CN102570728B - 一种全自动智能盘车系统及盘车方法 - Google Patents

Abstract

本发明涉及一种全自动智能盘车系统及盘车方法，盘车系统包括传感器标定系统、盘车动力系统、并行采样系统、相位识别系统、实时显示系统、数据滤波系统和数据处理系统；传感器标定系统连接盘车动力系统，盘车动力系统连接并行采样系统，并行采样系统分别连接相位识别系统和实时显示系统，相位识别系统连接于数据处理系统，数据处理系统和实时显示系统之间设有数据滤波系统；该盘车方法通过传感器识别光带相位和测量位移，采用任意转角和点数的自动盘车方式，测量数据丰富且盘车过程连续；本发明与盘车点数、相位以及盘车旋转速度关系无关，可满足任意点数高精度连续盘车的需要，适用范围广，测量精度高，盘车效率高，显著提高了测量精度。

Description

一种全自动智能盘车系统及盘车方法

技术领域

本发明涉及电力系统技术领域，特别涉及一种全自动智能盘车系统及盘车方法。

背景技术

目前国内外采用较多盘车方式有以下几种情况：一是靠众多人力在统一号令指挥下，直接驱动转子的人力驱动方式；二是将钢丝绳绕转子的吊车牵引驱动方式；三是采用电机线圈充电驱动的电动盘车方式。但是它们共同的缺点是：测数不准，无法一步调整到位，造成反复和无效的劳动多，劳动强度大，工作效率低，并且现场布置繁杂，安全生产与劳动质量存在一定问题。传统的盘车方式使转子不能在自由状态下旋转，并在停点时处于充分自由状态，影响测量数据的精度，更为严重的是因轴系折线而产生巨大的反抗应力和阻力矩，造成超负荷驱动，其事故隐患令人担忧。最近市场上出现电气自动盘车装置技术，该装置将减速增矩及力偶矩的力学原理结合起来，充分合理地利用机组几何关系，通过有效的技术过渡，实现力偶矩驱动转子到位，联轴器灵便离合，保证轴向、径向无干扰。尽管该装置技术的出现在一定程度上改善了盘车条件，优化了劳动强度，但是受限于目前的盘车方法，其效率提高并不是很明显。

在水电厂盘车领域，目前无论是国内，还是国外，绝大多数水电机组，如三峡左岸电站700MW机组，其盘车过程仍是采用传统的8点等角盘车方法，即是在每个典型测量部位，将圆周统一等分为8点，并按顺时针方向依次编号，盘车时依次在每个编号处停留，读取主轴在每个编号处的百分表读数，然后通过描点计算出每个编号部位的最大摆度和方位。但这种方法跟技术人员的业务水平和现场经验关系很大，计算结果往往因人而异，常常产生争议。因此造成计算盘车摆度的大小及方位具有一定的盲目性，直接影响了下一步主要旋转部件找中心及轴线处理量的大小和方向确定。在计算机及光电传感器测量技术飞速发展的今天，这些测量方法在一定程度上阻碍和制约了水电安装质量的提高，具体体现在：

(1)传统测量方法效率低。如用百分表测量机组各转动部分摆度时，需要在每个测量位置设置人工来监视百分表的变化；

(2)传统测量方法可信度相对较低。同是一块百分表，每个人因为感觉的不同，测量出的数据往往存在或多或少的差异，有时会因为这些测量差异导致测量结果有很大差异。

(3)传统测量方法测点较少。由于采用的百分表读数，目前盘车的测点一般都是等角8点，测量结果显得有些粗糙。

(4)传统测量方法停点不准。目前的盘车工具往往难以控制转速，停点要么超前，要么滞后，从而导致测数不准，致使测得的数据误差大。

此外，从盘车数据处理方法上来看，目前国内外采用的方法主要有：一是盘车数据手工描图，二是采用最小二乘法对数据进行拟合分析处理。但是它们的基础都是基于等相位8点或16点盘车数据，对于任意相位、任意点数的盘车数据，就显得无能为力。

发明内容

本发明的目的是克服现有技术的缺点，提供一种全自动智能盘车系统及盘车方法，不受盘车方式的影响，与盘车点数、相位以及盘车旋转速度关系无关，能够适应任意相位、任意点数的盘车要求，智能性强、盘车方法新颖，不仅大大提高了盘车的效率，还显著提高了测量的精度。

为达上述目的，本发明的一种全自动智能盘车系统及盘车方法，采用以下的技术方案：所述盘车系统包括传感器标定系统、盘车动力系统、并行采样系统、相位识别系统、实时显示系统、数据滤波系统和数据处理系统；所述传感器标定系统连接盘车动力系统，所述盘车动力系统连接并行采样系统，所述并行采样系统分别连接相位识别系统和实时显示系统，所述相位识别系统连接于数据处理系统，所述数据处理系统和实时显示系统之间设有数据滤波系统；

