一种基于提升机头轮振动频谱的粮食破碎风险预测方法与流程
本发明属于数据处理,具体地说是一种基于提升机头轮振动频谱的粮食破碎风险预测方法。
背景技术:
1、粮食提升机头轮振动频谱检测是预判输送过程粮食破碎风险的核心手段之一,机头轮运行过程中会产生多源复合振动激励,既包含滚筒偏心、轴承磨损、链条啮合等周期性稳态振动,也包含断料复料切换过程产生的瞬时冲击振动,通常,通过安装于头轮轴承座或壳体上的加速度传感器(iepe/icp型)采集振动加速度信号,经频谱分析后获取振动频谱信号,其幅值等异常变化会直接反映粮食撞击、挤压产生的破碎趋势,因此在农产品智能监控中对机头轮振动频谱信号开展频谱分析、破碎风险预判是必不可少的设备性能与物料损耗验证步骤。
2、在粮食提升机在线破碎风险预测的实际检测场景中,通常采用振动采集装置搭配频谱分析单元,通过解析稳态平均频谱的幅值、谐波能量来评判整机振动水平与潜在破碎风险是否超标,然而,实际现场在线监测作业中极易忽略两类特殊问题:断料复料切换窗口期会同步生成两类时域高度重叠、频带高度混叠的瞬时冲击信号,一类为粮食自由跌落撞击滚筒形成的连续密集脉冲冲击簇,直接对应粮食破碎风险;另一类为闸门动作、链条载荷突变、积料垮塌产生的机械干扰冲击,两类冲击频谱分布区间高度重合,常规稳态平均频谱处理方式会平滑稀释复料1-3s短时高能跌落冲击脉冲,造成破碎风险漏检,若取消频谱平滑处理完整保留瞬态信号,又无法区分同源重叠冲击信号的来源,仅依靠全局频谱能量阈值极易产生虚假破碎报警;上述问题在粮油产线连续监测中,依托工业互联网平台进行数据汇聚与远程监控时检测指标仍较为单一,易造成高破碎风险工况漏判、无破碎风险工况误报警,导致输送粮食破碎率超标。
3、为此,本发明提供了一种基于提升机头轮振动频谱的粮食破碎风险预测方法。
技术实现思路
1、为了弥补现有技术的不足,解决背景技术中所提出的至少一个技术问题。
2、本发明解决其技术问题所采用的技术方案是:一种基于提升机头轮振动频谱的粮食破碎风险预测方法,包括以下步骤:
3、步骤一:通过对复料过程中振动频谱信号的时频脊线检测,分离复料机械干扰冲击与粮食跌落脉冲簇,构建粮食跌落脉冲簇原子库与复料机械干扰冲击原子库;
4、步骤二:基于两类冲击原子库,对复料跌落窗口期内检出的候选冲击事件进行时间重叠指数计算,判断是否存在粮食跌落脉冲簇与复料机械干扰冲击时序重叠问题,若存在,则进行重叠区标记;
5、步骤三:计算重叠区占比与粮食跌落脉冲簇的特征变异系数,量化复料机械干扰冲击对粮食跌落冲击特征的干扰程度,确定重叠冲击信号分离策略的适用参数;
6、步骤四:根据重叠区标记与干扰程度,结合重叠冲击信号分离策略的适用参数进行干扰原子匹配追踪与干扰能量剔除,恢复纯净的粮食跌落冲击序列,输出破碎风险等级。
7、作为本发明进一步的方案:时频脊线的获取方式为:
8、利用小波基函数对复料过程中的振动频谱信号进行时频分解,得到振动频谱信号在时频平面上的能量分布,检测能量局部极大值点,将相邻且距离处于预设距离范围内的局部极大值点相连,得到时频脊线。
9、作为本发明进一步的方案:构建粮食跌落脉冲簇原子库与复料机械干扰冲击原子库的方式为:
10、获取每条时频脊线的起始时间和结束时间并计算持续时间,将持续时间与复料跌落窗口期总时长进行比值处理,得到脊线时间占比值;
11、将每条时频脊线中的局部极大值点数量与复料跌落窗口期内的局部极大值点总数量进行比值处理,得到脊线密度占比值;
12、将脊线时间占比值与脊线密度占比值进行积运算,得到冲击簇连续性判别值;
13、若冲击簇连续性判别值小于等于预设判别阈值,将对应的时频脊线标记为复料时频脊线;
14、若冲击簇连续性判别值大于预设判别阈值,将对应的时频脊线标记为跌落时频脊线;
15、分别归集两类时频脊线拆分得到的冲击原子,构建粮食跌落脉冲簇原子库与复料机械干扰冲击原子库。
16、作为本发明进一步的方案:判断是否存在粮食跌落脉冲簇与复料机械干扰冲击时序重叠问题,若存在则进行重叠区标记的方式为:
17、取候选冲击事件中复料机械干扰冲击事件和粮食跌落脉冲簇事件冲击起始时刻较晚的一项作为重叠区间起始时刻,取两组冲击事件冲击终止时刻较早的一项作为重叠区间终止时刻,重叠区间终止时刻与重叠区间起始时刻的差值,即为时域重叠总时长;
