CN101188410A - 用于智能变送器的一阶滞后数字滤波算法 - Google Patents

Abstract

一种用于智能变送器的一阶滞后数字滤波算法，涉及信号处理技术领域；所要解决的是智能变送器的输出稳定、采样值无丢失、平滑性好的技术问题；该数字滤波算法的步骤如下：1)与前一次计算值相减，按照(式1))，计算出变化量ΔY_n；2)按照(式2))的函数关系f(ΔY)对滤波时间T_f进行计算；3)然后按照(式3))，计算滤波系数a；4)按照(式4))，计算最后的采样滤波值_n；本发明的一阶滞后数字滤波算法能使智能变送器在全量程范围内输出稳定、采样值无丢失、平滑性好及输出具有快速响应的特性。

Description

用于智能变送器的一阶滞后数字滤波算法

技术领域

本发明涉及信号处理技术，特别是涉及一种适用于带微处理器的工业测量用智能变送器的，利用汇编或高级语言编写的一阶滞后数字滤波算法的技术。

背景技术

在工业过程控制系统中，大量的现场物理信号(压力、温度、流量等)需要被测量，这主要是通过变送器来完成的。变送器包括传感器和电子线路两个部分，传感器实现物理量的测量并转换为电信号，电子线路将传感器输出的电信号进行处理，转变为标准电信号(如4~20mA、1~5V等)并输出。目前广泛应用的智能变送器的电子线路部分是以微处理器为数据处理核心，还包括了信号处理、A/D转换、存储器、D/A转换、数字通信等单元，如图1所示。

传感器输出的模拟信号需要进行滤波，智能变送器一般使用的是一阶滞后数字滤波算法，如式①所示：

$\stackrel{\‾}{Y_n}=(1-a)\×Y_n+a\×\stackrel{\‾}{Y_{n-1}}$        ①

式中： Y_n——未经滤波的第n次采样值；

——滤波后的第n次采样值；

a——滤波系数，在区间[0，1]内取值。

式①中的滤波系数a，表示滤波时间常数与采样周期的比值，即为式②：

$a=\frac{T_f}{T+T_f}$            ②

式中：T_f——滤波时间常数；

T——采样周期；

当采样周期T远小于滤波时间常数T_f的时候，该算法等价于一般的一阶滞后RC模拟滤波器，对周期性干扰具有良好的抑制作用，适用于波动频率较高参数的滤波。其不足之处是带来了相位滞后，灵敏度低。滞后的程度取决于滤波时间常数与采样周期的比值(即a)：a越大，滞后越多。实际应用的时候，常常根据经验设定滤波时间常数T_f，即阻尼调整。

随着对变送器要求的不断提高，希望变送器在大量程比、小信号情况下仍保持稳定输出，需要把滤波时间常数T_f调大，即增大a；但又希望保持输出的快速响应，即滞后较小(a减小)，因此普通的一阶滞后滤波算法无法满足需要。一些智能变送器采用小信号切除技术，使得在零位或部分输出点保持稳定，但这种技术不能保证全量程较高的稳定性，同时会使输出平滑性不好。

发明内容

针对上述现有技术中存在的缺陷，本发明所要解决的技术问题是提供一种对模拟信号具有一阶滞后滤波器的良好抑制作用，在全量程范围内输出稳定、采样值无丢失、平滑性好及输出具有快速响应特性的用于智能变送器的一阶滞后数字滤波算法。

为了解决上述技术问题，本发明所提供的一种用于智能变送器的一阶滞后数字滤波算法，如式①所示：

$\stackrel{\‾}{Y_n}=(1-a)\×Y_n+a\×\stackrel{\‾}{Y_{n-1}}$             ①

式中：Y_n——未经滤波的第n次采样值；

——滤波后的第n次采样值；

a——滤波系数，在区间[0，1]内取值。

式①中的滤波系数a，表示滤波时间常数与采样周期的比值，即为式②：

$a=\frac{T_f}{T+T_f}$             ②

式中：T_f——滤波时间常数；

T——采样周期；

其特征在于，根据当前测量值Y_n与上一次计算值

的变化量绝对值ΔY_n，按照设定的函数关系对滤波时间常数T_f进行修正，即T_f是一个关于ΔY的函数，如式③所示：

T_f＝f(ΔY)

$\mathrm{\Δ}{Y}_n=|Y_n-\stackrel{\‾}{Y_{n-1}}|$          ③

利用式③通过变化量ΔY_n计算得到的滤波时间常数T_f，再代入到式②中计算滤波系数a；最后代入通用的一阶滞后数字滤波算法，即式①，计算得到滤波后的输出Y_n。

进一步的，所述智能变送器的结构为：变送器的被测信号输入端经传感器单元、信号调理单元、A/D转换单元连接微处理器单元的信号输入端，微处理器单元的信号输出端经D/A转换单元连接变送器的信号输出端，微处理器单元分别连接通信单元和存储单元，传感器单元连接信号激励单元的输出端，电源模块连接并供电给变送器的所述其它电路单元；信号激励单元产生激励信号，并作用于传感器单元；传感器单元对被测信号进行测量，经过信号调理单元，进行采样和A/D转换单元，并将数字采样值送给微处理器单元；微处理器单元根据采样值进行滤波、校准等数值计算，即一阶滞后数字滤波算法的计算，并计算出输出信号的大小，利用D/A转换单元进行实际的信号输出；通信单元实现微处理器与控制站的双向数字传输，存储单元保存智能变送器的组态参数。