所述传感器标定系统是对盘车前各通道的传感器进行标定的单元；

所述盘车动力系统是使转子完全处于悬吊的自由状态的自动盘车动力设备；

所述并行采样系统是采集测量数据的单元，采用多通道独立并行方式进行采集；

所述相位识别系统是采用测点相位识别技术对采样测点相位及初始相位分别进行标记和识别的单元，；

所述实时显示系统是用于将相邻两次采集的数据连续显示的单元；

所述数据滤波系统是采用软硬件滤波技术，通过滤波电路以及FFT滤波技术滤除各类电磁干扰信号后把数据送到数据处理系统的单元；

所述数据处理系统是采集数据进行处理的单元，采用改进的遗传算法GA获取摆度正弦波曲线的三个参数，所述参数为摆度幅值、摆度初相位和摆度直流分量。

进一步地，所述传感器标定系统标定的传感器包含光电鉴相传感器、上导涡流传感器、法兰涡流传感器和水导涡流传感器，所述光电鉴相传感器、上导涡流传感器、法兰涡流传感器和水导涡流传感器分别设置于不同的通道上。

进一步地，所述并行采样系统设有多个采集模块，每个采集模块均设有一个时基控制器、多个采集通道和用以对输入模拟信号进行放大和滤波的程控放大器，每个程控放大器的通道是独立的。

进一步地，所述采集模块之间通过时钟触发总线来连接，所述采集通道均同时触发和记录；所述程控放大器连接AD转换模块，所述AD转换模块将放大后的模拟信号数字化后存入存储器中。

进一步地，所述实时显示系统中设有数据缓冲器。

进一步地，所述数据滤波系统设有低通滤波器，所述低通滤波器的信号采样调理电路包含由第一个运算放大器和其外围电路组成的放大电路，由第二个运算放大器和其外围电路组成的低通滤波电路和由第三个运算放大器和其外围电路组成的射极跟随电路。

进一步地，本发明所述盘车方法包括如下步骤：

①、传感器标定系统通过标定台对每个通道的传感器进行标定，并存储相关数据；

②、传感器标定完毕后，启动盘车动力系统，随着盘车动力系统的转动，并行采样系统开始采集数据，所有独立并行通道由时钟触发总线来同步，同时触发和记录数据。

③、所述并行采样系统采集的数据传送至相位识别系统和实时显示系统，所述相位识别系统采用相位识别技术，通过光带纸位置识别核心算法并配合同步采样确定采样点的初始相位和每个采样点的相位；

④、所述实时显示系统将并行采样系统采集的数据通过实时显示系统的软件系统所设置的数据缓冲器连续显示在实时显示系统的采样界面上，并将数据传至数据滤波系统；

⑤、所述数据通过数据滤波系统的低通滤波器和FFT数字滤波器滤除干扰信号，所述数据滤波系统将滤波后的数据传至所述数据处理系统；

⑥、所述数据处理系统接收经数据滤波系统处理的数据和经所述相位识别系统处理的数据，所述数据处理系统通过改进的遗传算法GA对数据进行处理并获取摆度曲线。

进一步地，所述步骤①中对传感器的标定包括如下步骤：

①-1、首先选择标定通道，安装传感器并选定量程；

①-2、测量位移，把测量好的位移作为标准值输入标准值栏，开始采集输出位移对应的电压值并根据位移和电压值绘出采样曲线；

①-3、确定采样是否完毕，若是则通过最小二乘法拟合传感器线性曲线，得到需要的标定系数；若否则返回步骤①-2；

①-4、验证标定系数并验证是否有效，若是有效则标定完毕；若无效则返回步骤①-2；

①-5、确定标定是否完毕，若是则保存所有通道的标定系数，若否则返回步骤①-4。

进一步地，所述步骤③中光带位置识别核心算法包括如下步骤：

③-1、设置全局静态变量，设置时钟周期的采样长度，并启动时钟；

③-2、接收并行采样系统后台读取并行通道的数据，把并行采样系统中的FIFO缓冲器读数的实际返回值数目存入变量ActualNum中，并判断变量ActualNum是否为零，若为零则等待下一时钟周期触发，继续存入变量ActualNum；若不为零则分解记录本次时钟周期的每个采样通道的数据；

③-3、记录整个采样期间每个通道的采样数据，提取光电通道本次时钟周期的采样数据chData[n][k]，并设置循环变量Cycle＝0，将循环变量Cycle与变量ActualNum/ChannelNum比较，若循环变量Cycle大则返回步骤③-2，若循环变量Cycle小则进入步骤③-4；

③-4、依次循环提取光电通道相邻两个数据并转换成电压值保存在第一个光电数据FirstData和相邻的第二个光电数据SecondData中，再判断Cycle是否为零，若为零则进入步骤③-5，若不为零则进入步骤③-6；

