專利名稱：利用時(shí)間延遲神經(jīng)網(wǎng)絡(luò)的液體計(jì)量設(shè)備的制作方法
與有關(guān)申請(qǐng)的相互參考本專利申請(qǐng)與下列共同審理中的美國專利申請(qǐng)有關(guān)申請(qǐng)?zhí)?8/996858、標(biāo)題為“利用傳感器融合和數(shù)據(jù)融合的液體計(jì)量”的專利申請(qǐng)；申請(qǐng)?zhí)?8/996747、標(biāo)題為“改進(jìn)的超聲液體計(jì)量系統(tǒng)”的專利申請(qǐng)；申請(qǐng)?zhí)?8/997444、標(biāo)題為“利用原始算法分析的探測(cè)器布置”的專利申請(qǐng)，現(xiàn)在美國專利6006604；申請(qǐng)?zhí)?8/997137、標(biāo)題為“用于植入式航空燃料計(jì)量系統(tǒng)的黑板中央分層軟件結(jié)構(gòu)”的專利申請(qǐng)；申請(qǐng)?zhí)?8/997271、標(biāo)題為“通用傳感器接口系統(tǒng)和方法”的專利申請(qǐng)。所有這些專利申請(qǐng)是在1997年12月23日提出的，并共同為本申請(qǐng)的受讓人擁有。在這里作為參考引進(jìn)它們的全部公開內(nèi)容。
例如，航空器燃料箱在飛行期間經(jīng)常經(jīng)受姿態(tài)變化。飛行使燃料表面運(yùn)動(dòng)，造成如燃料晃動(dòng)、液面振動(dòng)和波動(dòng)(這里只說出一些)這樣的條件。在這些條件下，傳感器燃料的測(cè)量會(huì)滯后于姿態(tài)或加速測(cè)量，給出的輸入樣式與神經(jīng)網(wǎng)絡(luò)被訓(xùn)練時(shí)的輸入樣式不同。在神經(jīng)網(wǎng)絡(luò)的訓(xùn)練期間，末考慮這樣的表面效應(yīng)。因此，靜態(tài)神經(jīng)網(wǎng)絡(luò)會(huì)估算出與燃料箱中確切存在不相同的液體量。
另外，液體計(jì)量系統(tǒng)的傳感器一般包括內(nèi)部緩沖。該內(nèi)部緩沖會(huì)使得它的液體參數(shù)測(cè)量滯后于任何液體狀態(tài)的快速變化。因此，甚至，例如，如由于容器間的液體轉(zhuǎn)移引起的快速液體量變化這樣的瞬態(tài)條件，也會(huì)導(dǎo)致靜態(tài)神經(jīng)網(wǎng)絡(luò)的液體量估算的不準(zhǔn)確。不僅在訓(xùn)練期間未計(jì)及與這樣的動(dòng)態(tài)效應(yīng)有關(guān)的誤差，而且任何可從這樣效應(yīng)得到的附加信息作為這樣的內(nèi)部傳感器緩沖被有效地過濾掉。從訓(xùn)練的觀點(diǎn)看，這樣的效應(yīng)可以使靜態(tài)神經(jīng)網(wǎng)絡(luò)的量確定更可靠。
因此，最希望有的是這種液體計(jì)量系統(tǒng)，它不僅能夠考慮當(dāng)前傳感器參數(shù)測(cè)量，而且也能夠考慮過去的傳感器參數(shù)測(cè)量。包括過去的參數(shù)測(cè)量的歷史會(huì)導(dǎo)致一種液體量估算的改進(jìn)，即使眼前的傳感器測(cè)量也不單獨(dú)提供由于如上面例舉那樣的瞬態(tài)條件而引起的實(shí)際的當(dāng)前液體狀態(tài)。本發(fā)明提供這樣的一種性能上的改進(jìn)。
按照本發(fā)明的另一個(gè)方面，根據(jù)當(dāng)前和過去液體參數(shù)傳感器測(cè)量來計(jì)算容器中液體量的訓(xùn)練時(shí)間延遲神經(jīng)網(wǎng)絡(luò)算法的方法包括以下步驟建立容器中液體特性的動(dòng)態(tài)模型和由許多傳感器檢測(cè)的所述液體行為的參數(shù)測(cè)量；從所述動(dòng)態(tài)模型為許多液體量值導(dǎo)出訓(xùn)練數(shù)據(jù)組，每個(gè)所述數(shù)據(jù)組包括當(dāng)前和過去的與許多液體量值中的一個(gè)對(duì)應(yīng)的液體參數(shù)傳感器測(cè)量值和所述對(duì)應(yīng)的液體量值；用所述導(dǎo)出訓(xùn)練數(shù)據(jù)組訓(xùn)練所述時(shí)間延遲神經(jīng)網(wǎng)絡(luò)算法。
圖2示出本發(fā)明的一個(gè)實(shí)施例的方框圖。
圖3示出適于圖2實(shí)施例使用的時(shí)間延遲神經(jīng)網(wǎng)絡(luò)。
圖4示出表示液體參數(shù)測(cè)量過去的歷史的時(shí)間圖。
圖5和圖5A示出本發(fā)明的一個(gè)替代實(shí)施例的方框圖。
圖6示出適于為圖5的替代實(shí)施例提供背景使用的無延遲神經(jīng)網(wǎng)絡(luò)。
圖7示出適于在圖5的替代實(shí)施例中使用的時(shí)間延遲神經(jīng)網(wǎng)絡(luò)的方框圖。
發(fā)明的詳細(xì)說明參照

圖1，以一個(gè)示例性應(yīng)用表示本發(fā)明的一個(gè)實(shí)施例，在這種情況下是針對(duì)航空器上的燃料計(jì)量。雖然在這里以航空器燃料計(jì)量角度具體說明本發(fā)明，但這是為了表示和解釋的目的，而不應(yīng)被認(rèn)為有限制的意義。本專業(yè)技術(shù)人員會(huì)認(rèn)識(shí)到，本發(fā)明將對(duì)任何其中想要確定容器中液體量的液體計(jì)量領(lǐng)域有應(yīng)用。
在圖1示出一個(gè)航空器10，其帶有按照本發(fā)明的機(jī)載燃料測(cè)量/計(jì)量設(shè)備12。在這個(gè)例子中，計(jì)量設(shè)備12被用來確定在航空器的一個(gè)或多個(gè)燃料箱14中的燃料13的量。這里使用的術(shù)語“量”，不用作燃料量就是用作液體量，指的是不能由傳感器直接測(cè)量的明確表示其體積、重量、質(zhì)量或它們的組合的液體13的定量。基本關(guān)系是圖1質(zhì)量＝體積*密度或M＝V*ρ并且圖2重量＝質(zhì)量*加速度或W＝N*a在燃料箱14中燃料13的體積和/或質(zhì)量是特別有意義的，因?yàn)榭側(cè)剂腺|(zhì)量決定驅(qū)動(dòng)航空器10可利用的能量，而確定體積一般是確定質(zhì)量的前提。在如飛機(jī)這樣的動(dòng)態(tài)環(huán)境中直接的體積或質(zhì)量傳感器是不可利用的。所以，體積和/或質(zhì)量的量是從燃料13的其他參數(shù)的測(cè)量和計(jì)算中導(dǎo)出的。這里所說的其他參數(shù)包括，例如，密度、加速度和箱中燃料高度。這些和其他參數(shù)不是用各種傳感器16(在圖1上總地表示)來測(cè)量，就是從這樣測(cè)量和其他計(jì)算中導(dǎo)出。這里所說的傳感器包括但不限于電容探測(cè)傳感器、壓力傳感器、超聲的液位傳感器、加速度計(jì)和溫度傳感器。如這里所用的，一個(gè)容器中液體參數(shù)，即“液體參數(shù)”包括任何可被測(cè)量、探測(cè)或由計(jì)算或其他技術(shù)導(dǎo)出的液體特性。更特別是，被測(cè)量或被探測(cè)的液體參數(shù)包括任何液體特性(例如，回波傳輸時(shí)間、溫度、壓力、容量等)和/或作用在液體上的外部參數(shù)，例如，加速力。這些各種參數(shù)本質(zhì)上是示例性的，并不意味任何意義上的排斥和限制。導(dǎo)出液體參數(shù)是這樣的液體的任一參數(shù)、特性或性質(zhì)，即，它是根據(jù)一個(gè)或多個(gè)測(cè)量的參數(shù)和/或其它對(duì)系統(tǒng)可用的信息確定、計(jì)算或另外導(dǎo)出的，例如，燃料平面高度、密度和聲速(VOS)。這些導(dǎo)出參數(shù)本質(zhì)上是示例性的，并不應(yīng)該在限定的意義上解釋它們。
在本發(fā)明的一個(gè)實(shí)施例中，一些、一個(gè)或所有的，例如，如同傳統(tǒng)的電容探測(cè)傳感器這樣的傳感器16可以安置在一個(gè)箱中，如果傳感器設(shè)計(jì)如此要求的話。然而，在本發(fā)明的另一實(shí)施例中，仔細(xì)地考慮到，所有的傳感器16將是非插入的。這意味著，沒有任何傳感器將需要被電氣上暴露于燃料13和/或被另外地安裝或安置在箱14內(nèi)。一般說，為本公開用途的非插入傳感器是一種這樣的傳感器，即，可以把它安裝在它的與箱14一起工作的位置，并可以把它從該位置移出，而當(dāng)傳感器被移出時(shí)，不須從箱14移出燃料13或者沒有燃料從箱14中大量損失，以及/或者，是一種這樣的傳感器，即，它不把燃料13暴露于電氣能量的情況下工作。但注意到這一點(diǎn)是重要的，即，本發(fā)明也可在插入傳感器條件下被應(yīng)用，如果一個(gè)特定應(yīng)用這樣需要的話。
傳感器16產(chǎn)生輸出，典型地，是以電信號(hào)的形式。這些輸出被連接或輸入到燃料計(jì)量處理器18。典型地，處理器18將是計(jì)算機(jī)或功能上類似的電子硬件和軟件組合，它按照本發(fā)明的技術(shù)處理傳感器16的輸出和確定箱14中的燃料13的量。
