CN109711355A - 一种物流包装冲击信号识别与提取方法 - Google Patents
一种物流包装冲击信号识别与提取方法 Download PDFInfo
- Publication number
- CN109711355A CN109711355A CN201811627166.0A CN201811627166A CN109711355A CN 109711355 A CN109711355 A CN 109711355A CN 201811627166 A CN201811627166 A CN 201811627166A CN 109711355 A CN109711355 A CN 109711355A
- Authority
- CN
- China
- Prior art keywords
- signal
- section
- impact
- value
- impact signal
- 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.)
- Pending
Links
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
一种物流包装冲击信号识别与提取方法包括:步骤1:读取实际测得的公路运输包装车辆的随机振动信号;步骤2:计算出移动振幅因子MCF;步骤3:预设阈值,将MCF值大于预设阈值的信号时点定位为疑似冲击信号的峰值点;步骤4:运用十分之一峰值法,将两采样点之间的信号判定为冲击信号段;步骤5:提取冲击信号段,振动信号被分解为一段冲击信号和一段剩余的振动信号;步骤6:(1)计算剩余的振动信号的峭度值k1;(2)重设阈值,重复步骤3至5,计算剩余的振动信号的峭度值k2;(3)比较︱k1‑3︱与︱k2‑3︱的大小,将较小者的峭度值记作k1;(4)重复(1)‑(3),找到最接近3的峭度值k1;步骤7:迭代分解。
Description
技术领域
本发明涉及信号分析与处理领域,具体涉及运输包装随机振动信号分析与处理,尤其涉及蕴藏在物流包装随机振动信号中的冲击信号识别与提取方法。
背景技术
公路运输车辆因路面不平等原因,不可避免地遭受到振动与冲击。车辆遭受的随机振动表现为非高斯,其中蕴藏者大量振动幅值较大、持续时间短暂的冲击信号。因为冲击信号的峰值加速度、持续时间较难确定,现有的公路运输包装随机振动模拟技术未对冲击信号作单独的提取与模拟,模拟信号不能较好地再现真实的运输包装随机振动信号,影响了随机振动试验的可靠性。本发明旨在提出一种物流包装冲击信号识别与提取方法,能够将实际测得的物流包装随机振动信号分解成一系列的近似高斯振动信号和一段冲击信号,用作后续物流包装随机振动信号模拟再现。
发明内容
本发明要解决的技术问题在于:将蕴藏在物流包装随机振动信号中的加速度幅值较大、持续时间短暂的冲击信号进行识别与提取,通过迭代,将实际测得的物流包装随机振动信号分解成一系列的近似高斯振动信号和一段冲击信号。
为了解决上述技术问题,本发明提出下列技术方案:一种物流包装冲击信号识别与提取方法,包括以下步骤:步骤1:读取实际测得的公路运输包装车辆的随机振动信号;步骤2:将用于计算移动均方根值(Moving Root Mean Square)的窗宽T设为32s,计算出该段信号的移动振幅因子MCF,其计算公式如式(1)所示:
(1)
步骤:3:预设阈值,将MCF值大于预设阈值的信号时点定位为疑似冲击信号的峰值点;步骤4:运用十分之一峰值法,在峰值点左、右两侧的250个采样点(以采样率为1000Hz, 定义冲击信号持续时间不长于0.5s为例,则有500个采样点)范围内,分别寻找振动加速度幅值最接近1/10峰值的采样点,将两采样点之间的信号判定为冲击信号段;步骤5:提取步骤4中判定的冲击信号段,则振动信号被分解为一段冲击信号和一段剩余的振动信号;步骤6:
(1)计算步骤5所述的剩余的振动信号的峭度值k,记作k1;
(2)重新预设阈值,重复上述步骤3至步骤5,计算步骤5所述的剩余的振动信号的峭度值k,记作k2;
(3)比较︱k1-3︱与︱k2-3︱的大小,将其中的较小者对应的峭度值记作k1;
(4)重复步骤6中(1)-(3),直至找到最接近3的峭度值k1,使得原始信号被分解为一段近似高斯振动信号和一段冲击信号;
步骤7:迭代分解,对提取出来的冲击信号重复上述步骤2至步骤6,直至分解后的信号段时长小于5s,则停止,最终,读取的实测信号被分解成一系列的近似高斯振动信号和一段冲击信号。
与现有技术相比,本发明具有下列有益效果:能够将实际测得的物流包装随机振动信号分解成一系列的近似高斯振动信号和一段冲击信号,为后续对分解得到的信号段进行逐断高斯模拟、串联,得到最终模拟信号,使得模拟信号的振动强度、持续时间、功率谱密度、概率密度分布等接近真实的物流包装随机振动信号(非高斯),再现更趋真实的物流包装随机振动,用于包装件随机振动试验,能够有效指导减量化与精准防护包装,促进绿色包装与节能减排,具有重要的学术价值、工程应用价值与经济价值。
附图说明
图1 是加速度、均方根值(Grms)与移动振幅因子(MCF)(≥1.5)时间历程图。
图2 是十分之一峰值法的图。