③-5、判断本次周期光电通道是一个采样数据是否时光带纸LastData＜0.5且FirstData＞3，即前一个时钟周期最后一个光电数据为低电平，本次时钟第一个光电数据为高电平，则记录所有光带位置如下公式：

paperLocation[Count++]＝Acc/ChannelNum

并标记本次时钟周期光带位置如下公式：

mark[marknum++]＝0，

否则进入步骤③-7；

③-6、判断本次时钟周期光电通道光带纸位置FirstData＜0.5且SecondData＞3，即前一个光电数据为低电平，相邻后一个光电数据为高电平，若是则记录所有光带位置如下公式：

paperLocation[Count++]＝Acc/ChannelNum+Cycle+1

并标记本次时钟周期光带位置如下公式：

mark[marknum++]＝Cycle+1

否则进入步骤③-7；

③-7、计算器加1，进入下一次取数循环，并记录本时钟周期最后一个光电数据LastData，更新至当前时钟累计采样点Acc＝Acc+ActualNum；

其中：Acc为至当前时钟的累计采样点数，ActualNum为采样数据实际返回值数目，chData[n][k]储存了本次时钟周期光电通道的采样数据，n代表光电通道，k为本次时钟周期从FIFO缓冲器中读出的所有数据除以所有的通道数；Cycle为所采集光电数据下标；ChannelNum为通道总数。

进一步地，所述步骤⑥中改进的遗传算法GA包括如下步骤：

⑥-1、参数初始化；

⑥-2、确定初始种群，可以根据上次盘车最大摆度数据，初步确定一个基准点，然后分别向左右两边展开，形成遗传算法的搜索空间；

⑥-3、对初始种群编码，本发明采用二进制编码；

⑥-4、解码，根据每个参数的搜索范围分别进行解码，其解码公式如下：

${\mathrm{decode}}_i={\min }_i+\frac{{\mathrm{bin}}_i}{2^p-1}({\max }_i-{\min }_i)i=\mathrm{1,2,3}$

其中p为每个参数的编码长度(取p＝10)，mini，maxi分别为A、θ、D搜索空间内的最小值和最大值，bini是对应的二进制整数；

⑥-5、计算适应度，适应度函数的选择，设数据采集系统以固定的采样间隔，设摆度理论正弦曲线为：

F＝Asin(θ_i+θ₀)+D

其中：A、θ₀、D分别为摆度振幅，初相位和直流分量。

选取适当幅值、初相位和直流分量参数使得该正弦波与测量序列对应点

Y(θ_i)间的残差平方和最小。即：

$R=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(F\left({\mathrm{\θ}}_i\right)-Y\left({\mathrm{\θ}}_i\right))}^2\→\min$

本发明将适应度函数设计成如下形式：

$\mathrm{Fitness}=\frac{K}{R}.$

本发明的有益效果是：本发明所述的全自动智能盘车系统可满足任意点数和任意相位的快速、高精度连续盘车的需要，该系统具有普适性效率高、精度高、智能性强，盘车方法新颖等特点。该系统不受任何盘车方式影响，与盘车点数、相位以及盘车旋转速度关系无关，能够适应任意相位、任意点数的盘车要求，不仅大大提高了盘车效率，还显著提高了测量精度，解决了传统盘车方法存在布点数量小、停点不准确、读数主观性强、盘车耗时长等问题。与目前的盘车相比，该盘车系统具有以下特点：

(1)通用性强

本发明适用于水电厂的不同机组，适用于目前存在的不同盘车方式，因此通用性非常强。

(2)效率高

该盘车系统基于涡流传感器和光电鉴相传感器技术，使盘车过程可以连续进行，不需要停点读数，盘车时间大大缩短，从原来的2～5天缩短为2小时之内(包括传感器安装调试时间)，这样大大缩短了直线工期，增加了发电量。盘车所需人数可从几十人减少2～3人，不仅大大提高了效率，而且也大幅度降低了的劳动强度。

(3)精度高

本发明所述的自动盘车方法采用任意转角，任意相位的连续盘车技术，测点数据远远超过目前的等相位8个典型测点，盘车方法包含更多的有用信息，加上传感器的使用，避免了读百分表的随意性，盘车精度有很大提高。

(4)智能性强

该盘车系统具有较强的智能性：盘车过程可以是连续的，又可以是断续的；大轴转速可以是匀速的，又可以是非匀速的；测点相位可以是等转角的，又可以是非等转角的；此外该系统与盘车方式和机组型式无关。

(5)盘车方法新颖

本发明的盘车方法代替了传统精度较低，费时费力的八点等角盘车方法，使得盘车方法出现了根本性的变化。该盘车方法采用光电鉴相传感器识别光带相位，采用涡流传感器代替百分表测量位移，使得盘车测量数据丰富且盘车过程连续，不需要停点，提高了盘车效率与精度。

