基于机器学习的非接触式水位计校准算法研究

发布时间：2025-07-18 22:41

　　 由于环境等因素影响,用于测量水位的超声波、雷达式等非接触式水位计存在一定的测量误差,更换高精度设备会增加成本,为解决测量误差,提出基于机器学习的水位计校准算法。该算法融合测量误差产生的环境因素,采用迭代Boosting学习算法,构建Adaboost的单层决策树模型,采用误差辗转递送的强学习算法对测量误差进行校准。算法仿真结果显示,校准结果可以很好地拟合标准设备测量值,校准算法不仅克服更换设备带来的成本,还将传统的仪器校准迁移至后端软件层面,为解决非接触式水位计校准提供新手段。

【文章页数】：4 页

【部分图文】：

图1 Boosting模型算法流程图

Boosting模型使用基于单层决策树的AdaBoost模型，训练数据集输出校准值，其算法流程如图1所示。利用误差辗转递送的水位测量数据实时校准算法步骤如下：

图2 校准算法仿真结果

根据校准算法理念，本研究采集赣江某监测点1个月的水位数据，采用SEBAPuls20雷达水位计作为自建点采集设备，测量范围为0～35m，测量精度为±2cm，输出4～20mA电流信号，水位数据采样为1次/h。校准算法仿真结果如图2所示，其中蓝色曲线为自建点采集设备实际采样的水....

本文编号：4057543