下面參照?qǐng)D2上描述的本發(fā)明的實(shí)施例。燃料計(jì)量設(shè)備12包括許多液體液位傳感器16。對(duì)于該實(shí)施例，例如，它們可以是傳統(tǒng)的電容探測(cè)傳感器。它們被安置箱14中的各個(gè)位置，用于測(cè)量在上述位置的液體13的高度。雖然本實(shí)施例中只表示了4個(gè)傳感器，但要明白，可使用比4個(gè)多或少的傳感器，并不偏離本實(shí)施的原則。每個(gè)傳感器16典型地包括一個(gè)由一些同心管組成的結(jié)構(gòu)，在管之間具有電介質(zhì)間隔，于是電容被在傳感器位置的容器中液體的液位確定。因此，每個(gè)傳感器16檢測(cè)到的電容是在其位置的液體液位的函數(shù)。傳統(tǒng)上，電容探測(cè)傳感器16被連接到傳統(tǒng)的激勵(lì)電路15。激勵(lì)電路15用時(shí)間變化波形信號(hào)激勵(lì)傳感器16。響應(yīng)該激勵(lì)從傳感器16輸出的信號(hào)被連接到信號(hào)調(diào)節(jié)電路17。調(diào)節(jié)電路17可以包括，例如，跨導(dǎo)和電壓放大器、濾波器等。來自電路17的調(diào)節(jié)輸出信號(hào)可以被數(shù)字化。在本實(shí)施例中，用一個(gè)傳統(tǒng)的數(shù)字化器19，在被數(shù)字處理器單元18處理前，如上所述確定容器14中的液體量。
對(duì)每個(gè)傳感器16都可以有一個(gè)激勵(lì)電路。在這種情況下，處理可以平行控制每一個(gè)傳感器?；蛘?，用另一個(gè)方式，可以只有一個(gè)激勵(lì)電路。這個(gè)激勵(lì)電路可以被分多路，由處理器18所控制的順序方式激勵(lì)每個(gè)傳感器。另外，每個(gè)傳感器16可被連接到一個(gè)單獨(dú)的信號(hào)調(diào)節(jié)電路，并且，它的輸出被選取，以在處理器18的控制下由數(shù)字化器19被數(shù)字化。或者，用另一個(gè)方式，每個(gè)傳感器輸出信號(hào)可以被單獨(dú)選取，以被單個(gè)信號(hào)調(diào)節(jié)電路調(diào)節(jié)，并且，它的被選取的、被調(diào)節(jié)的輸出在處理器18的控制下由數(shù)字化器19被數(shù)字化。其他電路組合也可用來測(cè)量(液)位傳感器16的電容和提供被測(cè)量參數(shù)到處理器18。因此，本發(fā)明不應(yīng)被以任何方式限制使用的特定傳感器測(cè)量容器中液體液位。也不應(yīng)限制分別到傳感器和來自傳感器的信號(hào)的激勵(lì)和信號(hào)調(diào)節(jié)。
某些電容探測(cè)傳感器還可以包括一個(gè)電阻元件。該電阻元件可以以任何傳統(tǒng)的方式被測(cè)量和提供給處理器18用于提供電容參數(shù)測(cè)量的補(bǔ)償。其它這樣的系統(tǒng)補(bǔ)償液體的溫度。甚至由于時(shí)間和溫度變化條件引起的系統(tǒng)激勵(lì)和信號(hào)調(diào)節(jié)部件的不準(zhǔn)確度也可通過用參考電阻和/或電容元件的自動(dòng)校準(zhǔn)和半自動(dòng)校準(zhǔn)來補(bǔ)償。關(guān)于電容探測(cè)傳感器和它們的激勵(lì)及信號(hào)調(diào)節(jié)的更詳細(xì)解釋，參照授予Lawrence Maier和轉(zhuǎn)讓給與本專利申請(qǐng)相同的受讓人的美國專利4626616和4968946。把它們作為參考引進(jìn)在本申請(qǐng)中，用于提供這樣的液體液位檢測(cè)系統(tǒng)的結(jié)構(gòu)和工作細(xì)節(jié)。
可以被編程到本實(shí)施例的處理器18中的時(shí)間延遲神經(jīng)網(wǎng)絡(luò)算法改進(jìn)如上所述的電容傳感器測(cè)量的處理。這種處理是考慮了動(dòng)態(tài)流體表面效應(yīng)以及由于燃料箱的快速排放和加注引起的液體量變化確定液體量。動(dòng)態(tài)流體表面效應(yīng)，如像晃動(dòng)或周期的波動(dòng)，通常出現(xiàn)，尤其在航空器燃料箱環(huán)境中。在圖3的功能圖上示出了適于在可被本實(shí)施例的處理器18執(zhí)行的算法中使用的時(shí)間延遲神經(jīng)網(wǎng)絡(luò)的例子。參照?qǐng)D3，本實(shí)施例的時(shí)間延遲神經(jīng)網(wǎng)絡(luò)算法包括在L1處的第一層節(jié)點(diǎn)或神經(jīng)元。它們通過對(duì)每個(gè)測(cè)量信號(hào)的適當(dāng)加權(quán)接納斷續(xù)的電流和時(shí)間延遲的傳感器輸出信號(hào)C1-C4。在本實(shí)施例中，每個(gè)傳感器測(cè)量C1-C4被一個(gè)時(shí)間延遲單元延遲一個(gè)預(yù)定的時(shí)間增量d，提供給一組過去的測(cè)量。要明白，那些測(cè)量C1-C4可以被多于一個(gè)的延遲單元延遲，而且，對(duì)于每個(gè)時(shí)間延遲增量將有另一組過去的測(cè)量和用于它們由神經(jīng)網(wǎng)絡(luò)算法處理的相應(yīng)輸入節(jié)點(diǎn)。第一層節(jié)點(diǎn)的輸出被分配給第二或隱蔽層L2的節(jié)點(diǎn)或神經(jīng)元并在那里累加，在每個(gè)情況下都用一個(gè)適當(dāng)?shù)募訖?quán)。最后，第二層的節(jié)點(diǎn)的輸出在第三或輸出層的單個(gè)節(jié)點(diǎn)或神經(jīng)元處被累加，以有效地把當(dāng)前和過去參數(shù)測(cè)量的時(shí)間軌跡變換到液體體積和/或質(zhì)量量輸出Q。這樣一來，參數(shù)測(cè)量的過去值以及它們時(shí)間上增量可以被用作神經(jīng)網(wǎng)絡(luò)功能變換的一部分。在下面的各節(jié)中，這樣的一個(gè)時(shí)間延遲神經(jīng)網(wǎng)絡(luò)算法的結(jié)構(gòu)和工作將成為更明顯的。
上述神經(jīng)網(wǎng)絡(luò)實(shí)施例的變化包括用于每個(gè)傳感器或參數(shù)測(cè)量的時(shí)間延遲單元的數(shù)目。該數(shù)目將取決于時(shí)間軌跡要在經(jīng)歷時(shí)間上多快被傳播。另一要被確定的參數(shù)是每個(gè)延遲單元的延遲時(shí)間或時(shí)間d的增量周期。某些延遲單元可以具有設(shè)置得彼此之間相對(duì)較高或較低的延遲時(shí)間d，即它們不需要是相等的，而對(duì)于其它傳感器可以不需要任何延遲單元。在本實(shí)施例中，所有傳感器都是具有基本相同的響應(yīng)時(shí)間的電容探測(cè)器，延遲單元可以被設(shè)置成基本上是同一增量時(shí)間延遲的延遲傳感器測(cè)量C1-C4。概念上，每個(gè)當(dāng)前電容測(cè)量Ci(t)的期望值不只與每個(gè)其他當(dāng)前電容測(cè)量Cj(t)，i≠j，有關(guān)，而且也與每個(gè)過去電容測(cè)量Ci(t-d)和Cj(t-d)有關(guān)。根據(jù)這些當(dāng)前和過去參數(shù)測(cè)量，可以獲悉一個(gè)適當(dāng)?shù)碾娙莸饺萜鲀?nèi)液體體積和/或質(zhì)量的神經(jīng)網(wǎng)絡(luò)變換。
在本實(shí)施例中，傳感器輸出信號(hào)可以在處理器18的控制下以與優(yōu)選的延遲時(shí)間一致的速率由數(shù)字化器19來采樣，以獲得每個(gè)傳感器探測(cè)的當(dāng)前和過去參數(shù)測(cè)量的斷續(xù)時(shí)間軌跡。該時(shí)間軌跡可以被儲(chǔ)存在經(jīng)那里的神經(jīng)網(wǎng)絡(luò)算法處理的處理器的存儲(chǔ)器中。用另一個(gè)方式，每個(gè)傳感器測(cè)量信號(hào)可以傳導(dǎo)到抽頭延遲線。在抽頭延遲線那里，抽頭輸出成為提供給編程數(shù)字處理器18的時(shí)間延遲參數(shù)測(cè)量。在任何情況下，當(dāng)前和/或過去測(cè)量采樣都可以以任何傳統(tǒng)方式在儲(chǔ)存在存儲(chǔ)器之前被數(shù)字化。最好是，僅預(yù)定數(shù)目的采樣被用于由神經(jīng)網(wǎng)絡(luò)算法的處理，即一個(gè)在采樣的時(shí)間上滑動(dòng)的窗口，以確定液體量。因此，可以用每個(gè)新的或當(dāng)前的采樣把最老的采樣移出延遲線或從存儲(chǔ)器改寫或擦除。一個(gè)在范圍C(t)到C(t-nd)上的來自一個(gè)探測(cè)器的電容測(cè)量的時(shí)間軌跡會(huì)代表一個(gè)比只單獨(dú)根據(jù)瞬時(shí)測(cè)量C(t)更豐富些的用于電容到體積(質(zhì)量)的神經(jīng)網(wǎng)絡(luò)變換的特征。圖4示出一組傳感器測(cè)量C(1)-C(4)的時(shí)間軌跡的例子。
