Исследование методов обработки сигналов ультразвуковых расходомеров с использованием алгоритмов машинного обучения : магистерская диссертация

Abstract

Опробовано применение алгоритмов машинного обучения для вычисления расхода жидкости на имеющихся экспериментальных данных о сигналах биения пьезоэлектрических преобразователей ультразвуковых расходомеров. Линейная регрессия и свёрточная нейронная сеть определены, как наиболее точные алгоритмы для поставленной задачи.

Machine-learning algorithms was tested as signal digital processing for ultrasonic flowmeters. Experimental data consists of flow rate and the runout signals of piezoelectric transducers. Linear regression and convolutional neural network are defined as the most accurate algorithms for the task.