图3是本发明物流包装冲击信号识别与提取方法的技术路线图。
图4 是冲击信号被提取的图。
图5是小波变换系数图。
图6 是信号迭代分解流程图。
具体实施方式
请参阅图1至图3,本发明提出一种物流包装冲击信号识别与提取方法,在介绍该方案之前,先介绍一些相关内容。
一、冲击信号定位
移动振幅因子(Moving Crest Factor,MCF)是信号的加速度幅值的绝对值与一定加窗宽度下的加速度均方根值(Grms)的比值,其计算公式如(1)所示:
(1)
本发明方法利用冲击事件发生时刻的振动加速度幅值明显增大(分子),而一定窗宽的加速度均方根值(Grms)的变化相对缓慢(分母),使得对应的移动振幅因子(MCF)会明显增大,进而根据移动振幅因子(MCF)的变化来定位冲击信号发生时刻。
如图1所示为某一实测随机振动信号的加速度时间历程曲线(a-t)、加速度均方根值(Grms)时间历程曲线(Grms-t)和移动振幅因子时间历程曲线(MCF-t),其中,仅显示了大于或等于1.5的移动振幅因子(如蓝色圆圈所示)。
振动加速度幅值较大时刻的移动振幅因子(MCF)亦较大,能够被发现、定位。
这里,涉及两个关键参数:加窗宽度(Window Width)和移动振幅因子(MCF)阈值(Threshold Value)。
加窗宽度(Window Width)即计算振动信号加速度均方根值(Grms)的窗宽,不同的窗宽,对实验效果影响较大。当窗宽为32s时,运用移动振幅因子(MCF)探测冲击信号时,效果最佳。
阈值(Threshold Value):当原始信号中某信号点的移动振幅因子(MCF)大于某预设阈值时,该信号点将被判定为疑似冲击信号点,并通过下文介绍的十分之一峰值法(One-tenth Peak Value)确定冲击信号持续时间,将该段疑似冲击信号从原始信号中分离。
预设阈值(Threshold)越大,只有振动加速度幅值非常大的冲击信号段能够被精准识别;预设阈值(Threshold)越小,将有更多信号段被判定为疑似冲击信号。
在实际信号分析处理过程中,运用matlab编程,通过预设、试算,计算出最优移动振幅因子(MCF)阈值,达到精准探测、分离冲击信号。
二、冲击信号识别与确定
加速度峰值点和持续时间是冲击信号的两个关键变量,在工程上很难通过相关装置实际测得。然而,从能量的观点来看,对于实测振动信号,冲击信号的持续时间常常规定为绝大部分能量集中的那段时间。在实际应用中,可从波峰的十分之一处作水平线与冲击波形相交于两点,用两点间的时标距离作为冲击持续时间,即为十分之一峰值法(One-tenthPeak Value Method),如图2所示。
因此,可通过计算原始信号的移动振幅因子(MCF),首先定位冲击信号的振动加速度峰值发生时点,然后,运用十分之一峰值法(One-tenth Peak Value Method)来确定冲击信号的持续时间,进而,精准探测该段蕴藏在运输包装总体随机振动信号中的冲击信号成分,并将该段冲击信号从原始信号中分离。
这里,需要定义一个关键参数:尺寸(Size),即在已定位的加速度峰值点左、右两侧多长时标距离内寻找十分之一峰值信号点,确定冲击信号的持续时间。
实际工程中,冲击的持续时间非常短暂,只有几十至几百毫秒,结合运输包装实际,本文将冲击信号的持续时间定义为最长不超过0.5秒。
定位冲击信号加速度峰值点后,分别在该峰值点的左、右两侧各0.25秒(如采样频率为1000Hz,即在左右各250个采样点内)范围内寻找振动加速度幅值最接近十分之一峰值的信号点,两信号点之间的时标距离即为该段冲击信号的持续时间。
本发明物流包装冲击信号识别与提取方法,包括以下步骤:
步骤1:读取实际测得的公路运输包装车辆的随机振动信号;
步骤2:将用于计算移动均方根值(Moving Root Mean Square)的窗宽T设为32s,计算出该段信号的移动振幅因子MCF,其计算公式如式(1)所示:
(1)
t:采样时刻
x(t):采样时刻t对应的振动加速度幅值
T:加窗宽度
步骤:3:预设阈值,将MCF值大于预设阈值的信号时点定位为疑似冲击信号的峰值点;
步骤4:运用十分之一峰值法,在峰值点左、右两侧的250个采样点(以采样率为1000Hz,定义冲击信号持续时间不长于0.5s为例,则有500个采样点)范围内,分别寻找振动加速度幅值最接近1/10峰值的采样点,将两采样点之间的信号判定为冲击信号段;
步骤5:提取步骤4中判定的冲击信号段,则振动信号被分解为一段冲击信号和一段剩余的振动信号;
步骤6:
(1)计算步骤5所述的剩余的振动信号的峭度值k,记作k1;
(2)重新预设阈值,重复上述步骤3至步骤5,计算步骤5所述的剩余的振动信号的峭度值k,记作k2;
(3)比较︱k1-3︱与︱k2-3︱的大小,将其中的较小者对应的峭度值记作k1;
(4)重复步骤6中(1)-(3),直至找到最接近3的峭度值k1,使得原始信号被分解为一段近似高斯振动信号和一段冲击信号;
步骤7:迭代分解,对提取出来的冲击信号重复上述步骤2至步骤6,直至分解后的信号段时长小于5s,则停止,最终,读取的实测信号被分解成一系列的近似高斯振动信号和一段冲击信号。
算例验证:
