沸腾振动的声波信号时频联合特征提取及沸腾识别方法
技术领域
本发明涉及电磁炉技术领域,特别是电磁炉沸腾振动的声波信号时频联合特征提取及沸腾程度识别方法。
背景技术
随着生活水平的提高,电磁炉已经进入千家万户。目前市场上的电磁炉对温度控制一般有两种模式:一种是恒功率控制,另一种是恒温控制。恒温控制的电磁炉由于能够实时检测锅底温度,采用基于温度反馈的控制算法,自动调整功率大小,大大方便了人们的日常生活。但是这种方式的效果和人工手动控制相比还有不小的差距。人工控制主要通过对锅内沸腾程度的判断来适度调节火力的大小。水的沸腾程度由水温、水的沸点和加热功率决定,而沸点又和气压以及水中物质成分及浓度有很大关系,人们吃火锅时的红汤和清汤就是一个典型的例子。因此,检测到单一的温度不能代表电磁炉的沸腾程度,也就不能圆满解决电磁炉的沸腾控制。而人工对电磁炉沸腾程度的判断主要靠视听两个感官感受,单一依靠视觉或听觉都能够完成对电磁炉沸腾程度的判断,而通过对沸腾产生的声音振动的检测和识别是一种相对经济的手段。
通过实验观察可以发现,随着加热时间的推移,电磁炉内液体的沸腾情况可以大致分为三个阶段:(1)预沸腾期:在此阶段,锅的底部受热达到内部液体的沸点,气泡开始产生,体积较小,但由于上面的液体温度没有达到沸点,气泡刚离开锅底不久就消失不见。该阶段的特点是气泡产生的机械振动要通过锅和液体的传递,而后使外面的空气振动,产生声波使人耳能够听到。该阶段产生的声音频率较高,响度较低。(2)沸腾初期:锅底部受热产生的气泡速度加快,临近的气泡合并成较大的气泡,并能够上升到达液面,之后才破裂发生容积振荡,产生声音。该阶段产生的声音响度较高,低频成分增加,声音波形的包络在宏观时间上表现为不连续的冲激。(3)剧烈沸腾期:全部液体温度到达沸点,锅底部受热产生气泡的速度进一步加快,上升到达液面的气泡越来越多,液体也发生剧烈的运动。该阶段产生的声音响度较高,低频分量进一步增加,声音波形的包络在宏观时间上趋于平稳。由于不同阶段的声音特性在时域和频域各有特点,因此,综合采用时域和频域的信息,能够以较高的可信度对液体的沸腾程度进行识别。
根据以上分析,我们设计了一种基于时频联合回归的电磁炉沸腾程度识别方法,分析和仿真实验表明了该方法在计算上的高效性和对沸腾程度识别的有效性。
发明内容
本发明的目的是针对现有电磁炉功率控制中存在的液体沸点不固定导致单靠温度反馈控制适用性不高的问题,提供电磁炉沸腾振动的声波信号时频联合特征提取及沸腾程度识别方法。
根据本发明第一方面,一种电磁炉沸腾振动的声波信号时频联合特征提取方法包括:
对采集的电磁炉沸腾振动的原始声波信号序列的每段声音信号,分别用其通过频率为倍频的7个高通滤波器进行滤波,得到7个倍频程信号;
计算所述7个倍频程信号的能量参数;
提取各倍频程信号的包络信号;
对每个倍频程的包络信号分别用4个高通滤波器进行滤波,得到4个包络倍频程信号;
计算每个包络倍频程信号的平均能量;
将所述每段声音信号7个倍频程信号的能量参数以及各个倍频程信号的包络倍频程的平均能量组合在一起,得到该段振动信号的具有声波信号时频联合特征的多维特征向量。
优选地,所述7个高通滤波器的通过频率分别为:12KHz、6KHz、3KHz、1.5KHz、750Hz、375Hz、和187.5Hz。
优选地,原始声波信号序列的采样频率为48KHz,原始声波信号序列的每段声音信号的长度为24K点的0.5秒。
优选地,所述得到7个倍频程信号dij,j=1…7的步骤包括:
用通过频率为12KHz的二阶巴特沃斯数字滤波器对原始声波的每段声音信号Si滤波,得到di1;
计算ai1=Si-di1;
用通过频率为6KHz的二阶巴特沃斯数字滤波器对ai1滤波,得到di2;
计算ai2=ai1-di2;
用通过频率为3KHz的二阶巴特沃斯数字滤波器对ai2滤波,得到di3;
计算ai3=ai2-di3;
用通过频率为1.5KHz的二阶巴特沃斯数字滤波器对ai3滤波,得到di4;
计算ai4=ai3-di4;