可以按照一個(gè)基于液體運(yùn)動(dòng)狀態(tài)的動(dòng)態(tài)模型的訓(xùn)練數(shù)值組來訓(xùn)練上述時(shí)間延遲神經(jīng)網(wǎng)絡(luò)算法。該模型可被分析確定(即，根據(jù)關(guān)于加速容器中液體的運(yùn)動(dòng)方程式)或在某個(gè)加速度范圍上的實(shí)驗(yàn)確定。在后者的情況下，參數(shù)測(cè)量和其它數(shù)據(jù)可以在實(shí)驗(yàn)室設(shè)置或在實(shí)際環(huán)境中被收集，然后被用來建造一個(gè)適當(dāng)?shù)挠糜诋a(chǎn)生訓(xùn)練數(shù)據(jù)的模擬模型。訓(xùn)練數(shù)據(jù)可以并入已知的傳感器特性，包括任何硬件或軟件補(bǔ)償。從下面找到的說明中時(shí)間延遲神經(jīng)網(wǎng)絡(luò)的訓(xùn)練將成為更好理解的。
在本發(fā)明的另一個(gè)實(shí)施例中，燃料計(jì)量設(shè)備12包括不同的許多傳感器16，在圖5和5A上較詳細(xì)地表示了它們的構(gòu)成。對(duì)于該實(shí)施例，仔細(xì)地考慮到，一些傳感器組20將同一個(gè)燃料箱14一起使用。在一個(gè)實(shí)施例中，每個(gè)傳感器組20包括一個(gè)超聲液位傳感器22、一個(gè)溫度傳感器24和一個(gè)加速度計(jì)26。另一個(gè)傳感器組20a(在圖5上用虛線框20a表示)與差分壓力傳感器23和另一個(gè)加速度計(jì)26a的形式成一體。即使要考慮燃料層化(例如，由于溫度層化)，另外的壓力傳感器組可以在箱14內(nèi)的不同高度上被使用。然而，要明白，在不偏離本發(fā)明的主要原則的條件下，可以使用不同的傳感器16組合，或者諸傳感器根本不在物理上組合。
超聲型傳感器組20，在本例中用了2個(gè)，各自包括聲靶30。聲靶被用來允許確定聲音通過燃料13的速度(VOS)。聲靶30可被安置在箱14的里邊，并只是用作聲能反射器的物理元件。仔細(xì)地考慮到，原來是箱14設(shè)計(jì)的一部分的剛性固定的結(jié)構(gòu)元件(如像管、壁等)傳統(tǒng)上可被用于聲靶30，因而免除把任何結(jié)構(gòu)加到箱14內(nèi)部的任何需要。
按照這里所注意到的，最好，但不要求，所有傳感器22、24、26、26a和28是非插入式的。在圖5A上，用不同的幾何形狀示意地表示傳感器22、24和26(例如，對(duì)超聲傳感器22用一個(gè)圓；對(duì)加速度計(jì)26用一個(gè)三角形)，以強(qiáng)調(diào)本發(fā)明仔細(xì)考慮使用一些探測(cè)或測(cè)量不同燃料參數(shù)的不同的傳感器，這些參數(shù)如壓力、加速度和溫度。各種傳感器成“組”的專門的組合也不是實(shí)現(xiàn)本發(fā)明的一個(gè)要求。可以使用不同的組合，或者根本不在物理上組合傳感器。
在上述引進(jìn)的帶有申請(qǐng)編號(hào)08/99674的美國專利申請(qǐng)中，公開了用于組20中的每個(gè)超聲傳感器的設(shè)計(jì)細(xì)節(jié)。但是，傳感器16不需要作為傳感器組被組成，并可以是傳統(tǒng)的器件。一個(gè)合適的超聲傳感器22也或許是從西蒙茲(Simmonds)精密航空器設(shè)備公司可購的編號(hào)20182-0101元件；一個(gè)合適的溫度傳感器24是一個(gè)如從挪威航空公司可購的編號(hào)8752元件這樣的標(biāo)準(zhǔn)溫度傳感器；一個(gè)合適的用于傳感器組20a的壓力傳感器28是從山西姆(Sensym)公司可購的編號(hào)19C030A-4元件；以及，一個(gè)合適的加速度計(jì)26是從模擬器件公司可購的編號(hào)ADXL05EM-3元件。加速度計(jì)26最好是一個(gè)3軸加速度計(jì)，它們輸出如航空器飛行動(dòng)作那樣的加速信息。壓力傳感器28最好被安置在箱14的最大深度處，并傳統(tǒng)上可以是一種差分壓力傳感器，使得壓力測(cè)量固有地補(bǔ)償液面上部空間的和周圍的壓力。
計(jì)量系統(tǒng)12還包括一個(gè)計(jì)算機(jī)系統(tǒng)40。該計(jì)算機(jī)系統(tǒng)40可以是飛機(jī)燃料管理系統(tǒng)計(jì)算機(jī)(未示出)的一部分，或是一個(gè)通過適當(dāng)?shù)慕涌诠δ?2與燃料管理系統(tǒng)接口的單獨(dú)處理單元。該計(jì)算機(jī)系統(tǒng)40包括一個(gè)硬件和軟件結(jié)構(gòu)。該硬件和軟件結(jié)構(gòu)控制燃料計(jì)量系統(tǒng)12的總操作，包括傳感器16操作的控制、各種融合算法的執(zhí)行管理和與下流處理功能的接口的控制。在上述引進(jìn)的帶有申請(qǐng)編號(hào)08/997137的審理中的專利申請(qǐng)中，提供了一個(gè)用于計(jì)算機(jī)系統(tǒng)40的適當(dāng)軟件結(jié)構(gòu)的細(xì)節(jié)。但是，本發(fā)明不依賴于，也不要求總執(zhí)行計(jì)算機(jī)系統(tǒng)40作為燃料計(jì)量系統(tǒng)12的一部分使用。相反地，本發(fā)明的目的是利用時(shí)間延遲神經(jīng)網(wǎng)絡(luò)概念進(jìn)行液體計(jì)量，由處理器48執(zhí)行。該液體計(jì)量可以與如系統(tǒng)40這樣的總?cè)剂嫌?jì)量計(jì)算機(jī)系統(tǒng)結(jié)合或分離地來實(shí)現(xiàn)。計(jì)算機(jī)系統(tǒng)40包括一個(gè)通用傳感器接口(USI)部分44。USI44的主要功能是控制和激活各種不同傳感器16和接收、處理和格式化從各種傳感器16的輸出。USI44以數(shù)據(jù)流46的形式提供傳感器16的輸出信號(hào)給包括時(shí)間延遲神經(jīng)網(wǎng)絡(luò)算法的處理器48。在上述引進(jìn)的帶有申請(qǐng)編號(hào)08/997271的美國專利申請(qǐng)中提供了USI44部分的詳細(xì)說明。然而，本發(fā)明不要求使用USI44，而寧愿可以替換地利用一些傳統(tǒng)電路中的任何一個(gè)。這些傳統(tǒng)電路對(duì)于本專業(yè)技術(shù)人員是高熟知的，它們處理原始的傳感器16的輸出信號(hào)和以與到處理器48的輸入兼容的格式提供傳感器16的輸出信息。與每個(gè)傳感器的輸出相聯(lián)系的抽頭延遲線的延遲單元可以包括USI44的一部分，如果被要求的話。用另一個(gè)方式，這樣的延遲線處理可以用處理器48的算法根據(jù)傳感器的輸出的采樣來執(zhí)行。
處理器48根據(jù)從傳感器16接收的數(shù)據(jù)流執(zhí)行本發(fā)明的功能和計(jì)算方面。處理器48可以是計(jì)算機(jī)系統(tǒng)40的主要處理單元，或可以是一個(gè)與它自已的執(zhí)行下述功能的硬件和軟件平行的或接口的單獨(dú)處理裝置(因而包括計(jì)量設(shè)備12的計(jì)算機(jī)系統(tǒng)40)。一種合適的處理器或許是從因特爾(Inte1)公司可購的元件編號(hào)80486的處理器。這樣，本發(fā)明通過燃料計(jì)量設(shè)備12，仔細(xì)地考慮接收傳感器16的輸出和確定在一個(gè)或多個(gè)燃料箱14中的燃料量的處理器48的使用。這個(gè)處理器48及其相關(guān)功能可以是同在上述引進(jìn)專利申請(qǐng)中所述的較高水平的總計(jì)算機(jī)系統(tǒng)40的結(jié)構(gòu)相結(jié)合的或者分離的，或者在沒有這個(gè)結(jié)構(gòu)的情況下被利用。例如，處理器48可以以微處理器、RISC處理器、DSP或它們的組合的形式被實(shí)現(xiàn)。
處理器48能夠提供可以以任何可與總?cè)剂瞎芾硐到y(tǒng)兼容的格式的輸出50?？?cè)剂瞎芾硐到y(tǒng)將把這些數(shù)據(jù)利用于進(jìn)行進(jìn)一步分析和顯示。仔細(xì)地考慮到，處理器輸出50將包括指示按所要求的質(zhì)量和/或體積表示的每個(gè)箱14中的燃料量的數(shù)值(或者對(duì)所有箱14的累加量)。從時(shí)間延遲神經(jīng)網(wǎng)絡(luò)算法導(dǎo)出或計(jì)算出這些量值。處理器輸出50也可以包括過去參數(shù)測(cè)量值。這些參數(shù)測(cè)量值根據(jù)各種傳感器16的輸出的時(shí)間延遲單元而被確定。這點(diǎn)將從在下面的說明變得明顯。關(guān)于上述傳感器和計(jì)算機(jī)系統(tǒng)的更詳細(xì)的說明參考共同審理中的帶有申請(qǐng)編號(hào)08/996858的美國專利申請(qǐng)。為提供這樣說明這個(gè)專利申請(qǐng)作為參考被引進(jìn)到本申請(qǐng)中。
如在這里所使用的，術(shù)語”系統(tǒng)模型”指的是總系統(tǒng)12的設(shè)計(jì)的許多方面，包括但不限于系統(tǒng)方程式、箱的幾何學(xué)、傳感器位置、代表參數(shù)測(cè)量的傳感器輸出、傳感器不準(zhǔn)確度和系統(tǒng)動(dòng)態(tài)特性(例如，加速度和環(huán)境)。因此，一般說，系統(tǒng)模型指的是一組當(dāng)前和過去參數(shù)測(cè)量與箱中液體量之間的數(shù)學(xué)的或其它方面的關(guān)系式。