截取一段实测运输包装随机振动信号,长度为8s,信号采样频率为1000Hz,即每1s信号段有1000个信号点,总体信号段共有8000个信号点,将窗宽设为8s(因信号总时长为8s,设为32s已无意义),尺寸设为0.5s,移动振幅因子阈值设为3,原始信号被分解为一段剩余振动信号和一段冲击信号,如图4所示。
运用Matlab小波分析工具箱,选取Morlet小波基,伸缩(尺度)因子统一设置为1-128之间的整数,平移因子为1-8000之间的整数,分别计算原始信号、剩余振动信号和冲击信号进行小波变换系数,计算结果如图5所示。
不难发现:冲击信号提取后,原始信号中较大加速度幅值信号段对应的较大小波变换系数消失,而出现在了冲击信号段对应的小波变换系数图中,如图5中红色虚线框所示,表明原始信号中的冲击信号被精准识别与提取,证明本文提出的冲击信号识别与分离方法是可行的、有效的。
Claims (1)
1.一种物流包装冲击信号识别与提取方法,其特征在于,其包括以下步骤:
步骤1:读取实际测得的公路运输包装车辆的随机振动信号;
步骤2:将用于计算移动均方根值(Moving Root Mean Square)的窗宽T设为32s,计算出该段信号的移动振幅因子MCF,其计算公式如式(1)所示:
(1)
步骤:3:预设阈值,将MCF值大于预设阈值的信号时点定位为疑似冲击信号的峰值点;
步骤4:运用十分之一峰值法,在峰值点左、右两侧的250个采样点(以采样率为1000Hz,定义冲击信号持续时间不长于0.5s为例,则有500个采样点)范围内,分别寻找振动加速度幅值最接近1/10峰值的采样点,将两采样点之间的信号判定为冲击信号段;
步骤5:提取步骤4中判定的冲击信号段,则振动信号被分解为一段冲击信号和一段剩余的振动信号;
步骤6:
(1)计算步骤5所述的剩余的振动信号的峭度值k,记作k1;
(2)重新预设阈值,重复上述步骤3至步骤5,计算步骤5所述的剩余的振动信号的峭度值k,记作k2;
(3)比较︱k1-3︱与︱k2-3︱的大小,将其中的较小者对应的峭度值记作k1;
(4)重复步骤6中(1)-(3),直至找到最接近3的峭度值k1,使得原始信号被分解为一段近似高斯振动信号和一段冲击信号;
步骤7:迭代分解,对提取出来的冲击信号重复上述步骤2至步骤6,直至分解后的信号段时长小于5s,则停止,最终,读取的实测信号被分解成一系列的近似高斯振动信号和一段冲击信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811627166.0A CN109711355A (zh) | 2018-12-28 | 2018-12-28 | 一种物流包装冲击信号识别与提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811627166.0A CN109711355A (zh) | 2018-12-28 | 2018-12-28 | 一种物流包装冲击信号识别与提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109711355A true CN109711355A (zh) | 2019-05-03 |
Family
ID=66259104
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811627166.0A Pending CN109711355A (zh) | 2018-12-28 | 2018-12-28 | 一种物流包装冲击信号识别与提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109711355A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110160765A (zh) * | 2019-06-04 | 2019-08-23 | 安徽智寰科技有限公司 | 一种基于声音或振动信号的冲击特征识别方法及系统 |
CN110243462A (zh) * | 2019-07-01 | 2019-09-17 | 四川瞭望工业自动化控制技术有限公司 | 运输测振仪振动检测方法 |
CN117191311A (zh) * | 2023-08-14 | 2023-12-08 | 暨南大学 | 物流非平稳、非高斯振动下产品的加速振动试验方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105954038A (zh) * | 2016-04-20 | 2016-09-21 | 辽宁工业大学 | 一种基于imf分量的振动信号能量特征提取方法 |
EP3165158A1 (en) * | 2015-11-09 | 2017-05-10 | Samsung Electronics Co., Ltd. | Signal feature extracting method and apparatus |
-
2018
