基于深度学习的科里奥利质量流量计测量校准方法及系统

本发明公开了基于深度学习的科里奥利质量流量计测量校准方法及系统，包括以下步骤：根据采集到的流量计运行时的振动线圈的振动信号进行自适应滤波，使用希尔伯特变换方法对滤波后的信号进行频域特征中的频率与相位信息提取，对提取到的频率和相位信息进行异常值剔除确保数据的有效性，融合同等工况下采集到的压强数据进行数据归一化。构建门控循环网络模型进行数据训练，首先使用皮尔逊相关系数法确定各特征参数最佳使用权重，对模型参数调优得到鲁棒性与泛化性最好的算法模型；本发明能适应两相流工况下的振动线圈振动信号随机性增加的特点，能一定地提高流量计两相流下的测量精度，帮助解决科里奥利质量流量计气液两相流下测量精度下滑的问题。