用通过频率为750Hz的二阶巴特沃斯数字滤波器对ai4滤波,得到di5;
计算ai5=ai4-di5;
用通过频率为375Hz的二阶巴特沃斯数字滤波器对ai5滤波,得到di6;
计算ai6=ai5-di6;
用通过频率为187.5Hz的二阶巴特沃斯数字滤波器对ai6滤波,得到di7。
优选地,所述计算7个频程信号的能量参数的步骤包括:
计算每个倍频程信号的能量其中,l表示第i段第j倍频程信号的第l个数值;
计算7个倍频程信号的能量对数频率分布中心fj为对应频程的通过频率;
计算7个倍频程信号的平均能量
计算7个倍频程信号的能量方差
优选地,所述的对每个倍频程的包络信号Edij分别用4个高通滤波器进行滤波,得到4个包络倍频程信号包括:
用希尔伯特变换计算每个倍频程信号的包络信号,Edij=|Hilbert(aij)|;
用通过频率为80Hz的二阶巴特沃斯数字滤波器对Edij滤波,得到edij1;
计算eaij1=Edij-edij1;
用通过频率为40Hz的二阶巴特沃斯数字滤波器对eaij1滤波,得到edij2;
计算eaij2=eaij1-edij2;
用通过频率为20Hz的二阶巴特沃斯数字滤波器对eaij2滤波,得到edij3;
计算eaij3=eaij2-edij3;
用通过频率为10Hz的二阶巴特沃斯数字滤波器对eaij3滤波,得到edij4。
优选地,所述的计算每个包络倍频程信号的平均能量,公式为, 其中,l表示第i段第j个倍频程信号第k个包络倍频程信号的第l个数值。
优选地,所述的将所述每段声音信号7个倍频程信号的能量参数以及各个倍频程信号的包络倍频程的平均能量组合在一起包括:
将每个频程的能量Eij、7个倍频程信号能量对数分布中心EFij、7个倍频程信号能量方差CEij以及各包络频程的平均能量EEijk组合在一起,其中j=1…7,k=1…4。
根据本发明第二方面,一种基于时频联合回归的电磁炉沸腾程度识别方法包括:
按照本发明第一方面的方法获得电磁炉沸腾振动的每段原始声波信号的多维特征向量F;
利用所述多维特征向量F和回归参数X计算出电磁炉沸腾程度B;
计算电磁炉沸腾程度的公式为B=F·X。
优选地,按照以下步骤得到回归参数X:
对于采集的不同沸腾程度的振动声音信号Si,对其沸腾程度进行主观评判,得到主观个体沸腾度bij;
计算该振动声音去掉最高分和最低分之后的平均分
建立平均分Bi与每段原始声波信号的多维特征向量Fi的线性模型:
记模型参数X=[x1 x2 … x37]T,B=[B1 B2 … Bi]T,用最小二乘法求解该线性模型,得X=(FT·F)-1·FT·B,并将X作为回归参数。
本发明的有益技术效果是,能够准确确定电磁炉沸腾程度,满足电磁炉功率自动控制的要求。
附图说明
图1是振动声波信号时频联合特征提取示意图;
图2振动声波信号倍频程分解示意图;
图3是倍频程信号包络倍频程信号分解示意图;
图4是振动声波信号倍频程分解结果;
图5是振动声波信号倍频程分解信号的包络分析;
图6是振动声波信号倍频程包络信号的倍频程分解;
图7是基于时频联合回归的电磁炉沸腾程度识别结果。
具体实施方式
本发明对电磁炉沸腾振动的声波信号时频联合特征提取的方法,其包括:
对采集的电磁炉沸腾振动的原始声波信号序列的每段声音信号,分别用12KHz、6KHz、3KHz、1.5KHz、750Hz、375Hz、和187.5Hz为通过频率的高通滤波器进行滤波,得到7个倍频程信号;
计算所述7个倍频程信号的能量参数;
提取各倍频程信号的包络信号;
对每个倍频程的包络信号分别用4个高通滤波器进行滤波,得到4个包络倍频程信号;
计算每个包络倍频程信号的平均能量;
将所述每段声音信号7个倍频程信号的能量参数以及各个倍频程信号的包络倍频程的平均能量组合在一起,得到每段声音信号的具有声波信号时频联合特征的多维特征向量。
本发明的一种基于时频联合回归的电磁炉沸腾程度识别方法包括:
按照上述对电磁炉沸腾振动的声波信号时频联合特征提取的方法,获得电磁炉沸腾振动的每段原始声波信号的多维特征向量F;
