CN102096798B - 电磁感应的状态识别的信号处理方法 - Google Patents
电磁感应的状态识别的信号处理方法 Download PDFInfo
- Publication number
- CN102096798B CN102096798B CN 201110026093 CN201110026093A CN102096798B CN 102096798 B CN102096798 B CN 102096798B CN 201110026093 CN201110026093 CN 201110026093 CN 201110026093 A CN201110026093 A CN 201110026093A CN 102096798 B CN102096798 B CN 102096798B
- Authority
- CN
- China
- Prior art keywords
- energy
- state recognition
- frequency domain
- electromagnetic induction
- signal processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Train Traffic Observation, Control, And Security (AREA)
Abstract
一种信号处理技术领域的电磁感应的状态识别的信号处理方法，首先对所获数字信号进行傅立叶变换，得到其频域特征向量；然后对频域特征向量进行幅值归一化操作；再找出归一化频域特征向量中的最大幅值处，以其对应的频率点为中心，取其分析带宽的5％作为主频带并计算此频带内的所有频率成分能量和，并根据能量和进行状态识别，判断设备当前正处于工作状态。本发明通过电磁感应传感器将设备电路中的感应电流提取出来，利用接线器、数据采集卡将提取出来的感应电流信号进行高精度的A/D转换，使其转变为数字信号，对所得数字信号进行主频带能量分析。
Description
技术领域
本发明涉及的是一种信号处理技术领域的方法，具体是一种电磁感应的状态识别的信号处理方法。
背景技术
随着科学技术的不断发展，机械设备的更新换代也越来越快，而随着设备的不断更新，其电气自动化水平也越来越高，其结构也越加地复杂，因此对设备运行状态的识别也变得越来越困难。通过传统的依靠人自身的经验和能力已经很难判断设备的运行状况了。而近年来出现的很多计算机状态识别技术就能很好地解决这问题。
对于新出现的一些带有复杂电气控制功能的设备，对其进行状态识别往往比较困难。目前比较成熟的状态识别方法有隐马尔科夫算法、神经网络算法、支持向量机算法，这些状态识别方法在理论上已经比较成熟，而且也有很多成功应用于设备状态识别的案例，但是，这些算法目前还存在着一些不足，如需要大量的先验数据进行训练支撑，加大了系统实现的难度；往往所需的计算量很大，往往导致识别系统运行缓慢；针对性不强，无法满足很多设备的特殊识别要求。
经过对现有技术的检索发现，文献“基于改进的隐马尔科夫模型的语音识别方法“，发表于2008年12月15日，中南大学学报(自然科学版)，详细论述了利用隐马尔科夫方法对语音信号进行状态识别的实现，取得了比较良好的效果，但是此方法需要大量的先验数据进行训练，计算量大，同时训练数据的大小也会影响识别的准确性，但该技术计算复杂度较高且需要大量先验数据训练支持才能实现对电磁感应信号的不同状态进行区分。
发明内容
本发明针对现有技术存在的上述不足，提供一种电磁感应的状态识别的信号处理方法，通过电磁感应传感器将设备电路中的感应电流提取出来，利用接线器、数据采集卡将提取出来的感应电流信号进行高精度的A/D转换，使其转变为数字信号，对所得数字信号进行主频带能量分析。
本发明是通过以下技术方案实现的，本发明包括以下步骤：
1)对所获数字信号进行傅立叶变换，得到其频域特征向量V；
2)对频域特征向量进行幅值归一化操作：
其中：F＝V/S，S为向量所有幅值元素的能量和，F为更新后的归一化频域特征向量记；
3)找出归一化频域特征向量F中的最大幅值处，以其对应的频率点为中心，取其分析带宽的5％作为主频带并计算此频带内的所有频率成分能量和E，并根据能量和E进行状态识别，判断设备当前正处于工作状态。
所述的状态识别是指：根据预先定义的四个不同等级的能量作为对应的工作状态，根据能量和E所属位置确定对应的工作状态。
本发明的优势在于：
1)不需要大量的先验数据支撑，只需要对不同状态下给出一个参考能量即可实现判断；
2)计算量小，识别速度快，对计算硬件需求小，可满足便携式仪器的需求；
3)对于电磁感应控制类设备的识别精度高，可用于精确状态识别。
附图说明
图1是电磁感应状态识别的实现框图。
图2是电磁感应状态识别方法流程示意图。
具体实施方式
下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
实施例1
如图1和图2所示，本实施例包括以下步骤：
1)对所获数字信号进行傅立叶变换，得到其频域特征向量V；
