CN107219376A - 一种适应对象运动特性的互相关测速方法 - Google Patents
一种适应对象运动特性的互相关测速方法 Download PDFInfo
- Publication number
- CN107219376A CN107219376A CN201710390272.0A CN201710390272A CN107219376A CN 107219376 A CN107219376 A CN 107219376A CN 201710390272 A CN201710390272 A CN 201710390272A CN 107219376 A CN107219376 A CN 107219376A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- norm
- sequence
- msup
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
- G01P3/64—Devices characterised by the determination of the time taken to traverse a fixed distance
- G01P3/80—Devices characterised by the determination of the time taken to traverse a fixed distance using auto-correlation or cross-correlation detection means
Abstract
本发明公开了属于速度测量技术领域的一种适应对象运动特性的互相关测速方法。在被测对象移动方向前后侧各安装传感器,先根据被测对象速度范围确定渡越时间范围,对后侧传感器采集到的传感器信号以速度上限对应时刻为起始位置截取与前侧传感器信号等长时间长度的信号序列,若测量精度要求低则进行稀疏化处理。然后,对信号进行归一化后截取信号序列并进行零均值化处理,再代入互相关函数分子部分,得到峰值对应的位移量。最后,在该位移量前、后取若干邻近位移量进行互相关运算,利用插值样条运算获得互相关函数局部曲线,得到渡越时间并得到互相关速度。本发明广泛适用于工业生产过程中运动物体速度的测量,提高了互相关测速算法的实时处理速度。
Description
技术领域
本发明属于速度测量技术领域。特别涉及一种适应对象运动特性的互相关测速方法。
背景技术
随着工业4.0时代的到来,准确实时测量工业过程中各类运动对象的移动速度对精确控制和调整生产过程参数具有重要的现实意义。
传统的互相关算法已经广泛应用于测量工业中的流体和平动物体的速度,它通过计算布置在被测对象运动方向前、后两个传感器输出信号的互相关函数的峰值来获得渡越时间,进而利用两个传感器的距离得到运动速度。然而该算法的精度和速度都有待优化。
现有的互相关优化算法包含极性相关法、抛物线拟合算法、自适应相关算法等。极性相关法将两个传感器信号1比特量化后进行互相关运算,因而运算量大大减小、运算速度提高,但测量精度下降,若仍保证较高的测量精度,测量范围将受限制。抛物线拟合算法是对互相关函数值峰值附近的3个点使用抛物线拟合的方法求出了最大峰值的准确位置从而得到渡越时间,该方法在采样间隔较大的条件下提高了互相关运算的精度,然而若这3个代表点中有1点由于实际测量条件等因素的干扰而偏离真值,计算结果将出现较大的误差。北京航空航天大学徐立军等提出的“一种用于渡越时间测量的自适应相关算法”更适用于被测速度平稳或者变化缓慢的情况。当被测速度变化较大时不能截得理想的下游扰动信号,而影响计算速率,甚至不能得到正确的测量结果。因此,需要一种适应对象运动特性的互相关测速来有效地提高测速精度和速度。
发明内容
本发明目的在于提供一种适应对象运动特性的互相关测速方法,其特征在于,包括以下步骤:
步骤1,由已知被测对象速度的上限值v1和下限值v2(v1≥v2),依据下式(1)确定初始渡越时间的上限值τ1和下限值τ2(τ1≥τ2):
其中,l为布置于被测对象移动方向前、后两个传感器的间距;所述前、后两个传感器为超声传感器或静电传感器,则将v1、v2分别设为被测对象在合理客观条件下或理论上的最大值和最小值;所述前、后两个传感器为与测量被测对象特性的相关类型的传感器;
步骤2,从t0时刻开始,利用两个传感器以采样率f0采集信号,其中f0满足香农采样定理,且能使采样信号保持原始模拟信号的主要特征;
步骤3,根据上述被测速度下限值v2和前、后侧传感器信号的波动情况合理选取采样时间长度T值,至少选取略大于2τ1的值;
步骤4.以t0时刻为起始位置,截取采样时间长度为T的前侧传感器信号,以(t0+τ2-Δt)时刻为起始位置截取采样时间长度为T的后侧传感器信号,其中Δt的选取根据被测对象速度变化特性确定;
步骤5.根据速度测量精度要求判断是否需要对原数据列进行稀疏化处理;当精度要求较低时,等间隔抽取一部分采样数据,对原数据列进行稀疏化处理。
步骤6.利用下式(2)使信号幅度归一化:
其中,序列ai、bi(i=1,2,…,N)分别表示前、后侧传感器信号的第i个采样值,amin、bmin分别表示前、后侧传感器信号中采样数据的最小值,amax、bmax分别表示采样数据的最大值,序列ai,norm、bi,norm(i=1,2,…,N)分别表示归一化处理后的ai、bi;
