一种基于压力传感器的液位识别方法、装置及电子设备与流程

1.本发明涉及液位识别技术领域，尤其涉及一种基于压力传感器的液位识别方法、装置及电子设备。


背景技术：

2.液位是工业生产及生活场景中最常见的控制参数之一，液位识别的准确性直接影响对产品的状态管控以及对方案的调整，如针对蓄电池补液、油箱液位、河流水位等的识别，其识别结果影响着后续对蓄电池补液的操控、油箱状态的异常评估以及河流液位增长迅速导致的应急方案调整等，而现有技术大都采用量尺或图像识别的方式识别液位，导致设备运用较多，需消耗较大人力资源去观察测量，且液位测量结果准确性也容易存在较大误差。


技术实现要素：

3.本发明提供了一种基于压力传感器的液位识别方法、装置及电子设备，解决液位识别时设备运用较多，人力消耗较多，液位测量结果误差较大的问题。
4.本说明书实施例提供一种基于压力传感器的液位识别方法，包括：获取目标物内的历史流体数据，所述历史流体数据包括历史流体压力数据、历史流体液位数据；对所述历史流体数据进行预处理，对预处理后的所述历史流体数据进行特征提取，得到历史流体压力特征、历史流体液位特征；构建初始流体液位识别模型，基于所述历史流体压力特征、所述历史流体液位特征对所述初始流体液位识别模型进行训练，得到训练好的流体液位识别模型；利用压力传感器实时采集目标物内的流体压力数据；对所述流体压力数据进行预处理，对预处理后的所述流体压力数据进行特征提取，得到流体压力特征；将所述流体压力特征输入训练好的流体液位识别模型，得到目标物内的流体液位。
5.优选的，所述方法还包括：基于预设液位识别准则对所述目标物内的流体液位进行判断；当所述目标物内的流体液位低于第一预设预设流体液位值或高于第二预设预设流体液位值时，对用户发出警告信息。
6.优选的，所述历史流体数据还包括历史流体压力数据随时间变化的趋势数据，所述方法还包括：对所述历史流体压力数据随时间变化的趋势数据进行预处理，对预处理后的所述历史流体压力数据随时间变化的趋势数据进行特征提取，得到历史流体压力时间特征；构建初始流体液位预测模型，基于所述历史流体压力特征、所述历史流体压力时
间特征、所述历史流体液位特征对所述初始流体液位预测模型进行训练，得到训练好的流体液位预测模型。
7.优选的，所述方法还包括：利用压力传感器实时采集目标物内的流体压力数据，并记录目标物内的流体压力数据随时间变化的趋势数据；分别对所述流体压力数据、流体压力数据随时间变化的趋势数据进行特征提取，得到所述流体压力特征、流体压力时间特征；将所述流体压力特征、所述流体压力时间特征输入训练好的流体液位预测模型，得到目标物内的预测流体液位。
8.优选的，所述对所述历史流体数据进行预处理，包括：对所述历史流体数据进行数据清洗；对清洗后的历史流体数据进行数据集成；对集成后的历史流体数据进行数据平滑处理；对平滑处理后的历史流体数据进行数据归约处理。
9.优选的，所述方法还包括：基于预设液位预测准则对所述目标物内的流体液位进行判断；当所述目标物内的预测流体液位低于第三预设预设流体液位值或高于第四预设预设流体液位值时，对用户发出警告信息。
10.本说明书实施例还提供一种基于压力传感器的液位识别装置，包括：数据获取模块，用于获取目标物内的历史流体数据，所述历史流体数据包括历史流体压力数据、历史流体液位数据；数据处理模块，用于对所述历史流体数据进行预处理，对预处理后的所述历史流体数据进行特征提取，得到历史流体压力特征、历史流体液位特征；模型训练模块，用于构建初始流体液位识别模型，基于所述历史流体压力特征、所述历史流体液位特征对所述初始流体液位识别模型进行训练，得到训练好的流体液位识别模型；数据采集模块，用于利用压力传感器实时采集目标物内的流体压力数据；特征提取模块，用于对所述流体压力数据进行预处理，对预处理后的所述流体压力数据进行特征提取，得到流体压力特征；流体液位确定模块，用于将所述流体压力特征输入训练好的流体液位识别模型，得到目标物内的流体液位。
11.优选的，所述装置还包括：第一液位判断模块，用于基于预设液位识别准则对所述目标物内的流体液位进行判断；第一警告模块，用于当所述目标物内的流体液位低于第一预设预设流体液位值或高于第二预设预设流体液位值时，对用户发出警告信息。
12.优选的，所述历史流体数据还包括历史流体压力数据随时间变化的趋势数据，所述方法还包括：历史流体压力时间特征提取模块，用于对所述历史流体压力数据随时间变化的趋
势数据进行预处理，对预处理后的所述历史流体压力数据随时间变化的趋势数据进行特征提取，得到历史流体压力时间特征；流体液位预测模型构建模块，用于构建初始流体液位预测模型，基于所述历史流体压力特征、所述历史流体压力时间特征、所述历史流体液位特征对所述初始流体液位预测模型进行训练，得到训练好的流体液位预测模型。