附图说明

图1所示为本发明整体系统的架构示意图；

图2所示为本发明并行采集通道示意图；

图3所示为本发明传感器标定系统的传感器标定流程图；

图4所示为本发明光带位置识别核心算法流程图；

图5所示为本发明初始相位识别流程图；

图6所示为本发明盘车数据处理系统的遗传算法流程图；

图7所示为本发明实时显示系统显示的实时连续采样界面。

具体实施方式

为能进一步了解本发明的特征、技术手段以及所达到的具体目的、功能，解析本发明的优点与精神，藉由以下结合附图与具体实施方式对本发明的详述得到进一步的了解。

如说明书附图1所示，本发明包括传感器标定系统1、盘车动力系统2、并行采样系统3、相位识别系统4、实时显示系统5、数据滤波系统6和数据处理系统7。传感器标定系统1是对盘车前各通道的传感器进行标定的单元，所述传感器标定系统1连接盘车动力系统2，盘车动力系统2是自动盘车动力设备，可使转子完全处于悬吊的自由状态，保证轴向、径向无干扰；所述盘车动力系统2连接并行采样系统3，所述并行采样系统3是采集测量数据的单元，采用多通道独立并行方式进行采集；所述并行采样系统3分别连接相位识别系统4和实时显示系统5，相位识别系统4是解决测点相位和初始相位识别的单元，采用测点相位识别技术对采样测点的初始相位进行标记和识别；实时显示系统5是用于将相邻两次采集的数据连续显示的单元；所述相位识别系统4连接于数据处理系统7，数据处理系统7是采集数据进行处理的单元，采用改进的遗传算法GA获取摆度正弦波曲线的三个参数，所述参数为摆度幅值、摆度初相位和摆度直流分量；所述数据处理系统7和实时显示系统5之间设有数据滤波系统6，数据滤波系统6是采用软硬件滤波技术，通过滤波电路及FFT滤波技术滤除各类电磁干扰信号后把数据送到数据处理系统7的单元。

所述传感器标定系统1标定的传感器包含光电鉴相传感器、上导涡流传感器、法兰涡流传感器和水导涡流传感器，所述光电鉴相传感器、上导涡流传感器、法兰涡流传感器和水导涡流传感器分别设置于不同的通道上。

如说明书附图2所示，所述并行采样系统3设有多个采集模块8，每个采集模块8均设有一个时基控制器，多个采集通道和程控放大器10，所述程控放大器10用以对输入模拟信号进行放大和滤波，每个程控放大器10通道是独立的，程控放大器10增益通过继电器和软件进行控制量程切换，以便适应不同的信号幅度范围。所述采集模块8之间通过时钟触发总线来连接，所述采集通道均同时触发和记录；所述程控放大器10连接AD转换模块9，所述AD转换模块9对放大后的模拟信号进行数字化并把转化后的结果存入存储器中。

所述实时显示系统5中设有数据缓冲器。所述数据滤波系统6设有低通滤波器，来自传感器的电压信号经过第一个运算放大器及其外围电路组成的放大电路进行放大，再经过第二个运算放大器及其外围电路组成的低通滤波电路进行滤波，最后经过第三个运算放大器及其外围电路组成的射极跟随电路进行阻抗匹配后被送到所述并行采用系统3的每个通道。第二个运算放大器及其外围电路组成的低通滤波电路构成二阶压控电压源巴特沃斯低通有源滤波器，所述第二个运算放大器为同相接法，低通滤波电路包含两个RC滤波电路。二阶压控电压源巴特沃斯低通有源滤波器的输入阻抗很高，输出阻抗很低，相当于一个电压源，其电路性能稳定，增益容易调节。所述二阶压控电压源巴特沃斯低通有源滤波器允许低于1Hz的有效信号通过，而将高于1Hz的干扰信号全部滤掉，极大地增强了系统的抗干扰能力。

基于上述全自动智能盘车系统，所述的一种全自动智能盘车方法包括如下步骤：

①、传感器标定系统1通过标定台对每个通道的传感器进行标定，并存储相关数据；

②、传感器标定完毕后，启动盘车动力系统2，随着盘车动力系统2的转动，并行采样系统3开始采集数据，所有独立并行通道由时钟触发总线来同步，同时触发和记录数据。

③、所述并行采样系统3采集的数据传送至相位识别系统4和实时显示系统5，所述相位识别系统4采用相位识别技术，通过光带纸位置识别核心算法并配合同步采样确定采样点的初始相位和每个采样点的相位；

④、所述实时显示系统5将并行采样系统3采集的数据通过实时显示系统5的软件系统所设置的数据缓冲器连续显示在实时显示系统5的采样界面上，并将数据传至数据滤波系统6；

⑤、所述数据通过数据滤波系统6的低通滤波器和FFT数字滤波器滤除干扰信号，所述数据滤波系统6将滤波后的数据传至所述数据处理系统7；

⑥、所述数据处理系统7接收经数据滤波系统6处理的数据和经所述相位识别系统4处理的数据，所述数据处理系统7通过改进的遗传算法GA对数据进行处理并获取摆度曲线。

本发明的盘车方法新颖，采用了采用光电鉴相传感器识别光带相位，采用涡流传感器代替百分表测量位移，使盘车测量数据丰富且盘车过程连续，不需要停点。如说明书附图3所示，在所述步骤①中对传感器的标定采用的标定的步骤如下：