利用所述多维特征向量F和回归参数X计算出电磁炉沸腾程度B;
计算电磁炉沸腾程度的公式为B=F·X。
按照以下步骤计算回归参数X:
对于采集的不同沸腾程度的振动声音信号Si对其沸腾程度进行主观评判,得到主观个体沸腾度bij;
计算该振动声音信号去掉最高分和最低分之后的平均分
建立平均分Bi与每段原始声波信号的多维特征向量Fi的线性模型:
记模型参数X=[x1 x2 … x37]T,B=[B1 B2 … Bi]T,用最小二乘法求解该线性模型,得X=(FT·F)-1·FT·B,并将X作为回归参数。
下面结合附图对本发明进行详细说明:
(1)振动声波信号时频联合特征提取
图1显示了本发明的基于时频联合回归的电磁炉沸腾程度识别方法中声波信号特征提取示意图,具体步骤如下:
输入:采样频率为48KHz,长度为24K点的0.5秒原始声波信号序列S1,S2,…,Si。
第1步:对每一段声音信号,分别用12KHz、6KHz、3KHz、1.5KHz、750Hz、375Hz、和187.5Hz为通过频率的高通滤波器进行滤波,得到7个倍频程信号dij,j=1…7。图2显示了具体过程如下:
A)原始信号Si经过通过频率为12KHz的二阶巴特沃斯数字滤波器滤波,得到di1;
B)计算ai1=Si-di1;
C)ai1经过通过频率为6KHz的二阶巴特沃斯数字滤波器滤波,得到di2;
D)计算ai2=ai1-di2;
E)ai2经过通过频率为3KHz的二阶巴特沃斯数字滤波器滤波,得到di3;
F)计算ai3=ai2-di3;
G)ai3经过通过频率为1.5KHz的二阶巴特沃斯数字滤波器滤波,得到di4;
H)计算ai4=ai3-di4;
I)ai4经过通过频率为750Hz的二阶巴特沃斯数字滤波器滤波,得到di5;
J)计算ai5=ai4-di5;
K)ai5经过通过频率为375Hz的二阶巴特沃斯数字滤波器滤波,得到di6;
L)计算ai6=ai5-di6;
M)ai6经过通过频率为187.5Hz的二阶巴特沃斯数字滤波器滤波,得到di7;
第2步:能量参数计算。
A)计算每个频程信号的能量其中,l表示第i段第j倍频程信号的第l个数值;
B)计算7频程的能量对数频率分布中心fj为对应频程的通过频率;
C)计算7个频程信号的平均能量
D)计算7个频程信号的能量方差
第3步:提取各频程信号的幅度包络,计算Edij=|Hilbert(aij)|;
第4步:对每个频程的包络信号,分别用80Hz、40Hz、20Hz、10Hz为通过频率的高通滤波器进行滤波,得到4个倍频程信号edijk,k=1…4。图3显示了具体过程如下:
用通过频率为80Hz的二阶巴特沃斯数字滤波器对Edij滤波,得到edij1;
A)计算eaij1=Edij-edij1;
B)eaij1经过通过频率为40Hz的二阶巴特沃斯数字滤波器滤波,得到edij2;
C)计算eaij2=eaij1-edij2;
D)eaij2经过通过频率为20Hz的二阶巴特沃斯数字滤波器滤波,得到edij3;
E)计算eaij3=eaij2-edij3;
F)eaij3经过通过频率为10Hz的二阶巴特沃斯数字滤波器滤波,得到edij4;
G)计算eaij4=eaij3-edij4;
第4步:计算每个包络倍频程信号的平均能量其中,l表示第f段第j个倍频程信号第k个包络倍频程信号的第l个数值;
第5步:将上面提取的每个倍频程信号的Eij,EFij,CEij,以及各包络倍频程信号的平均能量EEijk,j=1…7,k=1…4组合在一起,组成该段振动信号的37维特征向量Fi。
(2)回归参数的估计方法
第1步:采用48KHz采样频率,以0.5秒时长采集不同沸腾程度的振动声音信号Si和不同的干扰信号Ni;
第2步:采用10人以上对不同声音的沸腾程度进行主观评判,得到主观个体沸腾度bij,其中干扰信号的沸腾程度固定为0;评分标准为:
4-5分沸腾非常剧烈,声音大;
3-4分沸腾声连续,没有明显间隔;
2-3分沸腾声较多,沸腾音之间有间隔;
1-2分刚刚有沸腾音,数量少,声音小。
