网络权值，直到误差小于预设精度时结束；

（3）人工神经网络训练包括信号正向传播与误差反向传播过程，信号正向传播过程是信号通过输入神经元依次逐层传递，经过隐层和输出层的非线性处理，最后由输出神经元输出，该过程网络权值不变；

误差反向传播过程是将神经网络的输出和目标输出比较，当误差较大时，将两者的误差信号作为输入信号从网络的输出层逐层向前传播，反向传播使得神经网络的网络权值朝着误差函数见效的方向不断修正，直到误差减小到预设的精度；

（4）当神经网络处于工作状态，神经网络根据步骤三中训练好的网络权值对输入液温与液位做出响应，使得车辆运行状态下的液位和液温不随行驶过程发生变化，从而显著改善了液温与液位的测量准确度。