①-1步骤S11、首先选择标定通道，安装传感器并选定量程；

①-2步骤S12、测量位移，把测量好的位移作为标准值输入标准值栏，开始采集输出位移对应的电压值并根据位移和电压值绘出采样点；

①-3步骤S13、确定采样是否完毕，若是则通过最小二乘法拟合传感器线性曲线，得到需要的标定系数灵敏度a和零偏量b；若否则返回步骤①-2；

①-4步骤S14、验证标定系数并验证是否有效，若是有效则标定完毕，输入灵敏度a和零偏量b进行验证；若无效则返回步骤①-2；

①-5步骤S15、确定标定是否完毕，若是则保存所有通道的标定系数，若否则返回步骤①-4。

如说明书附图4所示，对于步骤③所述的相位鉴别技术，其光带位置识别核心算法有以下步骤：

③-1步骤S31、设置全局静态变量，Acc＝0，Count＝0，LastData＝0；设置时钟周期的采样长度，并启动时钟其中Acc为至当前时钟的累计采样点数，Count为数量，LastData为最后一个光电数据；

③-2步骤S32、接收并行采样系统3后台读取并行通道的数据，把并行采样系统3中的FIFO缓冲器读数的实际返回值数目存入变量ActualNum并判断变量ActualNum是否为零，若为零则下一周期触发，继续存入变量ActualNumActualNum为采样数据实际返回值数目；若不为零则分解记录本次时钟周期的每个采样通道的数据；

③-3步骤S33、记录整个采样期间每个通道的采样数据，提取光电通道本次时钟周期的采样数据chData[n][k]，并设置循环变量Cycle＝0，将循环变量Cycle与变量ActualNum/ChannelNum比较，若循环变量Cycle大则返回步骤③-2，若循环变量Cycle小则进入步骤③-4chData[n][k]储存了本次时钟周期光电通道的采样数据，其中n代表光电通道，k为本次时钟周期从FIFO缓冲器中读出的所有数据除以所有的通道数；Cycle为所采集光电数据下标；ChannelNum为通道总数。

③-4步骤S34、依次循环提取光电通道相邻两个数据并转换成电压值保存在FirstData和SecondData中，FirstData为第一个光电数据，SecondData为与其相邻的第二个光电数据，再判断Cycle是否为零，若为零则进入步骤③-5，若不为零则进入步骤③-6。当光电传感器经过光带纸时，输出电压5v，其它情况输出为0v，由于缓冲器保存的光电原始数据为16为二进制，在光带位置识别提取相邻两个光电数据时，需先转换成物理量即电压值，转换公式如下：

FirstData＝chData[n][Cycle]＊rang/32768    (1)

SecondData＝chData[n][Cycle+1]＊rang/32768 (2)

其中：n为光电通道号，Cycle与Cycle+1为相邻两光电数据下标，rang为光电传感器的量程(5v)，32768指2的16次方。

③-5步骤S35、判断本次周期光电通道是第一个采样数据是否是光带纸LastData＜0.5且FirstData＞3，即前一个时钟周期最后一个光电数据为低电平，本次时钟第一个光电数据为高电平，因此光带前边缘的标记为本次时钟的第一个采样序号，则记录所有光带位置如公式(3)：

paperLocation[Count++]＝Acc/ChannelNum         (3)

并标记本次时钟周期光带位置如公式(4)：

mark[marknum++]＝0，                           (4)

否则进入步骤③-7；

③-6步骤S36、判断本次时钟周期光电通道光带纸位置FirstData＜0.5且SecondData＞3，即前一个光电数据为低电平，相邻后一个光电数据为高电平，可判断该时刻对应的光电数据位光带纸的起始边缘，则记录所有光带位置如公式(5)：

paperLocation[Count++]＝Acc/ChannelNum+Cycle+1 (5)

并标记本次时钟周期光带位置如公式(6)：

mark[marknum++]＝Cycle+1                       (6)

否则进步步骤③-7；

③-7步骤S37、计算器加1，进入下一次取数循环，并记录本时钟周期最后一个光电数据LastData，更新至当前时钟累计采样点Acc＝Acc+ActualNum，并返回步骤③-2进行下一周期事件触发。

对于初始相位识别，本发明在布置的光带纸中任选一条，然后在邻近处多贴一条相同的光带纸，如此以来就可以巧妙地判断测点的初始相位。如说明书附图5所示，首先读取光电采集数据，计算出相邻光电纸之间的距离并把结果保存在dis[i]中，设置循环变量i的值为0；再判断i是否小于光带纸的数目GdNum，判断盘车一周期内相邻光带纸最短距离；最后判断盘车一周期内的初始相位是否为第一个光电数据Pr＝0，若是则第一个光电数据轴号标记为1，若否则第一个光电数据轴号标记为GdNum+1-Pr，其中GdNum为布置的光带数目，Pr为记录初始相位光带纸位置序号。

初始相位识别主要是从盘车一个周期内的光电采样数据中计算所有相邻两条光带纸的距离实际上是指相邻两条光带纸间的时间采样点数，从而找出其中最短的距离，这样便可以确定距离最短的相邻两条光带的前一条光带的前边缘为初始相位。