步骤7.从归一化处理后的采样值(a1,norm,a2,norm,…,aN,norm)中,以a1,norm为起始点截取前侧传感器信号(a1,norm,a2,norm,…,an,norm),定义为序列ai,norm;从归一化处理后的采样值(b1,norm,b2,norm,…,bN,norm)中以b1,norm为起始点截取后侧传感器信号(b1,norm,b2,norm,…,bn,norm),定义为序列bi,norm;m为位移量,0≤m≤N-n,序列bi,norm随m值变化而不断更新,m值每增加1,序列bi,norm向右移动一位,得到的新序列(b1+m,norm,b2+m,norm,…,bn+m,norm),定义为序列bi+m,norm;
步骤8.对上述的每一数据序列进行零均值化处理,以简化互相关函数运算:
其中,是序列ai,norm的平均值,是序列bi+m,norm的平均值,序列xi和序列yi+m分别为序列ai,norm和序列bi+m,norm经零均值化处理后的结果;
为简化计算,以(b1,norm,b2,norm,…,bN,norm)的均值来近似代替序列bi+m,norm的均值即利用下式对序列ai,norm和序列bi+m,norm进行零均值化处理:
步骤9.利用互相关函数方程计算相关系数r(m):
测量数据序列在时间上的连续性使得第i和第i+1个相关系数中分母变化很小,因此只计算上式分子,并找出最大值所对应的位移量;
步骤10.由展开式和可到互相关函数分母部分的迭代公式:
此时互相关函数分母里的采用上式滚动更新的方法来加快计算速度,即计算下一步时,从求和值中减去原数列的第一个元素(y1+m 2),再加上新数列中的最后一个元素(yn+m+1 2);
根据对象运动特征在上一步得到的位移量前后分别取若干个邻近位移量依次代入互相关函数方程(5)中计算,并作相邻两点间插值样条运算,获得细化的互相关函数局部曲线,得到曲线达峰值时所对应的位移量进而得到剩余渡越时间τr;
步骤11.计算渡越时间τ=τ2-Δt+τr从而得到相关速度v=L/τ。
本发明的有益效果是:
1.该方法根据被测速度范围和速度测量精度要求来改变处理的采样时间长度和采样值数量,可适应实际工况中被测速度变化较大的情况,有效地减少了不必要的运算、提高了实时处理速度,达到更准确、快速地测量工业过程中各类运动对象移动速度的目的。
2.本发明对采样信号进行幅度归一化处理,消除了测量传感器测量特性差别并加快了算法的收敛速度,有利于运用到智能嵌入式信号处理系统进行快速运算。
3.发明中计算互相关函数时先粗略得到函数峰值对应的位移量,再精确计算实际位移量,利用插值样条运算得到准确的渡越时间,并利用滚动更新的方法提高运算速度,达到快速、精确确定运动对象速度的目的。
附图说明
图1为在采样时间长度T内的a,前侧传感器信号;b,后侧传感器信号。
图2为截取得到的a,前侧传感器信号序列;b,后侧传感器信号序列。
图3为适应对象运动特性的互相关测速方法的流程图。
具体实施方式:
本发明提供一种适应对象运动特性的互相关测速方法。下面结合附图和实例对本发明予以说明如下:
1.布置于被测对象移动方向前、后的两个传感器间距为0.2m,根据经验被测对象速度范围在v2=6.8m/s至v1=7.2m/s间,确定初始渡越时间范围在27.8ms至29.4ms之间;其中,所述前、后两个传感器为与测量被测对象特性的相关类型的传感器;比如,本实施例为速度传感器或时间传感器;
2.利用两个传感器以采样率50kHz采集信号。
3.如图1所示,图1为采样得到的前、后侧传感器信号。根据初始被测速度下限值6.8m/s和前、后侧传感器信号的波动情况将采样时间长度设置为60ms;以20.2ms时刻为起始位置截取采样时间长度为60ms的前侧传感器信号,Δt设为1ms,以47ms时刻为起始位置截取采样时间长度为60ms的后侧传感器信号。
4.根据速度测量精度要求判断是否需要对原数据列进行稀疏化处理。本方案精度要求较低,截取得到的前、后侧传感器信号采样点数分别为3000个,等间隔抽取600个采样数据进行处理便可达到精度要求。
5.信号幅度归一化,序列ai,norm、bi,norm(i=1,2,…,600)分别表示归一化处理后的采样数据。
6.参见附图2,图2是截取信号得到前侧传感器信号序列ai,norm和后侧传感器信号序列bi+m,norm的过程。从归一化处理后的采样值(a1,norm,a2,norm,…,a600,norm)中以a1,norm为起始点截取前侧传感器信号(a1,norm,a2,norm,…,a400,norm),定义为序列ai,norm;从归一化处理后的采样值(b1,norm,b2,norm,…,b600,norm)中以b1,norm为起始点截取后侧传感器信号(b1,norm,b2,norm,…,b400,norm),定义为序列bi,norm。m为位移量,0≤m≤200,序列bi,norm随m值变化而不断更新后得到的新序列(b1+m,norm,b2+m,norm,…,b400+m,norm),定义为序列bi+m,norm。
7.对序列ai,norm和序列bi+m,norm进行零均值化处理后分别得到序列xi和序列yi+m。
8.根据互相关函数方程仅计算相关系数r(m)的分子部分,并找出最大值所对应的位移量21。
9.在位移量21前后分别取5个邻近位移量依次代入互相关函数中计算,即将位移量16–26代入计算,方程分母里的采用滚动更新的方法。并作相邻两点间9点三次插值运算,获得细化的、含101个点的互相关函数局部曲线,计算得到r(m)达到最大值时所对应的位移量19.3,进而得到剩余渡越时间1.93ms。