第3步:计算该振动声音去掉最高分和最低分之后的平均分
第4步:根据本发明的振动声波信号时频联合特征提取方法,提取该段声音信号的37维特征行向量Fi;
第5步:计算所有的Bi和Fi,建立如下线性模型:
第6步:记模型参数X=[x1 x2 … x37]T,B=[B1 B2 … Bi]T,用最小二乘法求解该线性模型,得X=(FT·F)-1·FT·B。
(3)基于时频联合回归的电磁炉沸腾程度识别方法
第1步:采用48KHz采样频率,以0.5秒时长采集实际振动声音信号Si;
第2步:根据本发明的振动声波信号时频联合特征提取方法,提取该段声音信号的37维特征行向量F;
第3步:计算B=F·X,其中X为用本发明中回归参数估计方法估计的回归参数;
第4步:计算B′=20B,得到取值范围为0~100的沸腾度估计。
下面我们将给出几个具体实施例子来对本发明的基于时频联合回归的电磁炉沸腾程度识别方法中涉及到的各种算法进行详细说明。
例1,选取了三段不同沸腾程度的声音振动信号,采用7个倍频程分解得到的信号波形如图4所示。其中(a)是主观沸腾程度是1的振动声波信号倍频程分解结果;(b)是主观沸腾程度是2的振动声波信号倍频程分解结果;(c)是主观沸腾程度是4的振动声波信号倍频程分解结果。
从振动信号的频程分解结果来看,振动信号的频谱范围比较宽,从187.5Hz以下到12KHz以上,都有振动信号的分布。但是,振动信号的能量分布很不均匀,不单是在时间上分布不平稳,在频程上的分布也不平衡。本发明的基于时频联合回归的电磁炉沸腾程度识别方法中的特征提取部分,将混合在一起的频率特征按照二倍频程分解,既实现了特征的分析,又比全频谱分析减少了运算量,降低了实现时对硬件的性能要求。在图4中,(a)主观沸腾程度是1的振动声波信号倍频程分解结果;(b)主观沸腾程度是2的振动声波信号倍频程分解结果;(c)主观沸腾程度是4的振动声波信号倍频程分解结果。
例2,选取图4(c)中d6中一段信号,对其进行包络分析,结果如图5所示。
对振动声波信号倍频程分解后,将其在频率上的不平衡按频程进行了分割,各频程内部信号特性趋于一致。由于已经对振动信号进行了频程分解,各频程内信号带宽受限,所以信号的包络提取可用Hilbert变换完成,减少了实现的复杂性。但是,信号在时间上的不平稳性仍然存在,为后续的识别增加了难度。为了进一步对各频程信号进行时间域上的分析,对该频程信号进行包络提取,然后分析包络随时间变化而变化的规律,本发明仍然采用倍频程分解的方法分析包络的时变特性,结果如图6所示。
例3,为了验证本发明的基于时频联合回归的电磁炉沸腾程度识别方法的有效性,在完成特征提取和主观沸腾度判断后,求解系统的回归参数,之后再采集10秒钟的沸腾振动信号进行沸腾程度的识别。该10秒钟的振动信号选择在液体刚开始沸腾到剧烈沸腾的变化阶段,其主观沸腾程度大约是从1-5均匀变化的。然后对于每采集的0.5秒钟的数据,采用本发明的基于时频联合回归的特征提取方法进行特征提取,之后用B=F·X计算液体振动信号的沸腾程度。图7显示了采集的10秒振动信号的波形和对应的每0.5秒判断的沸腾程度。为了和主观判断的沸腾程度相对照,该例子中没有将沸腾程度归一化到0~100的范围,而是取整到0~5的级别。从结果来看,发明的基于时频联合回归的电磁炉沸腾程度识别方法能够准确识别出液体的沸腾程度,满足电磁炉功率自动控制对识别精度的要求。在图7中,(a)是10秒钟振动信号波形;(b)为对应的识别结果。
本发明所开发的基于时频联合回归的电磁炉沸腾程度识别方法利用电磁炉内液体的沸腾不同阶段的振动信号在时间和频率上特性,巧妙地将振动信号在时间上和频率上的不同特性结合起来,并设计了振动声波信号时频联合特征提取方法、回归参数的估计方法、基于时频联合回归的电磁炉沸腾程度识别方法,为电磁炉以及相关加热容器的功率自动控制提供了一种新的技术途径。
尽管上文对本发明进行了详细说明,但是本发明不限于此,本技术领域技术人员可以根据本发明的原理进行各种修改。因此,凡按照本发明原理所作的修改,都应当理解为落入本发明的保护范围。