CN110823335B - 基于底面单圈标准差多项式模型的粮仓检测方法及系统 - Google Patents

基于底面单圈标准差多项式模型的粮仓检测方法及系统 Download PDF

Info

Publication number
CN110823335B
CN110823335B CN201810910168.4A CN201810910168A CN110823335B CN 110823335 B CN110823335 B CN 110823335B CN 201810910168 A CN201810910168 A CN 201810910168A CN 110823335 B CN110823335 B CN 110823335B
Authority
CN
China
Prior art keywords
pressure sensor
value
grain
granary
output value
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.)
Active
Application number
CN201810910168.4A
Other languages
English (en)
Other versions
CN110823335A (zh
Inventor
张德贤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201810910168.4A priority Critical patent/CN110823335B/zh
Publication of CN110823335A publication Critical patent/CN110823335A/zh
Application granted granted Critical
Publication of CN110823335B publication Critical patent/CN110823335B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G17/00—Apparatus for or methods of weighing material of special form or property
    • G01G17/04—Apparatus for or methods of weighing material of special form or property for weighing fluids, e.g. gases, pastes

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Storage Of Harvested Produce (AREA)

Abstract

本发明涉及一种基于底面单圈标准差多项式模型的粮仓检测方法及系统，本发明针对全国储粮数量在线检测的迫切需要和检测的具体要求，根据粮仓压强分布特点，提出了一种基于底面单圈压力传感器输出值标准差的粮仓储量数量检测模型。本发明的核心技术包括单圈压力传感器的小值传感器输出值序列和大值传感器输出值序列划分规则、模型项构造、基于底面单圈压力传感器输出值标准差的粮仓储量数量检测模型三个部分。所提出的模型及检测方法具有检测精度高、适应于多种粮仓结构类型、便于远程在线粮仓数量检测等特点，可满足通常使用粮仓储粮数量远程在线检测的需要。