一個(gè)神經(jīng)網(wǎng)絡(luò)算法提供所要求的輸出估算。該輸出基于統(tǒng)計(jì)分析和固有不確定度以及不僅是傳感器測(cè)量也是系統(tǒng)不確定度的方差。該系統(tǒng)不確定度不是靜態(tài)的，并且不能直接已知或預(yù)測(cè)。用于本發(fā)明的時(shí)間延遲神經(jīng)網(wǎng)絡(luò)算法甚至不要求應(yīng)該每次采樣或更新測(cè)量(在每隔τ時(shí)間間隔)求解系統(tǒng)變換。例如，在本實(shí)施例中盡管神經(jīng)網(wǎng)絡(luò)受固有地由系統(tǒng)方程式控制的數(shù)據(jù)組訓(xùn)練，神經(jīng)網(wǎng)絡(luò)不實(shí)際計(jì)算或求解系統(tǒng)方程式。到以某個(gè)準(zhǔn)確度知道和/或可以估算傳感器不準(zhǔn)確度、方差和系統(tǒng)不確定度的程度，時(shí)間延遲神經(jīng)網(wǎng)絡(luò)技術(shù)提供一個(gè)對(duì)所要求輸出的更準(zhǔn)確的估算。
參照?qǐng)D5所述，在示例性實(shí)施例中的燃料計(jì)量設(shè)備12的傳感器16由USI44激勵(lì)和處理它們的輸出，并以一個(gè)測(cè)量矢量Zm的形式把相應(yīng)的參數(shù)測(cè)量數(shù)據(jù)提供給處理器48。傳感器16包括2個(gè)超聲傳感器。它們把聲能傳輸?shù)揭后w表面11和接收來自液體表面11的回聲波。這些回聲波已測(cè)量了經(jīng)歷t1f和t2f時(shí)間的往返行程。這些超聲傳感器也探測(cè)來自它們各自的VOS靶30的回聲波，并測(cè)量作為t11VOS、t12VOS、t21VOS和t22VOS的相應(yīng)回聲波傳播時(shí)間。傳感器16包括3個(gè)溫度傳感器26、26a。它們產(chǎn)生被處理成測(cè)量數(shù)據(jù)輸出Tu1、Tu2和TP的輸出。u1和u2下標(biāo)指的是與超聲傳感器組20有關(guān)的傳感器或數(shù)據(jù)，而P下標(biāo)指的是與壓力傳感器組20a有關(guān)的傳感器。傳感器16還包括3個(gè)加速度計(jì)26、26a。每個(gè)加速度計(jì)產(chǎn)生3個(gè)關(guān)于局部加速矢量，即〔aX、aY、aZ〕u1、〔aX、aY、aZ〕u2、〔aX、aY、aZ〕P的X、Y和Z分量的輸出信號(hào)。差分壓力傳感器28產(chǎn)生一個(gè)被處理成測(cè)量輸出P的輸出。因而，測(cè)量矩陣Zm是一個(gè)如下的19個(gè)分量的矢量zm個(gè){t11VOSt12VOSt21VOSt22VOSt1ft2fTu1Tu2TPP au1au2aP}其中，a指的是對(duì)于每個(gè)傳感器組的各自3個(gè)軸的加速度計(jì)數(shù)據(jù)(全部總計(jì)9個(gè)加速度計(jì)輸出值)。這19個(gè)測(cè)量參數(shù)和它們的過去測(cè)量參數(shù)作為一個(gè)測(cè)量矢量被提供。該測(cè)量矢量被輸入到一個(gè)時(shí)間延遲神經(jīng)網(wǎng)絡(luò)的第一層的各自輸入節(jié)點(diǎn)。該時(shí)間延遲神經(jīng)網(wǎng)絡(luò)適于在本實(shí)施例的使用，并在圖7的圖示中被例舉。
在說明一個(gè)時(shí)間延遲神經(jīng)網(wǎng)絡(luò)之前，將利用在圖6上所描述的一個(gè)典型的非延遲神經(jīng)網(wǎng)絡(luò)算法來奠定適當(dāng)基礎(chǔ)。參照?qǐng)D6，也可以由處理器48執(zhí)行的示例性神經(jīng)網(wǎng)絡(luò)是一個(gè)向前饋送的3層視感控器，它接收測(cè)量矢量Zm，19個(gè)測(cè)量分量Z1到Z19中的每一個(gè)被連接到神經(jīng)網(wǎng)絡(luò)的輸入層70的各自輸入節(jié)點(diǎn)。每個(gè)輸入值按各自權(quán)重W1、W2……W19被加權(quán)。在本實(shí)施例中，神經(jīng)網(wǎng)絡(luò)62包括一個(gè)隱蔽層72，在隱蔽層72中，例如，有40個(gè)節(jié)點(diǎn)。輸入層70中的每一個(gè)節(jié)點(diǎn)都被連接到隱蔽層中的每一個(gè)節(jié)點(diǎn)(在圖6中，為清楚起見省略了大多隱蔽層連接)。每個(gè)接點(diǎn)間的連接也如所示的被加權(quán)(為清楚起見，圖6中省略了大多數(shù)權(quán)重標(biāo)志)。于是，到隱蔽層72中每一個(gè)節(jié)點(diǎn)的輸入是來自輸入層70中節(jié)點(diǎn)的所有加權(quán)的輸出之和。在本實(shí)施例中，神經(jīng)網(wǎng)絡(luò)62也包括一單個(gè)節(jié)點(diǎn)輸出層74。
隱蔽層72中的每個(gè)節(jié)點(diǎn)按權(quán)重連接到輸出層74。于是，到輸出層74中單個(gè)節(jié)點(diǎn)的輸入是來自隱蔽層中每個(gè)節(jié)點(diǎn)的所有加權(quán)輸出之和。輸出節(jié)點(diǎn)74產(chǎn)生箱14中燃料量的要求的輸出QT1，在這個(gè)情況下是按質(zhì)量而言的。僅在這個(gè)神經(jīng)網(wǎng)絡(luò)62中，數(shù)值按向前方向移動(dòng)，從輸入節(jié)點(diǎn)經(jīng)隱蔽層72中的節(jié)點(diǎn)到輸出節(jié)點(diǎn)74。通過非線性激活函數(shù)f(x)的運(yùn)算，數(shù)值從隱蔽層72中的每個(gè)節(jié)點(diǎn)移動(dòng)到輸出節(jié)點(diǎn)74。在這個(gè)示例性實(shí)施例中，激活函數(shù)f(x)對(duì)于隱蔽層72中的每個(gè)節(jié)點(diǎn)是同一個(gè)，并是S形函數(shù)f(x)＝1.0/〔1+e-x〕換句話說，每個(gè)隱蔽層72節(jié)點(diǎn)輸入，稱為x，是從該輸入層70中所有節(jié)點(diǎn)的所有的加權(quán)的輸入之和，而每個(gè)隱蔽層72節(jié)點(diǎn)的輸出是S形函數(shù)f(x)。如果對(duì)于一個(gè)特定應(yīng)用適合的話，可以選擇其它激活函數(shù)。該輸出節(jié)點(diǎn)的激活函數(shù)，僅僅是一個(gè)線性和函數(shù)，使得輸出節(jié)點(diǎn)74的輸出QT1只是從隱蔽層72中的每個(gè)節(jié)點(diǎn)接收的所有加權(quán)的輸入之和，并提供以體積和/質(zhì)量的單位表示的量。也要注意到，液體密度或許是神經(jīng)網(wǎng)絡(luò)62的第二輸出節(jié)點(diǎn)。
本發(fā)明包括上面結(jié)合圖6說明的非延遲神經(jīng)網(wǎng)絡(luò)的推廣。在這里，我們也根據(jù)與感興趣的量有關(guān)的傳感器的多個(gè)輸出值估算了一種不直接被測(cè)量的量。但是，在那個(gè)變換中神經(jīng)網(wǎng)絡(luò)只被饋給根據(jù)當(dāng)前時(shí)刻的傳感器輸出值。因此，神經(jīng)網(wǎng)絡(luò)計(jì)算被建立在傳感器輸出值的單個(gè)瞬象，并且不考慮任何以前的值。在一個(gè)傳感器數(shù)據(jù)的瞬象不能唯一地確定系統(tǒng)狀態(tài)時(shí)，當(dāng)在諸瞬間時(shí)，這會(huì)導(dǎo)致性能降低。本發(fā)明包括被饋給從當(dāng)前和過去時(shí)刻的傳感器值的時(shí)間延遲神經(jīng)網(wǎng)絡(luò)。因而，該網(wǎng)絡(luò)考慮了參數(shù)測(cè)量的歷史，并且能夠提供一個(gè)較好的估算，即使只最最近的傳感器值不允許(因?yàn)樗矐B(tài)條件)箱狀態(tài)的重建。
在這里討論的時(shí)間延遲神經(jīng)網(wǎng)絡(luò)(TDNN)的內(nèi)部結(jié)構(gòu)可以與規(guī)則的或靜態(tài)的向前饋給神經(jīng)網(wǎng)絡(luò)相似，如像上面結(jié)合圖6描述的那一個(gè)。該時(shí)間延遲網(wǎng)絡(luò)具有第一或輸入層80和一個(gè)或多個(gè)第二或隱蔽層82。隱蔽層82中所有的神經(jīng)元被來自輸入層80的所有輸出所饋給，并將該輸出累加。如果使用多于一個(gè)的隱蔽層，則每個(gè)相繼的隱蔽層中的所有的神經(jīng)元被饋給前面的隱蔽層的所有神經(jīng)元的輸出。然后，輸出層84中的一個(gè)或一些神經(jīng)元被饋以最后隱蔽層中所有神經(jīng)元的輸出。一個(gè)帶有一個(gè)單獨(dú)的隱蔽層8 2和一個(gè)單獨(dú)的輸出神經(jīng)元84的網(wǎng)絡(luò)的結(jié)構(gòu)看起來與圖7的示例性實(shí)施例相似。