10.计算渡越时间τ=τ2-Δt+τr=27.8ms-1ms+1.93ms=28.73ms从而得到互相关速度6.96m/s。
由实验装置设定得到的参考移动速度为7.0m/s,本方法的相对误差为0.6%。利用传统互相关方法得到的相关速度为6.88m/s,相对误差为1.7%,通过与参考速度对比,采用适应被测对象的互相关方法测量移动速度的相对误差比传统互相关算法减小了1.1%;运算量比传统互相关算法减小了88.79%。
Claims (1)
1.一种适应对象运动特性的互相关测速方法,其特征在于,包括以下步骤:
步骤1,由已知被测对象速度的上限值v1和下限值v2(v1≥v2),依据下式(1)确定初始渡越时间的上限值τ1和下限值τ2(τ1≥τ2):
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&tau;</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mi>l</mi>
<mo>/</mo>
<msub>
<mi>v</mi>
<mn>2</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&tau;</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<mi>l</mi>
<mo>/</mo>
<msub>
<mi>v</mi>
<mn>1</mn>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,l为布置于被测对象移动方向前、后两个传感器的间距;若被测对象速度范围未知,则将v1、v2分别设为被测对象在合理客观条件下或理论上的最大值和最小值;所述前、后两个传感器为与测量被测对象特性的相关类型的传感器;
步骤2,从t0时刻开始,利用两个传感器以采样率f0采集信号;其中f0满足香农采样定理,且能使采样信号保持原始模拟信号的主要特征;
步骤3,根据上述被测速度下限值v2和前、后侧传感器信号的波动情况合理选取采样时间长度T值,至少选取略大于2τ1的值;
步骤4.以t0时刻为起始位置,截取采样时间长度为T的前侧传感器信号,以(t0+τ2-Δt)时刻为起始位置截取采样时间长度为T的后侧传感器信号,其中Δt的选取根据被测对象速度变化特性确定;
步骤5.根据速度测量精度要求判断是否需要对原数据列进行稀疏化处理;当精度要求较低时,等间隔抽取一部分采样数据,对原数据列进行稀疏化处理。
步骤6.利用下式(2)使信号幅度归一化:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>n</mi>
<mi>o</mi>
<mi>r</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>a</mi>
<mi>min</mi>
</msub>
</mrow>
<mrow>
<msub>
<mi>a</mi>
<mi>max</mi>
</msub>
<mo>-</mo>
<msub>
<mi>a</mi>
<mi>min</mi>
</msub>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>b</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>n</mi>
<mi>o</mi>
<mi>r</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>b</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>b</mi>
<mi>min</mi>
</msub>
</mrow>
<mrow>
<msub>
<mi>b</mi>
<mi>max</mi>
</msub>
<mo>-</mo>
<msub>
<mi>b</mi>
<mi>min</mi>
</msub>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,序列ai、bi(i=1,2,…,N)分别表示前、后侧传感器信号的第i个采样值,amin、bmin分别表示前、后侧传感器信号中采样数据的最小值,amax、bmax分别表示采样数据的最大值,序列ai,norm、bi,norm(i=1,2,…,N)分别表示归一化处理后的ai、bi;
步骤7.从归一化处理后的采样值(a1,norm,a2,norm,…,aN,norm)中,以a1,norm为起始点截取前侧传感器信号(a1,norm,a2,norm,…,an,norm),定义为序列ai,norm;从归一化处理后的采样值(b1,norm,b2,norm,…,bN,norm)中以b1,norm为起始点截取后侧传感器信号(b1,norm,b2,norm,…,bn,norm),定义为序列bi,norm;m为位移量,0≤m≤N-n,序列bi,norm随m值变化而不断更新,m值每增加1,序列bi,norm向右移动一位,得到的新序列(b1+m,norm,b2+m,norm,…,bn+m,norm),定义为序列bi+m,norm;
