基于傳感器的壓力容器異常信息檢測(cè)

周鏈　邱白晶

摘 要： 對(duì)壓力容器中的異常傳感信息準(zhǔn)確檢測(cè)能實(shí)現(xiàn)壓力容器故障診斷排除。針對(duì)壓力容器異常傳感信息寬平穩(wěn)性強(qiáng)，檢測(cè)準(zhǔn)確度不高的問題，提出一種基于傳感器鑒頻特征提取的壓力容器異常信息檢測(cè)方法。首先對(duì)壓力容器中的異常傳感信息進(jìn)行數(shù)據(jù)采樣，對(duì)采樣數(shù)據(jù)進(jìn)行非線性時(shí)間序列信息流建模，采用ARMA模型分析壓力容器異常信息的時(shí)頻特征，結(jié)合傳感器鑒頻特征提取實(shí)現(xiàn)信號(hào)檢測(cè)。仿真結(jié)果表明，采用該方法進(jìn)行壓力容器傳感器信息檢測(cè)的準(zhǔn)確檢測(cè)概率較高。

關(guān)鍵詞： 傳感器； 壓力容器； 異常信息； 信號(hào)檢測(cè)

中圖分類號(hào)： TN911.23?34； TP391 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）20?0143?03

Abstract： The accurate detection of abnormal sensing information in pressure vessel can achieve fault diagnosis and elimination of pressure vessels. A method of pressure vessel abnormal information detection based on extraction of the sensor frequency discrimination characteristics is put forward in allusion to wide stationarity and low detection accuracy of abnormal sensing information. The data sampling for the abnormal sensing information in pressure vessel is performed， and then the nonlinear time series information flow modeling of the sampling data is conducted. ARMA model is used to analyze the time?frequency characteristics of pressure vessel abnormal information to realize signal detection in combination with the sensor frequency discrimination feature extraction. The simulation results show that the method has the high detection probability for pressure vessel sensing information accurate detection.

Keywords： sensor； pressure vessel； abnormal information； signal detection

0 引 言

傳感器是實(shí)現(xiàn)信息采集和信息傳輸?shù)拿舾醒b置，壓力傳感器是常用的傳感器之一，壓力傳感器是利用外部產(chǎn)生的壓力作用在傳感器的換能器敏感元件。在傳感器基陣中，換能器基陣接收到壓力信息轉(zhuǎn)換為電信號(hào)，結(jié)合信號(hào)與信息處理芯片實(shí)現(xiàn)信息處理，獲得相關(guān)的數(shù)據(jù)信息特征，并實(shí)現(xiàn)對(duì)應(yīng)的功能應(yīng)用。壓力傳感器是壓力容器的重要組成部件，壓力容器作為一種高精度的容器裝置，在油液制動(dòng)、液壓氣動(dòng)等領(lǐng)域都具有廣泛的應(yīng)用價(jià)值。壓力容器在工作中，受到容器中液體溫度和外界環(huán)境等因素的影響，容易導(dǎo)致傳感器工況失穩(wěn)，產(chǎn)生異常信息，需要對(duì)壓力容器的異常信息進(jìn)行有效檢測(cè)，實(shí)現(xiàn)壓力容器故障診斷排除[1]。

近年來，已經(jīng)有不少學(xué)者開展了對(duì)壓力容器的異常傳感信息檢測(cè)算法的研究，主要有基于統(tǒng)計(jì)特征分析的壓力容器異常傳感信息檢測(cè)算法以及基于時(shí)頻分析的檢測(cè)方法等[2]。上述方法存在抗干擾能力不強(qiáng)，檢測(cè)準(zhǔn)確性不高的問題，對(duì)此，本文提出一種基于傳感器鑒頻特征提取的壓力容器異常信息檢測(cè)方法。首先對(duì)壓力容器中的異常傳感信息的分布特征進(jìn)行信息流建模，進(jìn)行異常傳感信息的鑒頻響應(yīng)特征提取，實(shí)現(xiàn)異常信息準(zhǔn)確檢測(cè)，最后進(jìn)行實(shí)驗(yàn)分析，得出有效性結(jié)論。

1 異常傳感信息的分布特征分析

1.1 數(shù)據(jù)采樣

為了實(shí)現(xiàn)對(duì)壓力容器中異常傳感信息的優(yōu)化檢測(cè)，提高壓力容器的故障分析和診斷能力，首先對(duì)壓力容器中的異常傳感信息進(jìn)行數(shù)據(jù)采樣，令壓力容器的傳感器陣列為一組均勻分布的圓形陣列，假設(shè)壓力容器的傳感器基陣采集的數(shù)據(jù)集[S={s1，s2，…，sk}]，用向量[x=x1 x2…xk]表示壓力容器的傳感器基陣的信息采集接收單元，壓力容器中傳感器數(shù)據(jù)采集通道是一個(gè)多徑的寬平穩(wěn)傳輸信道，采用時(shí)間?頻率聯(lián)合特征分析方法[3]，構(gòu)建壓力容器傳感器分布的信道模型，描述為：