13.优选的，所述装置还包括：数据记录模块，用于利用压力传感器实时采集目标物内的流体压力数据，并记录目标物内的流体压力数据随时间变化的趋势数据；特征获取模块，用于分别对所述流体压力数据、流体压力数据随时间变化的趋势数据进行特征提取，得到所述流体压力特征、流体压力时间特征；预测流体液位模块，用于将所述流体压力特征、所述流体压力时间特征输入训练好的流体液位预测模型，得到目标物内的预测流体液位。
14.优选的，所述数据处理模块，包括：数据清洗单元，用于对所述历史流体数据进行数据清洗；数据集成单元，用于对清洗后的历史流体数据进行数据集成；数据平滑单元，用于对集成后的历史流体数据进行数据平滑处理；数据归约处理单元，用于对平滑处理后的历史流体数据进行数据归约处理。
15.优选的，所述装置还包括：第二液位判断模块，用于基于预设液位预测准则对所述目标物内的流体液位进行判断；第一警告模块，用于当所述目标物内的预测流体液位低于第三预设预设流体液位值或高于第四预设预设流体液位值时，对用户发出警告信息。
16.一种电子设备，其中，该电子设备包括：处理器以及存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述任一项所述的方法。
17.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个指令，所述一个或多个指令当被处理器执行时，实现上述任一项所述的方法。
18.本发明通过训练好的流体液位识别模型实现对压力传感器采集的流体压力数据进行分析处理，实现对流体液位的准确识别，便于根据识别结果对目标物进行维修或对既定方案进行修改等设备要求简单，降低资源消耗，减少人力资源支出。
附图说明
19.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：图1为本说明书实施例提供的一种基于压力传感器的液位识别方法的原理示意图；图2为本说明书实施例提供的一种基于压力传感器的液位识别装置的结构示意图；图3为本说明书实施例提供的一种电子设备的结构示意图；
图4为本说明书实施例提供的一种计算机可读介质的原理示意图。
具体实施方式
20.现在将参考附图更全面地描述本发明的示例性实施例。然而，示例性实施例能够以多种形式实施，且不应被理解为本发明仅限于在此阐述的实施例。相反，提供这些示例性实施例能够使得本发明更加全面和完整，更加便于将发明构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的元件、组件或部分，因而将省略对它们的重复描述。
21.在符合本发明的技术构思的前提下，在某个特定的实施例中描述的特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。
22.在对于具体实施例的描述中，本发明描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是，并不排除本领域技术人员可以实践本发明的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。
23.附图中所示的图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
24.附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
25.术语“和/或”或者“及/或”包括相关联的列出项目中的任一个或多者的所有组合。
26.参照图1为本说明书实施例提供的一种基于压力传感器的液位识别方法的原理示意图，包括：s101：获取目标物内的历史流体数据，所述历史流体数据包括历史流体压力数据、历史流体液位数据；s102：对所述历史流体数据进行预处理，对预处理后的所述历史流体数据进行特征提取，得到历史流体压力特征、历史流体液位特征；s103：构建初始流体液位识别模型，基于所述历史流体压力特征、所述历史流体液位特征对所述初始流体液位识别模型进行训练，得到训练好的流体液位识别模型；在本实施例中，先收集目标物内的历史流体数据，历史流体数据包括历史流体压力数据、历史流体液位数据，然后对历史流体数据进行预处理，避免出现脏数据以及数据格式无法使用，之后对预处理后的历史流体数据进行特征提取，得到历史流体压力特征、历史流体液位特征，通过提取的历史流体压力特征、历史流体液位特征对构建的初始流体液位识别模型进行模型训练，在进行模型训练时可采用人工神经网络算法、回归算法、深度学习算法、决策树算法、随机森林算法、梯度回归算法等中的一个或多个进行模型训练，当采用多模型结合的方式进行模型训练时，采用权重划分的方式选取最适合的模型作为最终的流体液位识别模型，避免出现过度拟合现象，有效提升模型的识别精度。