2)对频域特征向量进行幅值归一化操作：其中：F＝V/S，S为向量所有幅值元素的能量和，F为更新后的归一化频域特征向量记；
3)找出归一化频域特征向量F中的最大幅值处，以其对应的频率点为中心，取其分析带宽的5％作为主频带并计算此频带内的所有频率成分能量和E，并根据能量和E进行状态识别，判断设备当前正处于工作状态。
本方法已经成功应用于某大学图书馆设备自动借还书机上的书本自动识别系统，并取得了良好的状态识别效果。此图书自动借还设备可实现对其感应区的书本数目的自动识别，从而判断对不同书本采取不同的操作模式。设备状态识别部分主要由以下及部分组成：感应区，磁条感应线圈，信号A/D模块，识别软件。
在自动还书机的感应区放置一本书，通过本方法提供的方法计算得到最后提取的能量E，经过计算得到E为0.401，与不放书本时候得到的E为0.711比较，有了很大的变化，能够很好地识别此状态。
实施例2
利用实施例1的设备，在感应区放置两本书时，计算能量E为0.357，与无书和一本书状态下有明显的区别效果。
实施例3
利用实施例1的设备，在感应区放置三本书时，计算能量E为0.336，与无书和、一本书和两本书状态下都有明显的区别效果。
由以上三例可看出，本方法提出的状态识别方法通过计算频带能量E可以很好地识别设备的不同状态，证明本方法提出的识别方法是正确有效的，同时，其更具有计算快速、先验数据要求低的优势。
Claims (2)
1.一种电磁感应的状态识别的信号处理方法，其特征在于，包括以下步骤：
1）通过电磁感应传感器将设备电路中的感应电流提取出来，利用接线器、数据采集卡将提取出来的感应电流信号进行高精度的A/D转换，使其转变为数字信号，对所获数字信号进行傅立叶变换，得到其频域特征向量V；
2）对频域特征向量进行幅值归一化操作：其中：F＝V/S，S为向量所有幅值元素的能量和，F为更新后的归一化频域特征向量；
3）找出归一化频域特征向量F中的最大幅值处，以其对应的频率点为中心，取其分析带宽的5%作为主频带并计算此频带内的所有频率成分能量和E，并根据能量和E进行状态识别，判断设备当前正处于工作状态。
2.根据权利要求1所述的电磁感应的状态识别的信号处理方法，其特征是，所述的状态识别是指：根据预先定义的四个不同等级的能量作为对应的工作状态，根据能量和E所属位置确定对应的工作状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201110026093 CN102096798B (zh) | 2011-01-25 | 2011-01-25 | 电磁感应的状态识别的信号处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201110026093 CN102096798B (zh) | 2011-01-25 | 2011-01-25 | 电磁感应的状态识别的信号处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102096798A CN102096798A (zh) | 2011-06-15 |
| CN102096798B true CN102096798B (zh) | 2013-08-21 |
Family
ID=44129887
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 201110026093 Expired - Fee Related CN102096798B (zh) | 2011-01-25 | 2011-01-25 | 电磁感应的状态识别的信号处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102096798B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109946538B (zh) * | 2019-03-14 | 2020-06-19 | 上海交通大学 | 一种基于磁感应信号的移动设备监控方法及系统 |
| CN112363021B (zh) * | 2020-11-13 | 2022-05-17 | 重庆大学 | 一种分布式线路故障检测与定位系统及方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1354455A (zh) * | 2000-11-18 | 2002-06-19 | 深圳市中兴通讯股份有限公司 | 一种从噪声环境中识别出语音和音乐的声音活动检测方法 |
| CN101596101A (zh) * | 2009-07-13 | 2009-12-09 | 北京工业大学 | 依据脑电信号判定疲劳状态的方法 |
| CN101788788A (zh) * | 2010-01-05 | 2010-07-28 | 华北电力大学 | 基于电网状态识别的多目标机组组合智能优化系统 |
-
2011