进一步的，对于金属电容式智能差压变送器，算法中所述滤波时间T_f与ΔY之间的设定的函数关系采用式④所描述的分段离散函数来实现：

$\mathrm{\Δ}{\stackrel{\‾}{Y}}_n=|Y_n-\stackrel{\‾}{Y_{n-1}}|$

式中：T_H——较大的滤波时间常数；

T_L——较小的滤波时间常数；

T_Norm——根据经验预设的滤波时间；

Δ1——需要增强滤波的变化量上限值；

Δ2——需要减弱滤波的变化量下限值。

为了解决上述技术问题，本发明所提供的一种智能变送器的计算软件流程，其特征在于，程序的步骤如下：

1)首先进行初始化，然后进入循环主程序；

2)循环主程序中首先进行AD采样；

3)与前一次计算值相减，按照 $\mathrm{\Δ}{Y}_n=|Y_n-\stackrel{\‾}{Y_{n-1}}|$ ，计算出变化量ΔY_n；

4)按照T_f＝f(ΔY)，的函数关系f(ΔY)对滤波时间T_f进行计算；

5)然后按照 $a=\frac{T_f}{T+T_f}$ ，计算滤波系数a；

6)按照 $\stackrel{\‾}{Y_n}=(1-a)\×Y_n+a\×\stackrel{\‾}{Y_{n-1}}$ ，计算最后的采样滤波值

7)再进行其它(包括非线性修正、电流计算等)计算和最终的输出循环至步骤2)。

本发明的用于智能变送器的一阶滞后数字滤波算法，具有以下优点：

1)算法是对原有一阶滞后数字滤波算法的改进，较其他复杂的数字滤波算法简单，容易在微处理器内部实现；

2)使用该算法设计的智能变送器，具有快速响应、全量程范围内输出稳定、采样值无丢失、平滑性好等优点。

附图说明

图1是智能变送器的结构示意图；

图2是本发明算法中分段函数的示意图；

图3是采用本发明算法后的智能变送器软件流程图；

图4是本发明实施例中分段函数的示意图。

具体实施方式

以下结合附图说明对本发明的实施例作进一步详细描述，但本实施例并不用于限制本发明，凡是采用本发明的相似结构及其相似变化，均应列入本发明的保护范围。

图1是智能变送器的结构示意图。变送器的被测信号输入端经传感器单元103、信号调理单元104、A/D转换单元105连接微处理器单元108的信号输入端，微处理器单元108的信号输出端经D/A转换单元106连接变送器的信号输出端，微处理器单元108分别连接通信单元107和存储单元109，传感器单元103连接信号激励单元102的输出端，电源模块101首先从回路中获得电能，连接并供电给变送器的所述其它电路单元；信号激励单元102产生激励信号，并作用于传感器单元103；传感器单元103对被测信号进行测量，经过信号调理单元104，进行采样和A/D转换单元105，并将数字采样值送给微处理器单元108；微处理器单元108根据采样值进行滤波、校准等数值计算，并计算出输出信号的大小，利用D/A转换单元106进行实际的信号输出；通信单元107实现微处理器与控制站的双向数字传输，存储单元109保存智能变送器的组态参数。

受被测信号波动和外部干扰的影响，传感器输出的模拟信号不够稳定，存在周期性波动，需要进行滤波，智能变送器一般使用的是一阶滞后数字滤波算法，见式①。当T＜＜T_f时，该算法便等价于一般的模拟滤波器。一阶滞后滤波算法对周期性干扰具有良好的抑制作用，适用于波动频率较高参数的滤波。其不足之处是带来了相位滞后，灵敏度低。滞后的程度取决于a值的大小。同时，它不能滤出频率高于采样频率二分之一的干扰信号。在智能变送器系统中，通过设定滤波时间T_f，即阻尼时间，来调整输出的稳定性。

本发明实施例所提供的一种用于智能变送器的一阶滞后数字滤波算法：首先根据当前测量值Y_n与上一次计算值

的变化量绝对值ΔY_n，按照某种函数关系对滤波时间常数T_f进行修正，即T_f是一个关于ΔY的函数，如式③所示：

T_f＝f(ΔY)

$\mathrm{\Δ}{Y}_n=|Y_n-\stackrel{\‾}{Y_{n-1}}|$            ③

利用式③通过变化量ΔY_n计算得到的滤波时间常数T_f，再代入到式②中计算滤波系数a；最后代入通用的一阶滞后数字滤波算法，即式①，计算得到滤波后的输出Y_n。

通常采用的一阶滞后数字滤波算法的滤波时间常数T_f是固定的，其大小根据输入信号和噪声的强弱按照经验进行选择。改进后的一阶滞后滤波算法，其滤波时间常数T_f是关于采样值变化量ΔY的函数f(ΔY)，该函数可以是任意形式的一元函数表达式，包括线性函数、非线性函数以及离散函数等。该函数一般情况下具有如下特征：在采样值变化不大的情况下(ΔY较小)，表示输入信号处于某一平衡状态，此时滤波时间常数T_f取值较大，使输出较稳定；当采样值变化较明显的时候(ΔY较大)，表示输入信号阶跃变化，滤波时间常数T_f取值较小，使输出随输入迅速变化。总而言之，T_f与ΔY存在反比例关系。