步骤8.对上述的每一数据序列进行零均值化处理,以简化互相关函数运算:
其中,是序列ai,norm的平均值,是序列bi+m,norm的平均值,序列xi和序列yi+m分别为序列ai,norm和序列bi+m,norm经零均值化处理后的结果;
为简化计算,以(b1,norm,b2,norm,…,bN,norm)的均值来近似代替序列bi+m,norm的均值即利用下式对序列ai,norm和序列bi+m,norm进行零均值化处理:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>n</mi>
<mi>o</mi>
<mi>r</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>a</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mi>m</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>b</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mi>m</mi>
<mo>,</mo>
<mi>n</mi>
<mi>o</mi>
<mi>r</mi>
<mi>m</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>b</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
步骤9.利用互相关函数方程计算相关系数r(m):
<mrow>
<mi>r</mi>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msub>
<mi>k</mi>
<mi>i</mi>
</msub>
<msub>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mi>m</mi>
</mrow>
</msub>
</mrow>
<msqrt>
<mrow>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msup>
<msub>
<mi>k</mi>
<mi>i</mi>
</msub>
<mn>2</mn>
</msup>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msup>
<msub>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mi>m</mi>
</mrow>
</msub>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
测量数据序列在时间上的连续性使得第i和第i+1个相关系数中分母变化很小,因此只计算上式分子,并找出最大值所对应的位移量;
步骤10.由展开式和可到互相关函数分母部分的迭代公式:
<mrow>
<msqrt>
<mrow>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msup>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mn>2</mn>
</msup>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msup>
<msub>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>=</mo>
<msqrt>
<mrow>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msup>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mn>2</mn>
</msup>
<mrow>
<mo>(</mo>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msup>
<msub>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mi>m</mi>
</mrow>
</msub>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<msub>
<mi>y</mi>
<mrow>
<mi>n</mi>
<mo>+</mo>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mn>2</mn>
</msup>
<mo>-</mo>
<msup>
<msub>
<mi>y</mi>
<mrow>
<mn>1</mn>
<mo>+</mo>
<mi>m</mi>
</mrow>
</msub>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
</mrow>
</msqrt>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