TDNN和上述非延遲神經(jīng)網(wǎng)絡(luò)之間的一個(gè)差別在于輸入的設(shè)置。假定有N個(gè)傳感器，每個(gè)供給一個(gè)讀數(shù)zi。在靜態(tài)情況下，網(wǎng)絡(luò)僅被饋給N個(gè)對(duì)應(yīng)當(dāng)前時(shí)刻t的傳感器值z(mì)1(t)、z2(t)、…、zn(t)。但在TDNN的情況下，網(wǎng)絡(luò)不僅被饋給在時(shí)間t的當(dāng)前傳感器值，而且也被饋給在時(shí)間t-d、t-2d、t-3d等的過去的傳感器值。其中，d是延時(shí)的時(shí)間增量，它可以是如上述的系統(tǒng)的采樣間隔。在本例子中，TDNN將具有一個(gè)最大的M個(gè)時(shí)刻的延遲。于是，饋到TDNN中的輸入的總數(shù)目將是N*(M+1)，即是對(duì)M+1個(gè)時(shí)刻的每一個(gè)的N個(gè)傳感器值。在圖3的更直接的先進(jìn)的實(shí)施例中，N＝4(4個(gè)高度傳感器)，M＝1(只一個(gè)延遲)。
TDNN的概念不要求，所有的N*(M+1)個(gè)傳感器測(cè)量都應(yīng)該被饋到神經(jīng)網(wǎng)絡(luò)中。例如，在某些過去采樣時(shí)間的傳感器參數(shù)測(cè)量可以被跳過?？梢韵胂褚粋€(gè)神經(jīng)網(wǎng)絡(luò)被饋以在時(shí)間t、t-d、t-2d、t-4d、t-8d的傳感器參數(shù)測(cè)量。另外，被延遲的傳感器輸出的數(shù)目可以對(duì)每個(gè)傳感器有所不同。如果一個(gè)特定的傳感器的輸出會(huì)變化迅速，那么可以使用它在時(shí)間t、t-d、t-2d、t-3d、t-4d的參數(shù)測(cè)量。同時(shí)，如果從另一個(gè)傳感器的輸出信號(hào)變化較慢，可以只使用在時(shí)間t和t-4d的參數(shù)測(cè)量。對(duì)再另一個(gè)傳感器，它的輸出變化非常慢，可以只使用在時(shí)間t的當(dāng)前參數(shù)測(cè)量，即，根本不會(huì)需要延遲的信號(hào)。不管這樣的變化，神經(jīng)網(wǎng)絡(luò)仍會(huì)被認(rèn)為是一個(gè)TDNN。區(qū)別這樣解釋的TDNN的是，至少對(duì)于一個(gè)傳感器來說它的在2個(gè)不同時(shí)刻的參數(shù)測(cè)量將被饋到網(wǎng)絡(luò)中。
一個(gè)時(shí)間延遲神經(jīng)網(wǎng)絡(luò)算法，例如像完成用圖7說明的網(wǎng)絡(luò)的一個(gè)算法這樣的，使用從傳感器16的輸出(這些輸出被總地表示為一個(gè)包括輸出z1、z2、…、zn的測(cè)量矢量zm，其中n是傳感器的數(shù)目，或者zm個(gè)(z1、z2、…、zn))?？梢砸愿髯缘谋籨規(guī)定的速率更新矢量zm的每個(gè)參數(shù)測(cè)量，其中d是由系統(tǒng)設(shè)計(jì)者決定的預(yù)定的各自的時(shí)間延遲增量。并且，可以由處理器48控制矢量zm的每個(gè)參數(shù)測(cè)量。為了處理當(dāng)前和過去參數(shù)測(cè)量，可以把TDNN算法編程到處理器48中，以便用和如對(duì)圖6上描述的實(shí)施例所說明的相同的方式產(chǎn)生一個(gè)與傳感器16有關(guān)的代表箱14中燃料量QT的輸出。
時(shí)間延遲神經(jīng)網(wǎng)絡(luò)(在這里也稱作一種神經(jīng)網(wǎng)絡(luò))是一種估算器。它不在它的操作中使用一個(gè)計(jì)算系統(tǒng)模型(雖然該神經(jīng)網(wǎng)絡(luò)根據(jù)從一個(gè)系統(tǒng)模型或分析導(dǎo)出或推演的輸入數(shù)據(jù)來進(jìn)行訓(xùn)練)，而寧可在訓(xùn)練和學(xué)習(xí)過程中固有地計(jì)及系統(tǒng)模型關(guān)系。訓(xùn)練和學(xué)習(xí)過程是基于一個(gè)當(dāng)前和過去測(cè)量的參數(shù)和特性數(shù)據(jù)的動(dòng)態(tài)系統(tǒng)模型。從時(shí)間延遲神經(jīng)網(wǎng)絡(luò)的輸出是所要求的輸出QT1或液體量。通過非線性激活方程式根據(jù)測(cè)量矢量zm(即傳感器16的輸出)直接計(jì)算輸出QT1。重要的是要注意到，盡管在這里說明的實(shí)施例中時(shí)間延遲神經(jīng)網(wǎng)絡(luò)算法被用來計(jì)算在箱14中燃料13的量，但同樣的神經(jīng)網(wǎng)絡(luò)和附加的網(wǎng)絡(luò)(未示出)可被用來提供如中間參數(shù)值這樣的附加輸出。中間參數(shù)值包括，但不限于液體密度、壓力和溫度等。
對(duì)TDNN的訓(xùn)練比對(duì)純靜態(tài)向前饋送網(wǎng)絡(luò)的訓(xùn)練困難得多。差別是，現(xiàn)在一個(gè)單獨(dú)訓(xùn)練點(diǎn)由N個(gè)傳感器從當(dāng)前時(shí)刻及從M個(gè)過去時(shí)刻的測(cè)量組成。因而，訓(xùn)練組需要是比較大。它不只要覆蓋每個(gè)傳感器的可能有的值的范圍，而且還要覆蓋它們的可能的時(shí)間上的變化。因此，產(chǎn)生訓(xùn)練組是非常困難的。在靜態(tài)向前饋送網(wǎng)絡(luò)的情況下，模擬模型只描寫系統(tǒng)的“瞬象”，它取決于傳感器關(guān)于瞬態(tài)的輸出。在TDNN中，模擬模型還包括狀態(tài)的動(dòng)態(tài)特性。一個(gè)可能產(chǎn)生訓(xùn)練組的方法是，使用在其中狀態(tài)的動(dòng)態(tài)特性被模擬為一種隨機(jī)游走(一種不連續(xù)的維納(Wiener)過程)的動(dòng)態(tài)特性模型。對(duì)于每個(gè)訓(xùn)練點(diǎn)，在開始時(shí)間的狀態(tài)(例如t-Md)會(huì)是隨機(jī)產(chǎn)生的。然后在M接著的時(shí)刻的狀態(tài)值會(huì)被按照動(dòng)態(tài)模型計(jì)算，而傳感器值會(huì)利用和如在純靜態(tài)向前饋送網(wǎng)絡(luò)情況下的基本相同的模擬模型被計(jì)算。值得再強(qiáng)調(diào)，正如在純靜態(tài)向前饋送網(wǎng)絡(luò)情況下，訓(xùn)練數(shù)據(jù)發(fā)生器可包括傳感器噪聲和模型不確定度。因而，被訓(xùn)練的網(wǎng)絡(luò)將是相對(duì)那些噪聲和不確定度而被優(yōu)化的。這是本發(fā)明的重要方面。
在說明一種用于TDNN的示例性訓(xùn)練技術(shù)時(shí)，讓我們首先考慮一個(gè)有一個(gè)單獨(dú)標(biāo)量輸出、根本沒有輸入延遲的非延遲網(wǎng)絡(luò)。每個(gè)訓(xùn)練點(diǎn)由至該網(wǎng)絡(luò)的輸入組成。該輸入是一個(gè)N個(gè)傳感器值y＝(y1、y2、…、yn)和相應(yīng)的輸出值z(mì)(在本例中為液體量)的矢量。然后，訓(xùn)練組由大數(shù)目的輸入-輸出對(duì)(y(i)、z(i))組成。利用系統(tǒng)模型產(chǎn)生這些訓(xùn)練點(diǎn)。我們定義潛在狀態(tài)矢量X。X由描述決定傳感器輸出的箱的性質(zhì)的量組成。典型地，狀態(tài)X會(huì)由箱姿態(tài)、液體質(zhì)量、液體密度和液體溫度等組成。然后，對(duì)一個(gè)給定的狀態(tài)值，按如下的(多維的)函數(shù)計(jì)算傳感器輸出。
y＝g(X)其中，函數(shù)g是一種箱模擬模型。典型地，它被作為解析表達(dá)式和大數(shù)目用于高度-體積變換的內(nèi)插的檢查表的一種混合給出。為計(jì)算模型不確定度和傳感器噪聲，隨機(jī)發(fā)生的測(cè)量誤差v也應(yīng)加到模擬的傳感器輸出上，得到如下的傳感器值的計(jì)算y＝g(X)+v典型上，相應(yīng)的要求的輸出值z(mì)是狀態(tài)矢量X的分量之一，并可被寫作
z＝h(X)在本例子中有這樣的理解，即，函數(shù)h只相當(dāng)于從狀態(tài)矢量中選擇一個(gè)分量。在其它情況下，函數(shù)h或許是較復(fù)雜。例如，如果z對(duì)應(yīng)液體質(zhì)量，但狀態(tài)矢量X代之包含液體體積和密度，那么，函數(shù)h將是狀態(tài)X的這2個(gè)分量的乘積。更其它情況也是可能有的。并且，一般來說，函數(shù)h將可以是任意復(fù)雜的。然而，最好是，所要求的液體量z已被包括在狀態(tài)X之內(nèi)。在這樣情況下，函數(shù)h只是那個(gè)分量從該矢量中的一個(gè)選擇。
為對(duì)于這個(gè)網(wǎng)絡(luò)構(gòu)建一個(gè)訓(xùn)練組，人們可以首先為每個(gè)狀態(tài)矢量X的分量規(guī)定可變性的范圍或界限。然后，在那些界限內(nèi)隨機(jī)產(chǎn)生大數(shù)目的(典型上幾千個(gè)或幾萬個(gè))狀態(tài)矢量值X(i)。用來產(chǎn)生這些狀態(tài)矢量X(i)的特定概率分布將取決于設(shè)計(jì)者關(guān)于在系統(tǒng)的實(shí)際工作期間那些值的可能分布的看法，并且，也將反映附加到那些點(diǎn)的重要性。在產(chǎn)生X(i)后，相應(yīng)的要求網(wǎng)絡(luò)輸出值Z(i)(液體量的數(shù)值)可以用如下表達(dá)式被計(jì)算z(i)＝h(x(i))然后，相應(yīng)的傳感器輸出值可以按下式計(jì)算y(i)＝g(x(i))+v(i)最后的訓(xùn)練組將是一個(gè)對(duì)(y(i)、z(i))的集合。其中，y(i)是到神經(jīng)網(wǎng)絡(luò)的輸入；z(i)是相應(yīng)的要求輸出。
現(xiàn)在結(jié)合圖3實(shí)施例，考慮有如上述的一個(gè)單獨(dú)時(shí)間延遲的TDNN的情況。本例子的網(wǎng)絡(luò)在2個(gè)相繼時(shí)刻被饋以傳感器讀數(shù)。為簡單起見，讓我們把這些時(shí)刻用1和2指代。然后，到該神經(jīng)網(wǎng)絡(luò)的輸入是一個(gè)從y(1)和y(2)的并置得到的矢量，而輸出是對(duì)應(yīng)第二時(shí)刻的液體量。
z＝h(x(2))
為計(jì)算傳感器測(cè)量信號(hào)y(1)和y(2)，狀態(tài)矢量x(1)和x(2)的潛在值可以用這樣的一種方式來定義，即，這2個(gè)狀態(tài)值對(duì)應(yīng)一個(gè)實(shí)際的箱中的一個(gè)物理上可能的轉(zhuǎn)換。換句話說，對(duì)于非延遲網(wǎng)絡(luò)的箱模型可以由系統(tǒng)動(dòng)態(tài)特性的模型來擴(kuò)大。這樣一種動(dòng)態(tài)模型的一個(gè)形式由2個(gè)部分組成。確定部分由一個(gè)線性變換矩陣Φ表征。它把在時(shí)刻k+1的狀態(tài)同在時(shí)間k的以前的數(shù)值建立關(guān)系。另一部分，稱作隨機(jī)部分，由一個(gè)隨機(jī)分量w加到每個(gè)狀態(tài)轉(zhuǎn)換組成。動(dòng)態(tài)特性模型會(huì)有如下形式x(k+1)＝Φx(k)+w該動(dòng)態(tài)特性模型的一個(gè)簡單的示例性形式可以由如下的方程式來表示x(k+1)＝x(k)+w這個(gè)模型對(duì)應(yīng)于為單位矩陣的轉(zhuǎn)換矩陣Φ。它表示缺乏關(guān)于系統(tǒng)動(dòng)態(tài)特性的明確了解。在2個(gè)相繼的時(shí)刻之間狀態(tài)值的改變被模擬為一個(gè)隨機(jī)矢量w。w的概率分布描述關(guān)于變化的可能方向和速率的知識(shí)。用技術(shù)術(shù)語說，狀態(tài)x在這里被模擬為一個(gè)從白噪聲w的積分得到的維納過程(隨機(jī)矢量w被假定為與狀態(tài)無關(guān))。這種隨機(jī)過程也稱為隨機(jī)游走。
在較一般情況下，該動(dòng)態(tài)特性模型可具有一種非線性形式x(k+1)＝f(x(k)、w)注意，上面討論的2個(gè)簡化的動(dòng)態(tài)特性模型形式事實(shí)上是這個(gè)一般動(dòng)態(tài)特性模型的特殊情況。隨機(jī)分量w概率分布的選擇反映設(shè)計(jì)者關(guān)于模型的精確形式的不確定性(的考慮)。分布越“寬”(大的協(xié)變性、長的尾部等)模型越不確定。
狀態(tài)動(dòng)態(tài)特性模型的形式f與狀態(tài)矢量x的組成有密切關(guān)系。如果動(dòng)態(tài)模型是特殊形式(隨機(jī)游走模型)的，則狀態(tài)分量將可能與在以前討論的非延遲神經(jīng)網(wǎng)絡(luò)情況中的相同。如果使用比較復(fù)雜的動(dòng)態(tài)模型，則狀態(tài)矢量可以用感興趣的量的變化速率，即，液體質(zhì)量變化速率、溫度變化速率和密度變化速率等來擴(kuò)大。
現(xiàn)在假定，動(dòng)態(tài)模型x(k+1)＝f(x(k)，w)已被規(guī)定。生成訓(xùn)練組的第一步將與在非延遲網(wǎng)絡(luò)的情況下的相同。將在事先規(guī)定的界限內(nèi)隨機(jī)地產(chǎn)生在第一時(shí)刻的大數(shù)目的狀態(tài)矢量x(i)(1)。然后，生成訓(xùn)練組的下一步將是一種對(duì)每個(gè)狀態(tài)值x(i)(1)的相應(yīng)的相繼狀態(tài)值的計(jì)算。每個(gè)狀態(tài)值x(i)(1)的相應(yīng)的相繼狀態(tài)值被表示為x(i)(2)＝f(x(i)(1)，w)這里，w(i)是隨機(jī)噪聲值，為每個(gè)訓(xùn)練點(diǎn)獨(dú)立產(chǎn)生的。下一步將是按下式計(jì)算相應(yīng)的傳感器輸出值y(i)(1)＝g(x(i)(1))+v和y(i)(2)＝g(x(i)(2))+v相應(yīng)的要求的神經(jīng)網(wǎng)絡(luò)輸出也可被按下式計(jì)算z(i)＝h(x(i)(2))最后的訓(xùn)練組可以是一種三元組(y(i)(1)、y(i)(2)、z(i))的集合。其中y(i))(1)和y(i))(2)共同構(gòu)成到神經(jīng)網(wǎng)絡(luò)的輸入。
現(xiàn)在考慮帶有M＞1的較大數(shù)目延遲的TDNN的一般情況。那么，到該網(wǎng)絡(luò)的輸入矢量由傳感器在時(shí)間1，2，3，…，M+1的測(cè)量組成。這種情況和帶有一個(gè)單獨(dú)延遲(M＝1)的較簡單情況之間的唯一差別是，現(xiàn)在對(duì)于每個(gè)訓(xùn)練點(diǎn)，我們需要M+1個(gè)狀態(tài)值x(k)，k＝1，…，M+1。該訓(xùn)練組產(chǎn)生的過程幾乎與以前所述的相同。首先，隨機(jī)地產(chǎn)生一個(gè)大的對(duì)應(yīng)第一時(shí)刻的狀態(tài)矢量值x(i)(1)的集合。然后，根據(jù)這些狀態(tài)值，通過迭代如下狀態(tài)轉(zhuǎn)換函數(shù)M次，產(chǎn)生對(duì)應(yīng)相繼時(shí)刻2，3，…，M+1的狀態(tài)矢量。
x(i)(k+1)＝f(x(i))(k)，w)k＝1，…，M在這個(gè)表達(dá)式中，w是對(duì)每個(gè)狀態(tài)轉(zhuǎn)換和對(duì)每個(gè)訓(xùn)練點(diǎn)獨(dú)立產(chǎn)生的隨機(jī)量。下一步是對(duì)每個(gè)訓(xùn)練點(diǎn)和對(duì)每個(gè)時(shí)刻計(jì)算傳感器測(cè)量值y(i)(k)＝g(x(i)(k))+v這里，v是隨機(jī)的傳感器噪聲，也是對(duì)每個(gè)時(shí)間指標(biāo)和對(duì)每個(gè)訓(xùn)練點(diǎn)獨(dú)立產(chǎn)生的。最后，根據(jù)在最后時(shí)間指標(biāo)的狀態(tài)值計(jì)算所要求的輸出z(i)＝h(x(i)(M+1))最后的訓(xùn)練組將是一個(gè)大數(shù)目的M+2元組的集合(y(i)(1)，y(i)(2)，…，y(i)(M)，y(i)(M+1)，z(i))，其中從y(i)(1)到y(tǒng)(i)(M+1)的M+1個(gè)輸入值共同構(gòu)成到神經(jīng)網(wǎng)絡(luò)的輸入。一旦構(gòu)成了訓(xùn)練組，就以與在非延遲網(wǎng)絡(luò)情況下的相同的方式精確地執(zhí)行網(wǎng)絡(luò)的訓(xùn)練。
注意，延遲的輸入引進(jìn)到TDNN將可能需要大大增加訓(xùn)練點(diǎn)數(shù)目和訓(xùn)練時(shí)間。
權(quán)重都是訓(xùn)練前隨機(jī)賦予的，而且，可以利用向后傳播算法或其它適當(dāng)訓(xùn)練算法實(shí)現(xiàn)該訓(xùn)練。向后傳播算法如在下列文獻(xiàn)中有所教導(dǎo)Rumelhart等，“平行分配的處理”，MIT出版社，Cambridge，MA(1988)。其它適當(dāng)訓(xùn)練算法是如像在下列文獻(xiàn)中所教導(dǎo)的訓(xùn)練算法Hassoun，“人造神經(jīng)網(wǎng)絡(luò)基礎(chǔ)”，MIT出版社，Cambridge，MA(1995)。訓(xùn)練之后，權(quán)重被存儲(chǔ)并且保持固定。然后，神經(jīng)網(wǎng)絡(luò)利用來自測(cè)量矢量zm的當(dāng)前和過去的數(shù)據(jù)實(shí)時(shí)工作，并直接計(jì)算當(dāng)前輸光QT1。如果被要求的話，輸出層可以包括較多的輸出節(jié)點(diǎn)，以提供需要較擴(kuò)大的訓(xùn)練過程的如像密度、溫度、壓力和加速度這樣參數(shù)值的確定。關(guān)于神經(jīng)網(wǎng)絡(luò)訓(xùn)練的詳細(xì)說明，參考審理中的帶有申請(qǐng)編號(hào)08/996858的美國專利申請(qǐng)。
為了使TDNN提供超過靜態(tài)向前饋送網(wǎng)絡(luò)的重要優(yōu)點(diǎn)，它應(yīng)該捕獲探究中的系統(tǒng)的動(dòng)態(tài)特性。這意味著，抽頭延遲線的數(shù)目M和延遲d必須如此，即，它有可能從測(cè)量中再建立感興趣的量。定性地，最長的輸入延遲，即Md，應(yīng)該比系統(tǒng)的“記憶”小，也就是說，在“記憶”以后的時(shí)間過去測(cè)量不含有任何關(guān)于當(dāng)前狀態(tài)的有用信息。同樣地，它應(yīng)該足夠長，使到TDNN的輸入能捕獲到最慢模式的與估算量(液體質(zhì)量或體積)有關(guān)的系統(tǒng)動(dòng)態(tài)特性。
雖然已在這里結(jié)合幾個(gè)實(shí)施例說明了本發(fā)明，但要明白，這樣的發(fā)明不應(yīng)以任何方式被限于任何單獨(dú)的實(shí)施例，而應(yīng)在按照所附的權(quán)利要求的陳述在大的寬的范圍內(nèi)被解釋。
權(quán)利要求
1.一種利用時(shí)間延遲神經(jīng)網(wǎng)絡(luò)的液體計(jì)量設(shè)備，用于確定不能為傳感器所直接測(cè)量的容器中的液體的量，所說的計(jì)量設(shè)備包括許多傳感器，所說的傳感器中的每一個(gè)都用于測(cè)量所說液體的有關(guān)參數(shù)和用于產(chǎn)生隨時(shí)間變化的、代表被測(cè)量的有關(guān)參數(shù)的傳感器輸出信號(hào)；以及處理裝置，用于處理所說的傳感器輸出信號(hào)，以便用一個(gè)時(shí)間延遲神經(jīng)網(wǎng)絡(luò)算法，根據(jù)當(dāng)前和過去的所說傳感器輸出信號(hào)的參數(shù)測(cè)量，確定容器中當(dāng)前的液體量。
2.權(quán)利要求1的液體計(jì)量設(shè)備，其中，處理裝置包括用于儲(chǔ)存代表過去的液體參數(shù)測(cè)量的傳感器輸出信號(hào)的裝置。
3.權(quán)利要求2的液體計(jì)量設(shè)備，其中，處理裝置包括用于采樣隨時(shí)間變化的傳感器輸出信號(hào)的裝置，以提供用于儲(chǔ)存和在處理裝置中的處理的當(dāng)前和過去的許多傳感器的參數(shù)測(cè)量。
4.權(quán)利要求3的液體計(jì)量設(shè)備，其中，所說的對(duì)傳感器輸出信號(hào)采樣的裝置的采樣速率是基于對(duì)每個(gè)在被采樣的有關(guān)傳感器的預(yù)定的時(shí)間延遲增量。
5.權(quán)利要求4的液體計(jì)量設(shè)備，其中，這許多傳感器中的某些傳感器可以不提供任何過去的參數(shù)測(cè)量。
6.權(quán)利要求4的液體計(jì)量設(shè)備，其中，一個(gè)傳感器輸出的預(yù)定時(shí)間延遲增量可以被設(shè)置成不等于另一個(gè)傳感器輸出的預(yù)定時(shí)間延遲增量。
7.權(quán)利要求1的液體計(jì)量設(shè)備，其中，處理裝置用時(shí)間延遲神經(jīng)網(wǎng)絡(luò)算法，根據(jù)一個(gè)在時(shí)間上滑動(dòng)的窗口處理每個(gè)傳感器的預(yù)定數(shù)目的參數(shù)測(cè)量。
8.權(quán)利要求1的液體計(jì)量設(shè)備，其中，處理裝置包括與至少一個(gè)傳感器相聯(lián)系的至少一個(gè)時(shí)間延遲裝置，用于以至少一個(gè)預(yù)定時(shí)間增量來延遲所說的相應(yīng)的當(dāng)前傳感器輸出，并對(duì)每個(gè)延遲時(shí)間增量產(chǎn)生一個(gè)代表過去參數(shù)測(cè)量的信號(hào)。
9.權(quán)利要求8的液體計(jì)量設(shè)備，其中，這許多傳感器中的某些傳感器可以沒有任何與其相聯(lián)系的延遲裝置。
10.權(quán)利要求8的液體計(jì)量設(shè)備，其中，一個(gè)傳感器輸出的預(yù)定時(shí)間延遲增量可以被設(shè)置成不等于另一個(gè)傳感器輸出的預(yù)定時(shí)間延遲增量。
11.權(quán)利要求1的液體計(jì)量設(shè)備，其中，處理裝置包括一個(gè)被編程的處理器，該處理器包括用于處理當(dāng)前和過去的傳感器輸出信號(hào)的參數(shù)測(cè)量以便確定當(dāng)前的液體量的時(shí)間延遲神經(jīng)網(wǎng)絡(luò)算法。
12.權(quán)利要求1的液體計(jì)量設(shè)備，其中，液體包括飛機(jī)燃料；容器包括飛機(jī)燃料箱。
13.權(quán)利要求1的液體計(jì)量設(shè)備，其中，利用關(guān)于所說的當(dāng)前和過去參數(shù)測(cè)量以及所說的被確定的量的訓(xùn)練數(shù)據(jù)組的值，訓(xùn)練所說的時(shí)間延遲神經(jīng)網(wǎng)絡(luò)算法。
14.權(quán)利要求13的液體計(jì)量設(shè)備，其中，從一個(gè)動(dòng)態(tài)系統(tǒng)計(jì)算機(jī)模型中導(dǎo)出時(shí)間延遲神經(jīng)網(wǎng)絡(luò)算法的訓(xùn)練數(shù)據(jù)組。
15.權(quán)利要求14的液體計(jì)量設(shè)備，其中，動(dòng)態(tài)系統(tǒng)模型包括一個(gè)容器模型。
16.權(quán)利要求1的液體計(jì)量設(shè)備，其中，從下面組中選擇所說的液體的被測(cè)量參數(shù)溫度、壓力、回聲傳播時(shí)間、加速度和容量。
17.權(quán)利要求1的液體計(jì)量設(shè)備，其中，神經(jīng)網(wǎng)絡(luò)算法產(chǎn)生一個(gè)對(duì)應(yīng)于當(dāng)前容器中液體體積的輸出。
18.權(quán)利要求1的液體計(jì)量設(shè)備，其中，神經(jīng)網(wǎng)絡(luò)算法產(chǎn)生一個(gè)對(duì)應(yīng)于當(dāng)前容器中液體質(zhì)量的輸出。
19.權(quán)利要求1的液體計(jì)量設(shè)備，其中，神經(jīng)網(wǎng)絡(luò)算法表征這樣的一個(gè)神經(jīng)網(wǎng)絡(luò)，即，它包括與所說的當(dāng)前和過去參數(shù)測(cè)量對(duì)應(yīng)的若干輸入節(jié)點(diǎn)、有諸節(jié)點(diǎn)的至少一個(gè)隱蔽層和帶有至少一個(gè)與輸出對(duì)應(yīng)的節(jié)點(diǎn)的輸出層。
20.一種利用時(shí)間延遲神經(jīng)網(wǎng)絡(luò)的液體計(jì)量設(shè)備，用于確定不能為傳感器所直接測(cè)量的容器中的液體量，所說的液體計(jì)量設(shè)備包括許多傳感器，所說的傳感器中的每一個(gè)都用于測(cè)量所說液體的有關(guān)參數(shù)和用于產(chǎn)生可隨時(shí)間變化的、代表它的被測(cè)量參數(shù)的傳感器輸出信號(hào)；裝置，用于提供所說許多傳感器的與一個(gè)當(dāng)前輸出信號(hào)有關(guān)的過去傳感器輸出信號(hào)；以及時(shí)間延遲神經(jīng)網(wǎng)絡(luò)裝置，用于處理所說許多傳感器的所說的當(dāng)前輸出信號(hào)和所說的過去輸出信號(hào)，以便確定容器中的當(dāng)前的液體量。
21.權(quán)利要求20的液體計(jì)量系統(tǒng)，其中，提供裝置包括至少一個(gè)與每個(gè)傳感器相聯(lián)系的時(shí)間延遲裝置，用于以至少一個(gè)預(yù)定時(shí)間增量來延遲所說的相應(yīng)傳感器的當(dāng)前輸出信號(hào)，并對(duì)每個(gè)延遲時(shí)間增量產(chǎn)生一個(gè)過去傳感器輸出信號(hào)。
22.權(quán)利要求21的液體計(jì)量設(shè)備，其中，這許多傳感器中的某些傳感器可以不產(chǎn)生任何延遲的傳感器輸出信號(hào)。
23.權(quán)利要求21的液體計(jì)量設(shè)備，其中，一個(gè)傳感器輸出的預(yù)定時(shí)間延遲增量可以不等于另一個(gè)傳感器輸出的預(yù)定時(shí)間延遲增量。
24.權(quán)利要求20的液體計(jì)量設(shè)備，其中，時(shí)間延遲神經(jīng)網(wǎng)絡(luò)裝置包括一個(gè)被編程的處理器，該處理器包括一種基于一個(gè)時(shí)間延遲神經(jīng)網(wǎng)絡(luò)的算法，該時(shí)間延遲神經(jīng)網(wǎng)絡(luò)用于用所說的時(shí)間延遲神經(jīng)網(wǎng)絡(luò)算法來處理當(dāng)前和過去傳感器輸出信號(hào)。
25.權(quán)利要求24的液體計(jì)量設(shè)備，其中，利用所說的當(dāng)前和過去傳感器輸出和所說的被確定的量的訓(xùn)練數(shù)據(jù)組的數(shù)值，訓(xùn)練所說的時(shí)間延遲神經(jīng)網(wǎng)絡(luò)算法。
26.權(quán)利要求25的液體計(jì)量設(shè)備，其中，從一個(gè)動(dòng)態(tài)系統(tǒng)計(jì)算機(jī)模型中導(dǎo)出訓(xùn)練數(shù)據(jù)組。
27.權(quán)利要求26的液體計(jì)量設(shè)備，其中，動(dòng)態(tài)系統(tǒng)計(jì)算機(jī)模型包括容器的幾何模型。
28.權(quán)利要求20的液體計(jì)量設(shè)備，其中，液體包括飛機(jī)燃料；容器包括飛機(jī)燃料箱。
29.權(quán)利要求20的液體計(jì)量設(shè)備，其中，從下面組中選擇所說的液體的被測(cè)量參數(shù)溫度、壓力、回聲傳播時(shí)間、加速度和容量。