18、将时域重叠总时长与粮食跌落脉冲簇对应冲击事件完整持续总时长进行比值处理,得到单次时间重叠指数;
19、若单次时间重叠指数大于等于重叠判定基准值,则存在时序重叠;
20、以复料跌落窗口期总时长为基准坐标系,按重叠区间起止时刻,在复料跌落窗口期时域轴上划分出时域重叠区段,完成重叠区标记。
21、作为本发明进一步的方案:计算重叠区占比的获取方式为:
22、将每一段时域重叠区段的终止时刻与起始时刻进行差值处理,得到单段重叠时长;
23、累加复料跌落窗口期内全部单段重叠时长,得到复料跌落窗口期全域总重叠时长;
24、将全域总重叠时长与复料跌落窗口期总时长进行比值处理,得到重叠区占比。
25、作为本发明进一步的方案:特征变异系数的计算方式为:
26、将所有时域重叠区段内的所有粮食跌落冲击原子整合为叠加影响粮食跌落冲击原子集合;
27、将未出现复料机械干扰冲击的粮食跌落冲击原子整合为纯净粮食跌落冲击原子集合;
28、获取纯净粮食跌落冲击原子集合和叠加影响粮食跌落冲击原子集合内每项粮食跌落冲击原子的中心频率、带宽、波形包络峰值特征参数;
29、针对每项特征参数计算样本均值,基于样本均值计算离散均值后开方,得到对应特征参数离散度;
30、将叠加影响粮食跌落冲击原子集合中特征参数的离散度,与纯净粮食跌落冲击原子集合的对应特征参数的离散度进行比值处理,得到对应特征参数的变异数值;
31、将中心频率、带宽、波形包络峰值对应的变异数值进行求和,除以特征参数总数量,得到粮食跌落脉冲簇的特征变异系数。
32、作为本发明进一步的方案:确定重叠冲击信号分离策略的适用参数的方式为:
33、对重叠区占比与特征变异系数归一化处理后求和,得到干扰叠加总量值;
34、将干扰叠加总量值与纯净匹配迭代基准值进行积运算,得到干扰原子匹配追踪迭代次数;
35、其纯净匹配迭代基准值为纯净粮食跌落冲击序列做匹配追踪分解所需固定基础运算次数;
36、将特征变异系数与标准包络基准值进行积运算,得到干扰冲击能量剥离幅值系数;
37、标准包络基准值为纯净粮食跌落冲击原子波形包络峰值的平均值;
38、得到的干扰原子匹配追踪迭代次数与干扰冲击能量剥离幅值系数即为重叠冲击信号分离策略的适用参数。
39、作为本发明进一步的方案:进行干扰原子匹配追踪与干扰能量剔除的方式为:
40、将干扰原子匹配追踪迭代次数设定为匹配追踪检索运算的总循环次数,将时域重叠区段内冲击原子的特征参数与复料机械干扰冲击原子库中的冲击原子特征参数逐项计算差值;
41、将冲击原子全部特征参数差值进行累加并进行归一化处理,得到参数匹配总差值;
42、若单枚冲击原子参数匹配总差值小于匹配判定参照数值,判定对应冲击原子为复料机械干扰冲击原子;
43、将冲击原子原始波形包络峰值减去干扰冲击能量剥离幅值系数对应的能量值,消除复料机械干扰冲击能量对粮食跌落脉冲能量的叠加干扰。
44、作为本发明进一步的方案:恢复纯净的粮食跌落冲击序列的过程为:
45、归集时域重叠区段内完成干扰剔除后的冲击原子,与未落入时域重叠区段的纯净粮食跌落冲击原子集合合并,得到待校验冲击序列;
46、若相邻冲击原子时间间隔大于脉冲簇约束下限值,则保留对应冲击原子,若相邻冲击原子时间间隔小于脉冲簇约束下限值,则剔除对应的冲击原子,完成冲击序列重构,得到粮食跌落冲击序列。
47、作为本发明进一步的方案:脉冲簇约束下限值的获取方式为:
48、将纯净粮食跌落冲击原子之间稳定冲击间隔记为连续性判定基础值;
49、将重叠区占比与特征变异系数进行积运算,得到信号失真衰减数值;
50、将连续性判定基础值与信号失真衰减数值进行差值处理,得到当前复料跌落窗口期对应的脉冲簇约束下限值。
51、本发明的有益效果如下:
52、本发明通过时频脊线检测与干扰程度量化得到的分级适配分离参数,在粮油产线复料过程在线监测中实现干扰精准剔除,即只对存在时序重叠的混叠冲击区段执行匹配追踪干扰剥离与脉冲簇连续性约束重构,从而在保持在线监测运算效率的同时,提升对频谱平滑稀释引发的破碎风险漏检和能量混叠引发的虚假破碎报警两类监测偏差的识别准确率,有效降低粮食破碎率超标风险。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com