此时互相关函数分母里的采用上式滚动更新的方法来加快计算速度,即计算下一步时,从求和值中减去原数列的第一个元素(y1+m 2),再加上新数列中的最后一个元素(yn+m+1 2);
根据对象运动特征在上一步得到的位移量前后分别取若干个邻近位移量依次代入互相关函数方程(5)中计算,并作相邻两点间插值样条运算,获得细化的互相关函数局部曲线,得到曲线达峰值时所对应的位移量进而得到剩余渡越时间τr;
步骤11.计算渡越时间τ=τ2-Δt+τr从而得到相关速度v=L/τ。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710390272.0A CN107219376B (zh) | 2017-05-27 | 2017-05-27 | 一种适应对象运动特性的互相关测速方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710390272.0A CN107219376B (zh) | 2017-05-27 | 2017-05-27 | 一种适应对象运动特性的互相关测速方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107219376A true CN107219376A (zh) | 2017-09-29 |
CN107219376B CN107219376B (zh) | 2019-10-01 |
Family
ID=59946679
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710390272.0A Active CN107219376B (zh) | 2017-05-27 | 2017-05-27 | 一种适应对象运动特性的互相关测速方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107219376B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108680764A (zh) * | 2018-04-18 | 2018-10-19 | 东南大学 | 基于离子示踪的气流速度测量装置及其测量方法 |
CN111352099A (zh) * | 2018-12-20 | 2020-06-30 | 宁波大学科学技术学院 | 一种基于互相关信号相位分解的时延估计方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1714293A (zh) * | 2002-10-11 | 2005-12-28 | 迪姆肯公司 | 速度检测方法和装置 |
US20060152722A1 (en) * | 2002-07-31 | 2006-07-13 | Northby Jan A | Method and apparatus for measuring particle motion optically |
CN101738489A (zh) * | 2009-12-16 | 2010-06-16 | 清华大学深圳研究生院 | 一种测量散射性流体横向流速的方法 |
CN102645552A (zh) * | 2012-04-19 | 2012-08-22 | 北京航空航天大学 | 一种用于渡越时间测量的自适应相关算法 |
JP2013003052A (ja) * | 2011-06-20 | 2013-01-07 | Central Research Institute Of Electric Power Industry | 三次元速度の計測システム |
CN104005974A (zh) * | 2014-05-20 | 2014-08-27 | 北京工业大学 | 一种基于压力相关法的煤矿通风机流量测量方法 |
CN106199060A (zh) * | 2016-06-24 | 2016-12-07 | 辽宁大学 | 基于滑动平均和电容传感器的气固两相流速度测量方法 |
-
2017
- 2017-05-27 CN CN201710390272.0A patent/CN107219376B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060152722A1 (en) * | 2002-07-31 | 2006-07-13 | Northby Jan A | Method and apparatus for measuring particle motion optically |
CN1714293A (zh) * | 2002-10-11 | 2005-12-28 | 迪姆肯公司 | 速度检测方法和装置 |
CN101738489A (zh) * | 2009-12-16 | 2010-06-16 | 清华大学深圳研究生院 | 一种测量散射性流体横向流速的方法 |
JP2013003052A (ja) * | 2011-06-20 | 2013-01-07 | Central Research Institute Of Electric Power Industry | 三次元速度の計測システム |
CN102645552A (zh) * | 2012-04-19 | 2012-08-22 | 北京航空航天大学 | 一种用于渡越时间测量的自适应相关算法 |