30.權(quán)利要求20的液體計(jì)量設(shè)備，其中，神經(jīng)網(wǎng)絡(luò)裝置產(chǎn)生一個(gè)對(duì)應(yīng)于當(dāng)前容器中液體體積的輸出。
31.權(quán)利要求20的液體計(jì)量設(shè)備，其中，神經(jīng)網(wǎng)絡(luò)裝置產(chǎn)生一個(gè)對(duì)應(yīng)于當(dāng)前容器中液體質(zhì)量的輸出。
32.權(quán)利要求20的液體計(jì)量設(shè)備，其中，神經(jīng)網(wǎng)絡(luò)裝置包括與所說的當(dāng)前和過去傳感器輸出信號(hào)對(duì)應(yīng)的若干輸入節(jié)點(diǎn)、至少一個(gè)有諸節(jié)點(diǎn)的隱蔽層和一個(gè)帶有至少一個(gè)與輸出對(duì)應(yīng)的節(jié)點(diǎn)的輸出層。
33.權(quán)利要求20的液體計(jì)量設(shè)備，其中，所說的許多傳感器包括至少2個(gè)在容器中的不同位置測(cè)量一個(gè)共同的液體參數(shù)的傳感器。
34.權(quán)利要求33的液體計(jì)量設(shè)備，其中，至少2個(gè)傳感器是電容探測(cè)傳感器，它們被安置在容器中的不同位置，在所說的相應(yīng)位置測(cè)量液體高度和產(chǎn)生代表它的輸出信號(hào)。
35.權(quán)利要求33的液體計(jì)量設(shè)備，其中，至少2個(gè)傳感器是超聲傳感器，它們被安置在容器中的不同位置，在所說的相應(yīng)位置測(cè)量液體高度和產(chǎn)生代表它的輸出信號(hào)。
36.權(quán)利要求20的液體計(jì)量設(shè)備，其中，多個(gè)傳感器被分成許多傳感器組，每個(gè)傳感器組測(cè)量足以確定所說的液體量的液體參數(shù)。
37.權(quán)利要求36的液體計(jì)量設(shè)備，其中，至少一個(gè)傳感器組包括一個(gè)或多個(gè)如下傳感器超聲的液位傳感器、溫度傳感器和加速度計(jì)。
38.權(quán)利要求36的液體計(jì)量設(shè)備，其中，至少2個(gè)傳感器組在容器中的不同位置測(cè)量相同的參數(shù)特性，為神經(jīng)網(wǎng)絡(luò)裝置提供冗余的數(shù)據(jù)。
39.權(quán)利要求36的液體計(jì)量設(shè)備，其中，至少一個(gè)所說傳感器組包括一個(gè)或多個(gè)如下傳感器壓力傳感器、溫度傳感器和加速度計(jì)。
40.權(quán)利要求20的液體計(jì)量設(shè)備，其中，所說的傳感器對(duì)于容器是非插入的。
41.權(quán)利要求40的液體計(jì)量設(shè)備，其中，所說的非插入傳感器包括超聲的液位傳感器，用于從容器外的傳感器位置傳輸聲學(xué)的能量到容器中。
42.權(quán)利要求20的液體計(jì)量設(shè)備，其中，所說的許多傳感器包括超聲的液位傳感器、至少一個(gè)溫度傳感器、至少一個(gè)壓力傳感器和至少一個(gè)加速度計(jì)。
43.權(quán)利要求20的液體計(jì)量設(shè)備，其中許多傳感器測(cè)量提供液體表面平面特性的參數(shù)，并且其中神經(jīng)網(wǎng)絡(luò)裝置根據(jù)當(dāng)前和過去測(cè)量的參數(shù)產(chǎn)生一個(gè)代表容器中當(dāng)前液體體積的輸出。
44.一種訓(xùn)練一個(gè)時(shí)間延遲神經(jīng)網(wǎng)絡(luò)算法的方法，該算法用于從當(dāng)前和過去液體參數(shù)傳感器的測(cè)量來計(jì)算一個(gè)容器中的液體量，所說的方法包括步驟建立一個(gè)被許多傳感器檢測(cè)的容器中液體特性和所說液體特性的參數(shù)測(cè)量的動(dòng)態(tài)模型；從所說的動(dòng)態(tài)模型導(dǎo)出關(guān)于許多液體量值的訓(xùn)練數(shù)據(jù)組，每個(gè)所說的數(shù)據(jù)組包括當(dāng)前和過去的對(duì)應(yīng)于許多液體量值的液體參數(shù)傳感器測(cè)量值和所說的相應(yīng)液體量值；以及用所說的被導(dǎo)出的訓(xùn)練數(shù)據(jù)組訓(xùn)練所說的時(shí)間延遲神經(jīng)網(wǎng)絡(luò)算法。
45.權(quán)利要求44的方法，其中，動(dòng)態(tài)模型表征在第一預(yù)定時(shí)間t1時(shí)容器中液體狀態(tài)和經(jīng)過一個(gè)預(yù)定的時(shí)間增量d后所說狀態(tài)的變化，以導(dǎo)出在第二預(yù)定時(shí)間t2＝t1+d時(shí)的液體狀態(tài)；并且，其中，在時(shí)間t1和t2的液體狀態(tài)分別用狀態(tài)矢量x(1)和x(2)的值表示。
46.權(quán)利要求45的方法，其中，根據(jù)基于一個(gè)包括一個(gè)確定部分和一個(gè)隨機(jī)部分的狀態(tài)矢量x(1)的函數(shù)的動(dòng)態(tài)模型來確定從狀態(tài)矢量x(1)到狀態(tài)矢量x(2)的轉(zhuǎn)換。
47.權(quán)利要求46的方法，其中，所說函數(shù)的確定部分是基于對(duì)液體狀態(tài)在時(shí)間上的動(dòng)態(tài)特性的了解。
48.權(quán)利要求46的方法，其中，所說函數(shù)的隨機(jī)部分是基于對(duì)所說的從狀態(tài)矢量x(1)到狀態(tài)矢量x(2)的給定轉(zhuǎn)換的隨機(jī)表達(dá)式。
49.權(quán)利要求48的方法，其中，所說隨機(jī)表達(dá)式是一種狀態(tài)矢量x(1)變化的方向和速率的概率分布。
50.權(quán)利要求44的方法，其中，導(dǎo)出步驟包括步驟(a)確定在初始時(shí)刻t0由狀態(tài)矢量x(0)的值表示的容器中的液體狀態(tài)；(b)利用動(dòng)態(tài)模型，從所說的狀態(tài)矢量x(n-1)確定在隨后的時(shí)間t(n)＝t0+nd的液體狀態(tài)，n＝1～M，其中d是一個(gè)預(yù)定時(shí)間增量，所說的在t(n)狀態(tài)用狀態(tài)矢量x(n)值來表示；(c)根據(jù)狀態(tài)矢量x(i)所說的值的第一函數(shù)分別確定所說的多個(gè)傳感器在時(shí)間t(i)的參數(shù)測(cè)量值，其中i是0到M范圍內(nèi)的整數(shù)；以及(d)根據(jù)狀態(tài)矢量x(i)的所說值的第二函數(shù)分別確定在時(shí)間t(i)的液體量值，其中所說的對(duì)于時(shí)間t(i)的被確定的參數(shù)測(cè)量值和液體量值成為用于時(shí)間延遲神經(jīng)網(wǎng)絡(luò)算法的訓(xùn)練數(shù)據(jù)組的一部分。
51.權(quán)利要求50的方法，其中，按容器中液體狀態(tài)的可變性的預(yù)先規(guī)定的界限內(nèi)隨機(jī)產(chǎn)生來確定在初始時(shí)刻t0的容器中液體狀態(tài)。
52.權(quán)利要求50的方法，其中，確定每個(gè)在隨后的時(shí)間t(n)的液體狀態(tài)x(n)，作為一個(gè)包括隨機(jī)噪聲表達(dá)式的狀態(tài)x(n-1)的函數(shù)。
53.權(quán)利要求52的方法，其中，與狀態(tài)x(n-1)和x(n)之間的具體轉(zhuǎn)換無關(guān)地導(dǎo)出隨機(jī)噪聲表達(dá)式。
54.權(quán)利要求50的方法，其中，確定參數(shù)測(cè)量值的步驟的第一函數(shù)包括隨機(jī)噪聲表達(dá)式。
55.權(quán)利要求54的方法，其中，與每個(gè)時(shí)刻和每個(gè)訓(xùn)練數(shù)據(jù)組無關(guān)地導(dǎo)出第一函數(shù)的隨機(jī)噪聲表達(dá)式。
全文摘要
公開一種利用時(shí)間延遲神經(jīng)網(wǎng)絡(luò)的液體計(jì)量設(shè)備，其用于確定不能為傳感器所直接測(cè)量的容器中液體量。該液體計(jì)量設(shè)備包括許多傳感器和一個(gè)處理器。傳感器中的每一個(gè)都能夠測(cè)量一個(gè)有關(guān)的液體參數(shù)和用于產(chǎn)生隨時(shí)間變化的、代表各自的被測(cè)量的參數(shù)。該處理裝置通過時(shí)間延遲神經(jīng)網(wǎng)絡(luò)算法為處理傳感器輸出信號(hào)被編程。根據(jù)當(dāng)前和過去傳感器輸出信號(hào)參數(shù)測(cè)量，確定容器中當(dāng)前的液體量。還公開了一種訓(xùn)練一個(gè)時(shí)間延遲神經(jīng)網(wǎng)絡(luò)算法的方法，該算法根據(jù)當(dāng)前和過去液體參數(shù)傳感器的測(cè)量來計(jì)算一個(gè)容器中的液體的量。
文檔編號(hào)G01F23/22GK1441896SQ01812601
公開日2003年9月10日 申請(qǐng)日期2001年5月24日 優(yōu)先權(quán)日2000年7月13日
發(fā)明者L·C·拉貝洛, M·瓦爾克, R·R·扎克魯斯基 申請(qǐng)人:西蒙茲精密產(chǎn)品公司