- 2011-01-25 CN CN 201110026093 patent/CN102096798B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1354455A (zh) * | 2000-11-18 | 2002-06-19 | 深圳市中兴通讯股份有限公司 | 一种从噪声环境中识别出语音和音乐的声音活动检测方法 |
| CN101596101A (zh) * | 2009-07-13 | 2009-12-09 | 北京工业大学 | 依据脑电信号判定疲劳状态的方法 |
| CN101788788A (zh) * | 2010-01-05 | 2010-07-28 | 华北电力大学 | 基于电网状态识别的多目标机组组合智能优化系统 |
Non-Patent Citations (6)
| Title |
|---|
| 基于循环频率能量的滚动轴承损伤程度识别;董广明 等;《振动工程学报》;20100630;第23卷(第3期);249－253 * |
| 小波支持向量机在滚动轴承故障诊断中的应用;郭磊 等;《上海交通大学学报》;20090430;第43卷(第4期);678－682 * |
| 董广明 等.基于循环频率能量的滚动轴承损伤程度识别.《振动工程学报》.2010,第23卷(第3期), |
| 转子叶片连续碰摩状态识别;陈巍 等;《中国机械工程》;20090815;第20卷(第15期);1830－1833 * |
| 郭磊 等.小波支持向量机在滚动轴承故障诊断中的应用.《上海交通大学学报》.2009,第43卷(第4期), |
| 陈巍 等.转子叶片连续碰摩状态识别.《中国机械工程》.2009,第20卷(第15期), |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102096798A (zh) | 2011-06-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105512799B (zh) | 一种基于海量在线历史数据的电力系统暂态稳定评估方法 | |
| CN109409385A (zh) | 一种指针式仪表自动识别方法 | |
| CN107358259B (zh) | 基于GLOH描述子和GVF-Snake模型的绝缘子覆冰检测方法 | |
| CN104409080A (zh) | 语音端点检测方法和装置 | |
| CN109605127A (zh) | 一种刀具磨损状态识别方法及系统 | |
| CN104573702A (zh) | 一种六氟化硫压力仪表图像自动识别方法 | |
| CN104777785B (zh) | 一种基于指令域分析的数控加工工艺参数动态优化方法 | |
| CN103530894A (zh) | 一种基于多尺度块稀疏表示的视频目标追踪方法及其系统 | |
| CN107677989B (zh) | 一种基于rssi最大值进行rssi去除噪声的室内位置定位方法 | |
| CN105118511A (zh) | 一种雷声识别方法 | |
| CN105404853A (zh) | 基于内容的植物叶片在线识别系统 | |
| He et al. | Feature extraction of acoustic signals based on complex Morlet wavelet | |
| CN102820034B (zh) | 一种民用航空器噪声感知与识别装置及其方法 | |
| CN102096798B (zh) | 电磁感应的状态识别的信号处理方法 | |
| CN103617430A (zh) | 一种基于植物叶片图像信息的便携式校园植物种类识别系统 | |
| CN115993504B (zh) | 一种电气设备的智能故障诊断方法及系统 | |
| CN106886988B (zh) | 一种基于无人机遥感的线性目标检测方法及系统 | |
| CN110176250A (zh) | 一种基于局部学习的鲁棒声学场景识别方法 | |
| CN106340299A (zh) | 一种复杂环境下的说话人识别系统及方法 | |
| CN109409182A (zh) | 基于图像处理的胚胎自动识别方法 | |
| CN106021452A (zh) | 一种电磁环境测量数据清洗方法 | |
| CN113516105B (zh) | 一种车道检测方法、装置及计算机可读存储介质 | |
| CN106127677B (zh) | 局部样本投影轮廓约束的点云边界特征识别方法 | |
| CN104112003A (zh) | 对游戏终端的性能进行检测的方法及系统 | |
| CN114266457A (zh) | 一种配电线路异损诱因检测的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130821 Termination date: 20160125 |
|
| EXPY | Termination of patent right or utility model |