27.s104：利用压力传感器实时采集目标物内的流体压力数据；s105：对所述流体压力数据进行预处理，对预处理后的所述流体压力数据进行特征提取，得到流体压力特征；
s106：将所述流体压力特征输入训练好的流体液位识别模型，得到目标物内的流体液位。
28.在本实施例中，利用压力传感器实时采集目标物内的流体压力数据，通过压力传感器进行数据的采集，简化了数据采集过程，然后对流体压力数据进行预处理，对预处理后的流体压力数据进行特征提取，得到流体压力特征，最后将流体压力特征输入训练好的流体液位识别模型，得到目标物内的流体液位，实现对流体液位的识别。
29.进一步地，所述方法还包括：基于预设液位识别准则对所述目标物内的流体液位进行判断；当所述目标物内的流体液位低于第一预设预设流体液位值或高于第二预设预设流体液位值时，对用户发出警告信息。
30.在本实施例中，例如，目标物为油浸式变压器，通过在油浸式变压器中安装压力传感器对油浸式变压器中的油所产生的流体压力数据进行采集，然后将采集的数据传送至流体液位识别模型进行流体压力数据的分析处理，最终得到油浸式变压器内油的液位，由于油浸式变压器发生故障时会存在油浸式变压器的油液位出现异常，因此，可以根据具体场景设置流体液位的阈值，假设，设置浸式变压器的油液位高于60cm或低于50cm时为异常状况，当流体液位识别模型输出的流体液位值为49cm时，油浸式变压器的油液位低于预设的油液位值50cm，此时服务器的显示设备会显示油浸式变压器出现异常的标识，并发送报警信息至后台，通知后台对油浸式变压器进行检查和维修，实现及时对异常油浸式变压器的处理，保证设备的正常运行。
31.进一步地，所述历史流体数据还包括历史流体压力数据随时间变化的趋势数据，所述方法还包括：对所述历史流体压力数据随时间变化的趋势数据进行预处理，对预处理后的所述历史流体压力数据随时间变化的趋势数据进行特征提取，得到历史流体压力时间特征；构建初始流体液位预测模型，基于所述历史流体压力特征、所述历史流体压力时间特征、所述历史流体液位特征对所述初始流体液位预测模型进行训练，得到训练好的流体液位预测模型。
32.在本实施例中，在先收集的目标物内的历史流体数据还包括历史流体压力数据随时间变化的趋势数据，然后对历史流体压力数据随时间变化的趋势数据进行预处理，避免出现脏数据以及数据格式无法使用，之后对预处理后的历史流体压力数据随时间变化的趋势数据进行特征提取，得到历史流体压力时间特征，通过提取的历史流体压力时间特征对构建的初始流体液位预测模型进行模型训练，在进行模型训练时可采用人工神经网络算法、回归算法、深度学习算法、决策树算法、随机森林算法、梯度回归算法等中的一个或多个进行模型训练，当采用多模型结合的方式进行模型训练时，采用权重划分的方式选取最适合的模型作为最终的流体液位预测模型，避免出现过度拟合现象，有效提升模型预测效果。
33.进一步地，所述方法还包括：利用压力传感器实时采集目标物内的流体压力数据，并记录目标物内的流体压力数据随时间变化的趋势数据；分别对所述流体压力数据、流体压力数据随时间变化的趋势数据进行特征提取，得到所述流体压力特征、流体压力时间特征；
将所述流体压力特征、所述流体压力时间特征输入训练好的流体液位预测模型，得到目标物内的预测流体液位。
34.进一步地，所述方法还包括：基于预设液位预测准则对所述目标物内的流体液位进行判断；当所述目标物内的预测流体液位低于第三预设预设流体液位值或高于第四预设预设流体液位值时，对用户发出警告信息。
35.在本实施例中，例如，目标物为河道，通过在河道下安装压力传感器对河道中的水所产生的流体压力数据进行采集，然后将采集的数据传送至流体液位预测模型进行流体压力数据的分析处理，最终得到河道内水的液位，由于河道遇到大雨会出现洪水或干旱的情景，因此，可以根据具体场景设置水的液位阈值，假设，设置河道内水的液位高于350cm或低于30cm时为异常状况，设置预测未来的水位时间为10小时后，当采集的流体压力数据输入至流体液位预测模型时所预测的水的液位值为400cm时，说明未来一段时间河道内的水位会迅速增长，此时服务器的显示设备会显示河道水位出现异常的标识，并发送报警信息至后台，实现提醒相关部门发布应急方案或对航行人员提前预警实现紧急避险的效果，避免出现较大事故和损失。
36.优选的，为了进一步提升流体液位识别模型、流体液位预测模型的识别精确度，还可以在训练对应模型时添加其他影响因素数据，如流体流速数据、流体短期变化频率等，具体的需要根据具体使用场景进行相应的模型输入输出参数调整，以期达到更好地识别液位及预测液位的效果。
37.进一步地，所述对所述历史流体数据进行预处理，包括：对所述历史流体数据进行数据清洗；对清洗后的历史流体数据进行数据集成；对集成后的历史流体数据进行数据平滑处理；对平滑处理后的历史流体数据进行数据归约处理。
38.在本实施例中，通过对数据进行数据清洗、数据集成、数据平滑、数据归约的处理，实现数据的格式标准化、异常数据的清除、数据错误纠正、数据重复的清除等，提升数据的质量，从而提升后续的数据特征提取的质量和速度，提升模型训练效果。
39.在本实施例中，流体液位识别模型、流体液位预测模型不限于用于河道水位勘测、油浸式变压器的异常检测，还可以用于其他具有流体的设备，实现设备的故障检测或预测等。
40.本发明通过训练好的流体液位识别模型实现对压力传感器采集的流体压力数据进行分析处理，实现对流体液位的准确识别，便于根据识别结果对目标物进行维修或对既定方案进行修改等设备要求简单，降低资源消耗，减少人力资源支出。
41.图2为本说明书实施例提供的一种基于压力传感器的液位识别装置的结构示意图，包括：数据获取模块201，用于获取目标物内的历史流体数据，所述历史流体数据包括历史流体压力数据、历史流体压力时间数据、历史流体液位数据；数据处理模块202，用于对所述历史流体数据进行预处理，对预处理后的所述历史流体数据进行特征提取，得到历史流体压力特征、历史流体液位特征；
模型训练模块203，用于构建初始流体液位识别模型，基于所述历史流体压力特征、所述历史流体液位特征对所述初始流体液位识别模型进行训练，得到训练好的流体液位识别模型；数据采集模块204，用于利用压力传感器实时采集目标物内的流体压力数据；特征提取模块205，用于对所述流体压力数据进行预处理，对预处理后的所述流体压力数据进行特征提取，得到流体压力特征；流体液位确定模块206，用于将所述流体压力特征输入训练好的流体液位识别模型，得到目标物内的流体液位。
42.进一步地，所述装置还包括：第一液位判断模块，用于基于预设液位识别准则对所述目标物内的流体液位进行判断；第一警告模块，用于当所述目标物内的流体液位低于第一预设预设流体液位值或高于第二预设预设流体液位值时，对用户发出警告信息。
43.进一步地，所述历史流体数据还包括历史流体压力数据随时间变化的趋势数据，所述方法还包括：历史流体压力时间特征提取模块，用于对所述历史流体压力数据随时间变化的趋势数据进行预处理，对预处理后的所述历史流体压力数据随时间变化的趋势数据进行特征提取，得到历史流体压力时间特征；流体液位预测模型构建模块，用于构建初始流体液位预测模型，基于所述历史流体压力特征、所述历史流体压力时间特征、所述历史流体液位特征对所述初始流体液位预测模型进行训练，得到训练好的流体液位预测模型。
44.进一步地，所述装置还包括：数据记录模块，用于利用压力传感器实时采集目标物内的流体压力数据，并记录目标物内的流体压力数据随时间变化的趋势数据；特征获取模块，用于分别对所述流体压力数据、流体压力数据随时间变化的趋势数据进行特征提取，得到所述流体压力特征、流体压力时间特征；预测流体液位模块，用于将所述流体压力特征、所述流体压力时间特征输入训练好的流体液位预测模型，得到目标物内的预测流体液位。
45.进一步地，所述数据处理模块，包括：数据清洗单元，用于对所述历史流体数据进行数据清洗；数据集成单元，用于对清洗后的历史流体数据进行数据集成；数据平滑单元，用于对集成后的历史流体数据进行数据平滑处理；数据归约处理单元，用于对平滑处理后的历史流体数据进行数据归约处理。
46.进一步地，所述装置还包括：第二液位判断模块，用于基于预设液位预测准则对所述目标物内的流体液位进行判断；第一警告模块，用于当所述目标物内的预测流体液位低于第三预设预设流体液位值或高于第四预设预设流体液位值时，对用户发出警告信息。
47.基于同一发明构思，本说明书实施例还提供一种电子设备。
48.下面描述本发明的电子设备实施例，该电子设备可以视为对于上述本发明的方法和装置实施例的具体实体实施方式。对于本发明电子设备实施例中描述的细节，应视为对于上述方法或装置实施例的补充；对于在本发明电子设备实施例中未披露的细节，可以参照上述方法或装置实施例来实现。
49.参照图3为本说明书实施例提供的一种电子设备的结构示意图。下面参照图3来描述根据本发明该实施例的电子设备300。图3显示的电子设备300仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
50.如图3所示，电子设备300以通用计算设备的形式表现。电子设备300的组件可以包括但不限于：至少一个处理单元310、至少一个存储单元320、连接不同装置组件（包括存储单元320和处理单元310）的总线330、显示单元340等。
51.其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元310执行，使得所述处理单元310执行本说明书上述处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元310可以执行如图1所示的步骤。
52.所述存储单元320可以包括易失性存储单元形式的可读介质，例如随机存取存储单元（ram）3201和/或高速缓存存储单元3202，还可以进一步包括只读存储单元（rom）3203。
53.所述存储单元320还可以包括具有一组（至少一个）程序模块3205的程序/实用工具3204，这样的程序模块3205包括但不限于：操作装置、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
54.总线330可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
55.电子设备300也可以与一个或多个外部设备400（例如键盘、指向设备、蓝牙设备等）通信，还可与一个或者多个使得用户能与该电子设备300交互的设备通信，和/或与使得该电子设备300能与一个或多个其它计算设备进行通信的任何设备（例如路由器、调制解调器等等）通信。这种通信可以通过输入/输出（i/o）接口350进行。并且，电子设备300还可以通过网络适配器360与一个或者多个网络（例如局域网（lan），广域网（wan）和/或公共网络，例如因特网）通信。网络适配器360可以通过总线330与电子设备300的其它模块通信。应当明白，尽管图3中未示出，可以结合电子设备300使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid装置、磁带驱动器以及数据备份存储装置等。
56.通过以上的实施方式的描述，本领域的技术人员易于理解，本发明描述的示例性实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个计算机可读的存储介质（可以是cd-rom，u盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、或者网络设备等）执行根据本发明的上述方法。当所述计算机程序被一个数据处理设备执行时，使得该计算机可读介质能够实现本发明的上述方法，即：如图1所示的方法。
57.参照图4为本说明书实施例提供的一种计算机可读介质的原理示意图。
58.实现图1所示方法的计算机程序可以存储于一个或多个计算机可读介质上。计算
机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的装置、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（ram）、只读存储器（rom）、可擦式可编程只读存储器（eprom或闪存）、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
59.所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行装置、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。
60.可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网（lan）或广域网（wan），连接到用户计算设备，或者，可以连接到外部计算设备（例如利用因特网服务提供商来通过因特网连接）。
61.综上所述，本发明可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器（dsp）等通用数据处理设备来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序（例如，计算机程序和计算机程序产品）。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
62.以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，本发明不与任何特定计算机、虚拟装置或者电子设备固有相关，各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
63.本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
64.以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。

技术特征：
1.一种基于压力传感器的液位识别方法，其特征在于，包括：获取目标物内的历史流体数据，所述历史流体数据包括历史流体压力数据、历史流体液位数据；对所述历史流体数据进行预处理，对预处理后的所述历史流体数据进行特征提取，得到历史流体压力特征、历史流体液位特征；构建初始流体液位识别模型，基于所述历史流体压力特征、所述历史流体液位特征对所述初始流体液位识别模型进行训练，得到训练好的流体液位识别模型；利用压力传感器实时采集目标物内的流体压力数据；对所述流体压力数据进行预处理，对预处理后的所述流体压力数据进行特征提取，得到流体压力特征；将所述流体压力特征输入训练好的流体液位识别模型，得到目标物内的流体液位。2.如权利要求1所述的一种基于压力传感器的液位识别方法，其特征在于，所述方法还包括：基于预设液位识别准则对所述目标物内的流体液位进行判断；当所述目标物内的流体液位低于第一预设预设流体液位值或高于第二预设预设流体液位值时，对用户发出警告信息。3.如权利要求1所述的一种基于压力传感器的液位识别方法，其特征在于，所述历史流体数据还包括历史流体压力数据随时间变化的趋势数据，所述方法还包括：对所述历史流体压力数据随时间变化的趋势数据进行预处理，对预处理后的所述历史流体压力数据随时间变化的趋势数据进行特征提取，得到历史流体压力时间特征；构建初始流体液位预测模型，基于所述历史流体压力特征、所述历史流体压力时间特征、所述历史流体液位特征对所述初始流体液位预测模型进行训练，得到训练好的流体液位预测模型。4.如权利要求3所述的一种基于压力传感器的液位识别方法，其特征在于，所述方法还包括：利用压力传感器实时采集目标物内的流体压力数据，并记录目标物内的流体压力数据随时间变化的趋势数据；分别对所述流体压力数据、流体压力数据随时间变化的趋势数据进行特征提取，得到所述流体压力特征、流体压力时间特征；将所述流体压力特征、所述流体压力时间特征输入训练好的流体液位预测模型，得到目标物内的预测流体液位。5.如权利要求1所述的一种基于压力传感器的液位识别方法，其特征在于，所述对所述历史流体数据进行预处理，包括：对所述历史流体数据进行数据清洗；对清洗后的历史流体数据进行数据集成；对集成后的历史流体数据进行数据平滑处理；对平滑处理后的历史流体数据进行数据归约处理。6.如权利要求4所述的一种基于压力传感器的液位识别方法，其特征在于，所述方法还包括：
基于预设液位预测准则对所述目标物内的流体液位进行判断；当所述目标物内的预测流体液位低于第三预设预设流体液位值或高于第四预设预设流体液位值时，对用户发出警告信息。7.一种基于压力传感器的液位识别装置，其特征在于，包括：数据获取模块，用于获取目标物内的历史流体数据，所述历史流体数据包括历史流体压力数据、历史流体液位数据；数据处理模块，用于对所述历史流体数据进行预处理，对预处理后的所述历史流体数据进行特征提取，得到历史流体压力特征、历史流体液位特征；模型训练模块，用于构建初始流体液位识别模型，基于所述历史流体压力特征、所述历史流体液位特征对所述初始流体液位识别模型进行训练，得到训练好的流体液位识别模型；数据采集模块，用于利用压力传感器实时采集目标物内的流体压力数据；特征提取模块，用于对所述流体压力数据进行预处理，对预处理后的所述流体压力数据进行特征提取，得到流体压力特征；流体液位确定模块，用于将所述流体压力特征输入训练好的流体液位识别模型，得到目标物内的流体液位。8.一种电子设备，其中，该电子设备包括：处理器以及存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行根据权利要求1-6中任一项所述的方法。9.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个指令，所述一个或多个指令当被处理器执行时，实现权利要求1-6中任一项所述的方法。

技术总结
本发明涉及液位识别技术领域，具体涉及一种基于压力传感器的液位识别方法、装置及电子设备，本发明通过训练好的流体液位识别模型实现对压力传感器采集的流体压力数据进行分析处理，实现对流体液位的准确识别，便于根据识别结果对目标物进行维修或对既定方案进行修改等，设备要求简单，降低资源消耗，减少人力资源支出，同时本发明还能通过训练好的流体液位预测模型实现对未来流体液位的预测，实现对用户的提前警示效果，以前规避不必要的风险。以前规避不必要的风险。以前规避不必要的风险。


技术研发人员：张芹 饶轶非
受保护的技术使用者：合肥市富林物联网技术股份有限公司
技术研发日：2023.06.15
技术公布日：2023/7/20