对于步骤④中实时显示系统5在软件系统里面再设置了一个数据缓冲器，这样就可保证一个前台取数一个后台连续显示的效果，实时连续采样界面如说明书附图7所示。

对于步骤⑤中的软件滤波是通过FFT算法实现数字滤波；FFT运算方法为：先从输入端X(n)开始，逐级进行计算，共进行M级运算幂指数为M，序列长度为n。，在进行第L级运算时，依次求出2^L-1个不同的旋转因子，每求出一个旋转因子，就计算完它对应的所有2^M-L个蝶形，最终输出计算结果Y(n)，因此用FFT得到信号的频谱，再根据需要去掉不需要的频谱部分，然后用IFFT还原信号即可。

如说明书附图6所示，步骤⑥中的数据处理系统7通过改进的遗传算法GA对采集数据进行处理并获取摆度曲线。遗传算法GA的具体步骤如下：

⑥-1步骤S61、参数初始化。初始化参数主要包括遗传算法控制参数：种群规模(population)，染色体长度(l_chromosome)，繁殖代数(generations)，交叉概率(p_crossover)，变异概率(p_mutation)。

⑥-2步骤S62、确定初始种群。摆度曲线理论上是一条正弦曲线，因此采用正弦拟合法，此外，由于盘车一圈为一个周期，因此振幅、初相位与直流分量是待优化的三个决策变量。尽管遗传算法对初始值没有限制，为减小遗传算法的搜索空间，可以根据上次盘车最大摆度数据，初步确定一个基准点，然后分别向左右两边展开，形成遗传算法的搜索空间。

⑥-3步骤S63、对初始种群编码。本发明采用二进制编码，根据精度要求，每个参数可用10位二进制位表示，因此表达振幅、初相位与直流分量三个参数A、θ₀、D的染色体最终由30位二进制位串构成。

⑥-4步骤S64、解码，首先把每条染色体均匀截开，根据每个参数的搜索范围分别进行解码，其解码公式如下：

${\mathrm{decode}}_i={\min }_i+\frac{{\mathrm{bin}}_i}{2^p-1}({\max }_i-{\min }_i)i=\mathrm{1,2,3}---\left(7\right)$

其中p为每个参数的编码长度(取p＝10)，mini，maxi分别为A、θ、D搜索空间内的最小值和最大值，bini是对应的二进制整数。

⑥-5步骤S65、计算适应度，适应度函数的选择。设数据采集系统以固定的采样间隔，设摆度理论正弦曲线为：

F＝Asin(θ_i+θ₀)+D                (8)

其中：A、θ₀、D分别为摆度振幅，初相位和直流分量。

选取适当幅值、初相位和直流分量参数使得该正弦波与测量序列对应点Y(θ_i)间的残差平方和最小。即：

$R=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(F\left({\mathrm{\θ}}_i\right)-Y\left({\mathrm{\θ}}_i\right))}^2\→\min ---\left(9\right)$

根据适应度函数设计满足单值、连续、非负和最大化的要求，因此本发明将适应度函数设计成如下形式：

$\mathrm{Fitness}=\frac{K}{R}---\left(10\right)$

本发明提出的基于遗传算法的正弦波三参数拟合法，不仅实现了连续采样数据的正弦拟合，突破了传统等角8点盘车的局限，而且具有很高的精度。

综上所述，本发明所述的全自动智能盘车系统能满足任意点数和任意相位的快速高精度连续盘车的需要，智能性强，盘车方法新颖，使得盘车方法出现了根本性的变化，降低了劳动强度，大大提高了盘车效率与精度。

以上所述实施例仅表达了本发明的部分实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明的保护范围应以所附权利要求为准。

Claims (9)

1.一种全自动智能盘车系统，其特征在于：所述盘车系统包括传感器标定系统(1)、盘车动力系统(2)、并行采样系统(3)、相位识别系统(4)、实时显示系统(5)、数据滤波系统(6)和数据处理系统(7)；所述传感器标定系统(1)连接盘车动力系统(2)，所述盘车动力系统(2)连接并行采样系统(3)，所述并行采样系统(3)分别连接相位识别系统(4)和实时显示系统(5)，所述相位识别系统(4)连接于数据处理系统(7)，所述数据处理系统(7)和实时显示系统(5)之间设有数据滤波系统(6)；

所述传感器标定系统(1)是对盘车前各通道的传感器进行标定的单元；

所述盘车动力系统(2)是使转子完全处于悬吊的自由状态的自动盘车动力设备；

所述并行采样系统(3)是采集测量数据的单元，采用多通道独立并行方式进行采集；

所述相位识别系统(4)是采用测点相位识别技术，通过光带位置识别核心算法并配合同步采样确定采样点的初始相位和每个采样点的相位，对采样测点相位及初始相位分别进行标记和识别的单元；

所述实时显示系统(5)是用于将相邻两次采集的数据连续显示的单元；

所述数据滤波系统(6)是采用软硬件滤波技术，通过滤波电路以及FFT滤波技术滤除各类电磁干扰信号后把数据送到数据处理系统(7)的单元；

所述数据处理系统(7)是对其所接收数据进行处理的单元，采用改进的遗传算法GA获取摆度正弦波曲线的三个参数，所述参数为摆度幅值、摆度初相位和摆度直流分量；

所述光带位置识别核心算法包括如下步骤：

③-1、设置全局静态变量，设置时钟周期的采样长度，并启动时钟；

③-2、接收并行采样系统(3)后台读取并行通道的数据，把并行采样系统(3)中的FIFO缓冲器读数的实际返回值数目存入变量ActualNum中，并判断变量ActualNum是否为零，若为零则等待下一时钟周期触发，继续存入变量ActualNum；若不为零则分解记录本次时钟周期的每个采样通道的数据；

③-3、记录整个采样期间每个通道的采样数据，提取光电通道本次时钟周期的采样数据chData[n][k]，并设置循环变量Cycle＝0，将循环变量Cycle与变量ActualNum/ChannelNum比较，若循环变量Cycle大则返回步骤③-2，若循环变量Cycle小则进入步骤③-4；

③-4、依次循环提取光电通道相邻两个数据并转换成电压值保存在第一个光电数据FirstData和相邻的第二个光电数据SecondData中，再判断Cycle是否为零，若为零则进入步骤③-5，若不为零则进入步骤③-6；

③-5、判断本次周期光电通道是第一个采样数据是否是光带，如LastData＜0.5且FirstData＞3，即前一个时钟周期最后一个光电数据为低电平，本次时钟第一个光电数据为高电平，则记录所有光带位置如下公式：

paperLocation[Count++]＝Acc/ChannelNum

并标记本次时钟周期光带位置如下公式：

mark[marknum++]＝0，

否则进入步骤③-7；

③-6、判断本次时钟周期光电通道光带位置FirstData＜0.5且SecondData＞3，即前一个光电数据为低电平，相邻后一个光电数据为高电平，若是则记录所有光带位置如下公式：

paperLocation[Count++]＝Acc/ChannelNum+Cycle+1

并标记本次时钟周期光带位置如下公式：

mark[marknum++]＝Cycle+1

否则进入步骤③-7；

③-7、Cycle加1，进入下一次取数循环，并记录本时钟周期最后一个光电数据LastData，更新至当前时钟累计采样点：

Acc＝Acc+ActualNum；

其中：Acc为至当前时钟的累计采样点数，ActualNum为采样数据实际返回值数目，chData[n][k]储存了本次时钟周期光电通道的采样数据，n代表光电通道，k为本次时钟周期从FIFO缓冲器中读出的所有数据除以所有的通道数；Cycle为所采集光电数据下标；ChannelNum为通道总数。

2.根据权利要求1所述的一种全自动智能盘车系统，其特征在于：所述传感器标定系统(1)标定的传感器包含光电鉴相传感器、上导涡流传感器、法兰涡流传感器和水导涡流传感器，所述光电鉴相传感器、上导涡流传感器、法兰涡流传感器和水导涡流传感器分别设置于不同的通道上。

3.根据权利要求1所述的一种全自动智能盘车系统，其特征在于：所述并行采样系统(3)设有多个采集模块(8)，每个采集模块(8)均设有一个时基控制器、多个采集通道和用以对输入模拟信号进行放大和滤波的程控放大器(10)，每个程控放大器(10)的通道独立。

4.根据权利要求3所述的一种全自动智能盘车系统，其特征在于：所述采集模块(8)之间通过时钟触发总线来连接，所述采集通道均同时触发和记录；所述程控放大器(10)连接AD转换模块(9)，所述AD转换模块(9)将放大后的模拟信号数字化后存入存储器中。

5.根据权利要求1所述的一种全自动智能盘车系统，其特征在于：所述实时显示系统(5)设有数据缓冲器。

6.根据权利要求1所述的一种全自动智能盘车系统，其特征在于：所述数据滤波系统(6)设有低通滤波器，所述低通滤波器的信号采样调理电路包含由第一个运算放大器和其外围电路组成的放大电路，由第二个运算放大器和其外围电路组成的低通滤波电路和由第三个运算放大器和其外围电路组成的射极跟随电路。

7.根据权利要求1所述的一种全自动智能盘车系统的盘车方法，其特征在于：所述盘车方法包括如下步骤：

①、传感器标定系统(1)通过标定台对每个通道的传感器进行标定，并存储相关数据；

②、传感器标定完毕后，启动盘车动力系统(2)，随着盘车动力系统(2)的转动，并行采样系统(3)开始采集数据，所有独立并行通道由时钟触发总线来同步，同时触发和记录数据；

③、所述并行采样系统(3)采集的数据传送至相位识别系统(4)和实时显示系统(5)，所述相位识别系统(4)采用相位识别技术，通过光带位置识别核心算法并配合同步采样确定采样点的初始相位和每个采样点的相位；

④、所述实时显示系统(5)将并行采样系统(3)采集的数据通过实时显示系统(5)的软件系统所设置的数据缓冲器连续显示在实时显示系统(5)的采样界面上，并将数据传至数据滤波系统(6)；