- 2018-12-28 CN CN201811627166.0A patent/CN109711355A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3165158A1 (en) * | 2015-11-09 | 2017-05-10 | Samsung Electronics Co., Ltd. | Signal feature extracting method and apparatus |
CN105954038A (zh) * | 2016-04-20 | 2016-09-21 | 辽宁工业大学 | 一种基于imf分量的振动信号能量特征提取方法 |
Non-Patent Citations (1)
Title |
---|
ZHOU HAO AND WANG ZHI-WEI: "A New Approach for Road-Vehicle Vibration Simulation", 《PACKAGING TECHNOLOGY AND SCIENCE》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110160765A (zh) * | 2019-06-04 | 2019-08-23 | 安徽智寰科技有限公司 | 一种基于声音或振动信号的冲击特征识别方法及系统 |
CN110160765B (zh) * | 2019-06-04 | 2021-01-15 | 安徽智寰科技有限公司 | 一种基于声音或振动信号的冲击特征识别方法及系统 |
CN110243462A (zh) * | 2019-07-01 | 2019-09-17 | 四川瞭望工业自动化控制技术有限公司 | 运输测振仪振动检测方法 |
CN110243462B (zh) * | 2019-07-01 | 2021-08-06 | 四川瞭望工业自动化控制技术有限公司 | 运输测振仪振动检测方法 |
CN117191311A (zh) * | 2023-08-14 | 2023-12-08 | 暨南大学 | 物流非平稳、非高斯振动下产品的加速振动试验方法 |
CN117191311B (zh) * | 2023-08-14 | 2024-05-24 | 暨南大学 | 物流非平稳、非高斯振动下产品的加速振动试验方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109711355A (zh) | 一种物流包装冲击信号识别与提取方法 | |
CN108426713A (zh) | 基于小波变换和深度学习的滚动轴承微弱故障诊断方法 | |
CN107505652B (zh) | 一种基于能量分布特征的矿山微震信号辨识方法 | |
CN105092239B (zh) | 一种齿轮早期故障检测方法 | |
CN104239646B (zh) | 微组装组件振动疲劳寿命预测仿真模型验证方法和系统 | |
Jie et al. | Real-time rail head surface defect detection: A geometrical approach | |
CN107727345B (zh) | 一种用于加速试验的非平稳振动信号生成方法 | |
CN107885927B (zh) | 一种铁路桥梁运营状态预警方法 | |
CN107292913A (zh) | 一种基于视频的多阶段摔倒检测算法 | |
CN104796116B (zh) | 一种基于参数拟合的冲击波形峰值测量方法 | |
CN103838217B (zh) | 一种基于mica-ocsvm的发酵过程故障监测方法 | |
CN107563397A (zh) | 一种卫星云图中云团运动矢量的确定方法 | |
CN107450054A (zh) | 一种自适应探地雷达数据去噪方法 | |
CN108376403A (zh) | 基于霍夫圆变换的网格菌落图像分割方法 | |
CN106339664A (zh) | 一种基于颜色混合模型和多特征组合的视频烟雾检测方法 | |
CN115390033A (zh) | 基于探地雷达路面下空洞及水损检测方法、系统及装置 | |
Dupont | A simple wind–tree interaction model predicting the probability of wind damage at stand level | |
CN102890750A (zh) | 运输安全记录仪数据分析方法 | |
CN102539433B (zh) | 一种荔枝种核质量的无损检测方法 | |
CN104849701B (zh) | 一种车载防撞雷达系统的杂波抑制方法 | |
CN105184775A (zh) | 基于特征向量定向的椭球形水果尺寸快速检测方法 | |
CN103942792B (zh) | 医药检测机器人中基于序列图像时域特征的杂质检测方法 | |
CN100408995C (zh) | 确定密封瓶器余留密封力的设备和方法 | |
CN104698091B (zh) | 一种基于量化信息熵的一维构件应力波信号奇异点检测的方法 | |
CN112147680A (zh) | 岩石内部微裂缝提取和刻画方法及系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190503 |