基于GA-BP算法的超声波测量精度优化研究

　　减小油品的损耗数量，加强油品的管控水平，已成为石油化工领域提升行业竞争力和经济效益的有效手段，因此如何提高罐体的油位计量精度成为当前急需解决的问题。

　　目前基于罐体的油位计量方法大致采用传统的人工检尺和高精度的液位计量仪表等，其中超声波检测技术瞳1以其抗干扰性、实用性、耐腐蚀性和响应时间等优势迅速取代传统的油位计量方法。但是，在外界环境的影响下，超声波传感器很容易受到环境温度、自身结构、噪声、液面波动和被测物形体、位置等因素干扰，其产生的脉冲信号衰减严重，从而导致输出信号失真明显。仅依靠硬件去补偿测量精度，效果不是特别理想。基于此，本文提出一种基于神经网络遗传算法的超声波传感器测量精度优化模型来实现油位计量系统的误差校正。仿真结果显示，经神经网络遗传算法优化后的测量精度有所提高。