本发明的用于智能变送器的一阶滞后数字滤波算法，首先基于采样值变化量ΔY，利用函数f(ΔY)使滤波时间T_f随ΔY动态调整。该函数具有输出与输入成反比例的特征，可以表示为图2。在采样值变化不大的情况下(ΔY较小)，表示输入信号处于某一平衡状态，此时滤波时间常数T_f取值较大，使输出较稳定；当采样值变化较明显的时候(ΔY较大)，表示输入信号阶跃变化，滤波时间常数T_f取值较小，使输出随输入迅速变化。

图3是采用本发明算法后的智能变送器软件流程图。程序开始以后：

1)首先进行初始化，然后进入循环主程序；

2)循环主程序中首先进行AD采样；

3)与前一次计算值相减，计算出变化量ΔY_n， $\mathrm{\Δ}{Y}_n=|Y_n-\stackrel{\‾}{Y_{n-1}}|;$

4)按照式③的函数关系f(ΔY)对滤波时间T_f进行计算，T_f＝f(ΔY)；

5)然后按照式②计算滤波系数a， $a=\frac{T_f}{T+T_f};$

6)按照式①计算最后的采样滤波值

$\stackrel{\‾}{Y_n}=(1-a)\×Y_n+a\×\stackrel{\‾}{Y_{n-1}};$

7)再进行其它(包括非线性修正、电流计算等)计算和最终的输出循环至步骤2)。

实施例：

下面结合实施例对本实用新型作进一步的说明。

实施例：对于金属电容式智能差压变送器，算法中滤波时间T_f与ΔY之间的函数关系采用式④所描述的分段离散函数来实现。

$\mathrm{\Δ}{\stackrel{-}{Y}}_n=|Y_n-\stackrel{\‾}{Y_{n-1}}|$

式中：T_H——较大的滤波时间常数；

T_L——较小的滤波时间常数；

T_Norm——根据经验预设的滤波时间；

Δ1——需要增强滤波的变化量上限值；

Δ2——需要减弱滤波的变化量下限值；

图4是式④的图形化表示。当采样值的变化量绝对值

小于Δ1、并且预设滤波时间T_Norm小于T_H时，滤波时间取较大值T_H；

大于Δ2并且T_L小于T_Norm时，取较小值T_L；否则取设定值或默认值T_Norm。

Claims (3)

1.一种用于智能变送器的一阶滞后数字滤波算法，如式①所示：

$\stackrel{\‾}{Y_n}=(1-a)\×Y_n+a\×\stackrel{\‾}{Y_{n-1}}$           ①

式中：Y_n——未经滤波的第n次采样值；

——滤波后的第n次采样值；

α——滤波系数，在区间[0，1]内取值。

式①中的滤波系数α，表示滤波时间常数与采样周期的比值，即为式②：

$a=\frac{T_f}{T+T_f}$           ②

式中：T_f——滤波时间常数；

T——采样周期；

其特征在于，根据当前测量值Y_n与上一次计算值

的变化量绝对值ΔY_n，按照设定的函数关系对滤波时间常数T_f进行修正，即T_f是一个关于ΔY的函数，如式③所示：

T_f＝f(ΔY)

$\mathrm{\Δ}{Y}_n=|Y_n-\stackrel{\‾}{Y_{n-1}}|$         ③

利用式③通过变化量ΔY_n计算得到的滤波时问常数T_f，再代入到式②中计算滤波系数α：最后代入通用的一阶滞后数字滤波算法，即式①，计算得到滤波后的输出Y_n。

2.根据权利要求1所述的用于智能变送器的一阶滞后数字滤波算法，其特征在于，所述智能变送器的结构为：变送器的被测信号输入端经传感器单元、信号调理单元、A/D转换单元连接微处理器单元的信号输入端，微处理器单元的信号输出端经D/A转换单元连接变送器的信号输出端，微处理器单元分别连接通信单元和存储单元，传感器单元连接信号激励单元的输出端，电源模块连接并供电给变送器的所述其它电路单元。

3.根据权利要求1所述的用于智能变送器的一阶滞后数字滤波算法，其特征在于，对于金属电容式智能差压变送器，算法中所述滤波时间T_f与ΔY之间的设定的函数关系采用式④所描述的分段离散函数来实现：

$\mathrm{\Δ}{\stackrel{\‾}{Y}}_n=|Y_n-\stackrel{\‾}{Y_{n-1}}|$

式中：T_H——较大的滤波时间常数；

T_L——较小的滤波时间常数；

T_Norm——根据经验预设的滤波时间；

Δ1——需要增强滤波的变化量上限值；

Δ2——需要减弱滤波的变化量下限值。

Images