CN104005974A (zh) * | 2014-05-20 | 2014-08-27 | 北京工业大学 | 一种基于压力相关法的煤矿通风机流量测量方法 |
CN106199060A (zh) * | 2016-06-24 | 2016-12-07 | 辽宁大学 | 基于滑动平均和电容传感器的气固两相流速度测量方法 |
Non-Patent Citations (3)
Title |
---|
徐灵佳等: "《基于实时互相关算法的双相流流量测量的研究》", 《吉林大学学报(信息科学版)》 * |
黄孝彬等: "《基于静电感应和数据融合技术的锅炉煤粉流速浓度在线监测系统》", 《第二届电站锅炉优化运行与环保技术研讨会论文集》 * |
龙永良等: "《基于FPGA的固体测速系统的设计与应用》", 《单片机与嵌入式系统应用》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108680764A (zh) * | 2018-04-18 | 2018-10-19 | 东南大学 | 基于离子示踪的气流速度测量装置及其测量方法 |
CN108680764B (zh) * | 2018-04-18 | 2020-04-24 | 东南大学 | 基于离子示踪的气流速度测量方法 |
CN111352099A (zh) * | 2018-12-20 | 2020-06-30 | 宁波大学科学技术学院 | 一种基于互相关信号相位分解的时延估计方法 |
CN111352099B (zh) * | 2018-12-20 | 2022-05-10 | 宁波大学科学技术学院 | 一种基于互相关信号相位分解的时延估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107219376B (zh) | 2019-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110514391B (zh) | 一种五孔压力探针测量三维流场不确定度评定方法 | |
CN101246467B (zh) | 自适应阈值检漏结合多尺度快速时延搜索的泄漏定位方法 | |
CN109470324B (zh) | 气体流量标定方法、装置以及控制系统和存储介质 | |
CN110514390B (zh) | 一种三孔压力探针测量二维流场不确定度评定方法 | |
CN103443594B (zh) | 流量计测装置 | |
CN107219376A (zh) | 一种适应对象运动特性的互相关测速方法 | |
CN105043348A (zh) | 基于卡尔曼滤波的加速度计陀螺仪水平角度测量方法 | |
CN107860430B (zh) | 一种基于时差法的超声波气体流量计时间差测量方法 | |
CN105627978B (zh) | 一种雨季滑坡变形监测方法及系统 | |
CN101596554B (zh) | 基于波函数的冷带轧机板厚控制有限频域前馈补偿方法 | |
CN102645552B (zh) | 一种用于渡越时间测量的自适应相关算法 | |
KR101602031B1 (ko) | 초음파 전이 시간을 이용하여 유체의 흐름율을 결정하기 위한 방법 | |
CN112304376B (zh) | 基于数据融合的超声波流量计流量测量方法 | |
CN112945318B (zh) | 基于液膜厚度测量和涡街流量计的湿气分相流量测量方法 | |
CN110677140A (zh) | 一种含未知输入和非高斯量测噪声的随机系统滤波器 | |
CN103793614B (zh) | 一种突变滤波方法 | |
CN112229454A (zh) | 测量烟用吸阻标准件流量压差曲线的系统和方法 | |
CN107270983A (zh) | 基于瞬时流量的数据搭建超声波流量模型的方法 | |
CN112946641B (zh) | 一种基于卡尔曼滤波新息与残差相关的数据滤波方法 | |
CN113884914B (zh) | 一种渐消并行卡尔曼滤波动力电池荷电状态估计方法 | |
CN115290080A (zh) | 基于无偏有限脉冲响应滤波器的管道机器人定位方法 | |
CN104697592A (zh) | 超声波流量同步测量方法 | |
CN113049047A (zh) | 基于牛顿迭代的涡街湿气分相流量测量方法 | |
JPH03108613A (ja) | 管渠内の平均流速測定方法 | |
CN106970357A (zh) | 高精度的实时超声波定位追踪方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information |
Inventor after: Qian Xiangchen Inventor after: Wu Shitong Inventor after: Yan Yong Inventor before: Wu Shitong Inventor before: Qian Xiangchen Inventor before: Yan Yong |
|
CB03 | Change of inventor or designer information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |