随着科技进步及工业化的快速发展,人们对于流量计量的准确性要求越来越高。从常用的水电到石油天然气产业,无一不体现出计量的准确性对于各个行业以及人们生活的重要性。为了确保流量计量的准确性,传感器的精度自然要达到要求,但还要考虑到流量传感器工作的稳定性及可靠性。传统的方法是通过采取多传感器的硬件冗余法来确保流量传感器稳定及可靠地测量,这样不仅增加了系统的复杂性,也提高了实际成本。为了改善并解决这种方法的弊端,本文提出将软件方法应用于流量传感器,即用软件算法代替传统的硬件方法来验证流量传感器数据的有效性,从而提高其工作的性能。传感器数据验证的软件方法在航天航空等领域已经取得了巨大的成果,将这种方法应用到化工过程控制领域中的流量传感器,必然具有一定的实际意义。而选择合适的软件算法才能够有效地验证流量传感器数据,并达到提高流量传感器工作稳定性及可靠性的效果。传统的解析方法是利用信号之间的冗余关系或建立精确的系统模型,来验证传感器数据的有效性,这种方法不适用于单传感器系统的流量传感器;因此本文选择了近年来较为流行的神经网络方法,这种方法不需要对系统建立精确的模型,且对于解决线性问题与非线性问题都具有较好的效果。本文利用神经网络方法对流量传感器数据进行有效性验证。首先,通过经验定律、定量分析实验确定了网络的基本模型,并分析了传感器数据验证方法中传感器阈值的设定。然后,实验模拟了四类常见的传感器故障类型,并利用BP、小波神经网络预测器检测这四种可能出现的故障。实验结果表明,两种神经网络方法在一定条件下都能够有效地验证流量传感器数据,各有优缺点,可以根据实际情况选择不同的方法。最后,利用组态王与MATLAB的数据通信在实验室组态系统“音速喷嘴标定装置”上实现了简单的在线验证,进一步说明设计的软件算法能够验证传感器数据的有效性,当流量传感器发生数据异常时,能够有效地检测出来,并将预测信号代替异常信号维持正常的流量计量。