基于神经网络的超声波流速测量模型

摘要

传统的超声多普勒测流采用线性定斜率K的方法,不能准确反馈水流随环境变化的多变性.应用人工神经网络的建模方法,采用多层感知器的模型结构和自适应学习速率的BP学习算法,建立了基于超声多普勒频率测量流速的功能模型,并将辨识模型的仿真结果与系统实验测量数据比较,以检验神经网络模型的可靠性.仿真实验采用不同性能的实测数据作为训练样本,通过训练得出了流速测量神经网络模型的结构和参数,以及网络输出均方误差曲线,并作出了垂线流速分布图.实验结果表明:该流速测量建模方法具有较高的精度和较强的适应性,能更好地反映系统输入输出之间的非线性关系,模型的应用符合水力学规律.