式中：[k]表示時(shí)域采樣頻率；[v]表示壓力容器的頻域采樣信息；[Wx]為時(shí)間窗口的寬度。式（5）、式（6）分別表示壓力容器的信道中的時(shí)域和頻域的伸縮尺度。根據(jù)上述設(shè)計(jì)，實(shí)現(xiàn)了對(duì)壓力容器的傳感器數(shù)據(jù)信息采樣，為進(jìn)行異常信息提取提供準(zhǔn)確的數(shù)據(jù)基礎(chǔ)。

1.2 壓力容器中的異常信息時(shí)間序列分析

對(duì)采樣數(shù)據(jù)進(jìn)行非線性時(shí)間序列信息流建模，采用時(shí)間序列分析與信號(hào)處理方法進(jìn)行壓力容器中的異常信息檢測(cè)，設(shè)壓力容器中的異常信息的振蕩幅度為[A]，壓力容器異常傳感信息的Fourier變換為：

2 檢測(cè)算法實(shí)現(xiàn)

在上述進(jìn)行了壓力容器中異常傳感信息的時(shí)間序列分析和時(shí)頻分布描述的基礎(chǔ)上，進(jìn)行信息檢測(cè)設(shè)計(jì)。本文提出一種基于傳感器鑒頻特征提取的壓力容器異常信息檢測(cè)方法。通過前期統(tǒng)計(jì)測(cè)量的壓力容器的壓力數(shù)據(jù)采樣時(shí)間序列[{x（t0+iΔt）}]， [i=0，1，2，…，N-1]，構(gòu)建ARMA模型為：

3 實(shí)驗(yàn)分析

在Matlab的Simulink平臺(tái)中構(gòu)建壓力容器的傳感器分布的陣列結(jié)構(gòu)模型，進(jìn)行壓力容器異常信息檢測(cè)的仿真實(shí)驗(yàn)分析，對(duì)壓力容器中的壓力數(shù)據(jù)采樣時(shí)間間隔為2 s，數(shù)據(jù)的特征采樣頻率為12 kHz，取干擾信噪比為0～20 dB，異常信息調(diào)制的信號(hào)采用2～10 kHz、時(shí)寬為1.5 ms的線性調(diào)頻信號(hào)，根據(jù)上述仿真環(huán)境和參數(shù)設(shè)定，進(jìn)行壓力容器中的異常信息檢測(cè)，采用1 000次蒙特卡洛實(shí)驗(yàn)，分析不同方法進(jìn)行異常信息檢測(cè)的準(zhǔn)確檢測(cè)概率，得到檢測(cè)結(jié)果如圖1所示，收斂性曲線對(duì)比結(jié)果如圖2所示。

4 結(jié) 語

本文提出一種基于傳感器鑒頻特征提取的壓力容器異常信息檢測(cè)方法。首先對(duì)壓力容器中的異常傳感信息進(jìn)行數(shù)據(jù)采樣，對(duì)采樣數(shù)據(jù)進(jìn)行非線性時(shí)間序列信息流建模，采用ARMA模型分析壓力容器異常信息的時(shí)頻特征，結(jié)合傳感器鑒頻特征提取實(shí)現(xiàn)信號(hào)檢測(cè)。通過分析得出：采用該方法進(jìn)行壓力容器傳感器信息檢測(cè)的準(zhǔn)確檢測(cè)概率較高，能在較短的迭代步數(shù)下實(shí)現(xiàn)收斂，具有較好的魯棒性。

參考文獻(xiàn)

[1] 王磊，劉海濤，梁滔，等.低頻伺服力激勵(lì)下進(jìn)給系統(tǒng)建模與動(dòng)態(tài)響應(yīng)分析[J].機(jī)械工程學(xué)報(bào)，2015，51（3）：18?28.

[2] 喬良，辛吉榮，鄭輝.單載波通信系統(tǒng)的迭代頻域合成均衡算法[J].電子與信息學(xué)報(bào)，2015，37（8）：1950?1956.

[3] 潘加亮，熊智，王麗娜，等.一種簡(jiǎn)化的發(fā)射系下SINS/GPS/CNS組合導(dǎo)航系統(tǒng)無跡卡爾曼濾波算法[J].兵工學(xué)報(bào)，2015，36（3）：484?491.

[4] 張林，史豪斌，吳佳斌.基于改進(jìn)CBR的機(jī)器人足球?qū)箾Q策技術(shù)研究[J].西北工業(yè)大學(xué)學(xué)報(bào)，2013，31（6）：991?996.

[5] 郭靜波，譚博，蔡雄.基于反相雙峰指數(shù)模型的微弱瞬態(tài)極低頻信號(hào)的估計(jì)與檢測(cè)[J].儀器儀表學(xué)報(bào)，2015，36（8）：1682?1691.

[6] 王維猛，焦榮華，李曉輝.TD?SCDMA系統(tǒng)DOA?TOA定位技術(shù)研究[J].現(xiàn)代電子技術(shù)，2014，37（8）：1?4.