⑤、所述数据通过数据滤波系统(6)的低通滤波器和FFT数字滤波器滤除干扰信号，所述数据滤波系统(6)将滤波后的数据传至所述数据处理系统(7)；

⑥、所述数据处理系统(7)接收经数据滤波系统(6)处理的数据和经所述相位识别系统(4)处理的数据，所述数据处理系统(7)通过改进的遗传算法GA对数据进行处理并获取摆度曲线；

所述步骤③中光带位置识别核心算法包括如下步骤：

③-1、设置全局静态变量，设置时钟周期的采样长度，并启动时钟；

③-2、接收并行采样系统(3)后台读取并行通道的数据，把并行采样系统(3)中的FIFO缓冲器读数的实际返回值数目存入变量ActualNum中，并判断变量ActualNum是否为零，若为零则等待下一时钟周期触发，继续存入变量ActualNum；若不为零则分解记录本次时钟周期的每个采样通道的数据；

③-3、记录整个采样期间每个通道的采样数据，提取光电通道本次时钟周期的采样数据chData[n][k]，并设置循环变量Cycle＝0，将循环变量Cycle与变量ActualNum/ChannelNum比较，若循环变量Cycle大则返回步骤③-2，若循环变量Cycle小则进入步骤③-4；

③-4、依次循环提取光电通道相邻两个数据并转换成电压值保存在第一个光电数据FirstData和相邻的第二个光电数据SecondData中，再判断Cycle是否为零，若为零则进入步骤③-5，若不为零则进入步骤③-6；

③-5、判断本次周期光电通道是第一个采样数据是否是光带，如LastData＜0.5且FirstData＞3，即前一个时钟周期最后一个光电数据为低电平，本次时钟第一个光电数据为高电平，则记录所有光带位置如下公式：

paperLocation[Count++]＝Acc/ChannelNum

并标记本次时钟周期光带位置如下公式：

mark[marknum++]＝0，

否则进入步骤③-7；

③-6、判断本次时钟周期光电通道光带位置FirstData＜0.5且SecondData＞3，即前一个光电数据为低电平，相邻后一个光电数据为高电平，若是则记录所有光带位置如下公式：

paperLocation[Count++]＝Acc/ChannelNum+Cycle+1

并标记本次时钟周期光带位置如下公式：

mark[marknum++]＝Cycle+1

否则进入步骤③-7；

③-7、Cycle加1，进入下一次取数循环，并记录本时钟周期最后一个光电数据LastData，更新至当前时钟累计采样点：

Acc＝Acc+ActualNum；

其中：Acc为至当前时钟的累计采样点数，ActualNum为采样数据实际返回值数目，chData[n][k]储存了本次时钟周期光电通道的采样数据，n代表光电通道，k为本次时钟周期从FIFO缓冲器中读出的所有数据除以所有的通道数；Cycle为所采集光电数据下标；ChannelNum为通道总数。

8.根据权利要求7所述的一种全自动智能盘车系统的盘车方法，其特征在于：所述步骤①中对传感器的标定包括如下步骤：

①-1、首先选择标定通道，安装传感器并选定量程；

①-2、测量位移，把测量好的位移作为标准值输入标准值栏，开始采集输出位移对应的电压值并根据位移和电压值绘出采样曲线；

①-3、确定采样是否完毕，若是则通过最小二乘法拟合传感器线性曲线，得到需要的标定系数；若否则返回步骤①-2；

①-4、验证标定系数并验证是否有效，若是有效则标定完毕；若无效则返回步骤①-2；①-5、确定标定是否完毕，若是则保存所有通道的标定系数，若否则返回步骤①-4。

9.根据权利要求7所述的一种全自动智能盘车系统的盘车方法，其特征在于：所述步骤⑥中改进的遗传算法GA包括如下步骤：

⑥-1、参数初始化；

⑥-2、确定初始种群，根据上次盘车最大摆度数据，初步确定一个基准点，然后分别向左右两边展开，形成遗传算法的搜索空间；

⑥-3、对初始种群编码，采用二进制编码；

⑥-4、解码，根据每个参数的搜索范围分别进行解码，其解码公式如下：

${\mathrm{decode}}_i={\min }_i+\frac{{\mathrm{bin}}_i}{2^p-1}({\max }_i-{\min }_i),i=\mathrm{1,2,3}$

其中p为每个参数的编码长度，取p＝10，min_i，max_i分别为A、θ、D搜索空间内的最小值和最大值，bin_i是对应的二进制整数；

⑥-5、计算适应度，适应度函数的选择，设数据采集系统以固定的采样间隔，设摆度理论正弦曲线为：

F＝Asin(θ_i+θ₀)+D

其中：A、θ0、D分别为摆度振幅，初相位和直流分量；

选取适当幅值、初相位和直流分量参数使得所述摆度理论正弦曲线与测量序列对应点Y(θi)间的残差平方和最小，即：

$R=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(F\left({\mathrm{\θ}}_i\right)-Y\left({\mathrm{\θ}}_i\right))}^2\→\min$

将适应度函数设计成如下形式：

$\mathrm{Fitness}=\frac{K}{R}.$