Description

基于底面单圈标准差多项式模型的粮仓检测方法及系统
技术领域
本发明涉及一种基于底面单圈标准差多项式模型的粮仓检测方法及系统，属于传感器与检测技术领域。
背景技术
粮食安全包括数量安全和原粮安全。粮食数量在线检测技术与系统研究应用是国家粮食数量安全的重要保障技求，开展这方面的研究与应用事关国家粮食安全，具有重要的意义，并将产生巨大的社会经济效益。
由于粮食在国家安全中的重要地位，要求粮食数量在线检测准确、快速和可靠。同时由于粮食数量巨大，价格低，要求粮食数量在线检测设备成本低、简单方便。因此检测的高精度与检测系统的低成本是粮食数量在线检测系统开发必需解决的关键课题。
授权公告号为CN105403294B的中国发明专利文件公开了一种基于多项式展开的粮仓储粮重量检测方法及其装置。该发明专利涉及基于多项式展开的粮仓储粮重量检测方法及其装置。依据粮仓储粮重量的理论检测模型，建立基于多项式展开的粮仓储粮重量检测模型，利用基于回归和多项式最大阶数选择样本集的多项式最大阶数优化方法对模型参数进行优化。
该方法基于粮仓两圈传感器模型，提高了储粮数量(即储粮重量)的检测精确度，还具有较强适应性和鲁棒性。然而，两圈传感器的设置方式成本较高，而且由于粮食的存储性质和传感器精度的限制，储粮数量的检测精度还有待进一步提高。
发明内容
本发明的目的是提供一种基于底面单圈标准差多项式模型的粮仓检测方法及系统，以解决如何在现有技术基础上进一步节省成本，提高检测精确度的问题。
为实现上述目的，本发明的方案包括：
本发明的一种基于底面单圈压力传感器的粮仓储粮检测方法，包括如下步骤：
1)检测粮仓底面设置的单圈压力传感器的输出值；
2)利用单圈压力传感器输出值均值
Figure BDA0001761592330000021
估计粮堆底面压强均值
Figure BDA0001761592330000022
构建
Figure BDA0001761592330000023
与
Figure BDA0001761592330000024
的关系；
3)利用单圈压力传感器输出值均值
Figure BDA0001761592330000025
估计粮堆高度H，构建
Figure BDA0001761592330000026
与H的关系；
4)利用估计项IDS(s)估计粮堆侧面单位面积平均摩擦力
Figure BDA0001761592330000027
构建单圈压力传感器的大值传感器输出值的均值
Figure BDA0001761592330000028
单圈压力传感器的小值传感器输出值的均值
Figure BDA0001761592330000029
单圈压力传感器的大值传感器输出值的标准差SDSL(s)、单圈压力传感器的小值传感器输出值的标准差SDSS(s)与IDS(s)的关系：
Figure BDA00017615923300000210
其中，KX为设定的系数，所述单圈压力传感器的小值传感器输出值为小于设定值的单圈压力传感器的输出值，所述单圈压力传感器的大值传感器输出值为大于等于设定值的单圈压力传感器的输出值；当对应粮堆的散落性小于设定标准时，对应的
Figure BDA00017615923300000211
当对应粮堆的散落性大于等于设定标准时，对应的
Figure BDA00017615923300000212
5)将步骤2)、3)、4)得到的关系代入粮仓储粮数量理论检测模型
Figure BDA00017615923300000213
得出粮仓储粮数量
Figure BDA00017615923300000214
与
Figure BDA00017615923300000215
SDSL(s)、SDSS(s)关系的检测模型，进而根据步骤1)检测的单圈压力传感器的输出值得出粮仓储粮数量
Figure BDA00017615923300000216
其中，Kc＝CB/AB，AB为粮堆底面面积，CB为粮堆底面周长。
进一步的，步骤4)中，所述设定值为
Figure BDA00017615923300000217
为该圈传感器输出值中值及相邻设定数量的输出值的均值。
进一步的，步骤1)中，还对压力传感器的输出值进行筛选，筛选方法为：仅保留与该圈压力传感器输出值的平均值的差在设定范围内的输出值；所述压力传感器输出值的平均值为传感器输出值的中值及其相邻设定数量的输出值的平均值。
进一步的，若对应传感器输出值满足
Figure BDA0001761592330000031
则去除该传感器输出值；其中，QB(s(i))为第i个传感器输出值，SDMed(s)为该圈传感器输出值标准差，TSD为单圈压力传感器点去除阈值系数。
进一步的，单圈压力传感器输出值均值
Figure BDA0001761592330000032
的计算方法为：
Figure BDA0001761592330000033
进一步的，步骤2)中，
Figure BDA0001761592330000034
与
Figure BDA0001761592330000035
的关系为：
Figure BDA0001761592330000036
其中，
Figure BDA0001761592330000037
为
Figure BDA0001761592330000038
的估计，bB(m)为
Figure BDA0001761592330000039
估计项的系数，NB为
Figure BDA00017615923300000310
估计的多项式阶数，m＝0,...,NB；
步骤3)中，
Figure BDA00017615923300000311
与H的关系为：
Figure BDA00017615923300000312
其中，
Figure BDA00017615923300000313
为H的估计，bH(j)为H估计项的系数，NH为H估计的多项式阶数，j＝0,...,NH；
步骤4)中，
Figure BDA00017615923300000314
与IDS(s)的关系为：
Figure BDA00017615923300000315
其中，
Figure BDA00017615923300000316
为
Figure BDA00017615923300000317
的估计，bF(n)为
Figure BDA00017615923300000318
估计项的系数、NF为
Figure BDA00017615923300000319
估计的多项式阶数，n＝0,...,NF；
步骤5)中得出粮仓储粮数量
Figure BDA00017615923300000320
为：
Figure BDA0001761592330000041
进一步的，还包括步骤6)，步骤6)包括整理步骤5)中的检测模型，限制
Figure BDA0001761592330000042
项的最大阶数为NB，限制
Figure BDA0001761592330000043
项的最大阶数为NF，得出：
Figure BDA0001761592330000044
其中，aB(m)、aF(n,m)为估计项的系数。
进一步的，整理步骤6)中的检测模型，对第二项按
Figure BDA0001761592330000045
与IDS(s)乘积项的阶数和Nn+m的升序排序，Nn+m按IDS(s)阶数由低到高排序，得出：
Figure BDA0001761592330000046
其中，Nn+m为检测模型第二项中
Figure BDA0001761592330000047
与IDS(s)乘积项的阶数和，取值区间为[1,NB+NF]；
Figure BDA0001761592330000048
进一步的，步骤4)中：
当
Figure BDA0001761592330000049
时，对应的
Figure BDA00017615923300000410
当
Figure BDA00017615923300000411
时，对应的
Figure BDA00017615923300000412
其中，KSD为预设调整系数。
本发明的一种基于底面单圈压力传感器的粮仓储粮检测系统，包括处理器，所述处理器用于执行实现上述方法的指令。
本发明的有益效果为：
本发明根据粮仓压强分布特点，提出了一种采用基于底面单圈压力传感器输出值标准差的粮仓储粮数量检测模型的粮仓储粮重量检测方法，本方案相比现有技术进一步提高了检测精度，鲁棒性更强，能够适应多种类型的粮仓结构，同时进一步减少了传感器的使用，降低了系统成本和运维费用。
附图说明
图1是平房仓底面压力传感器布置模型示意图；
图2是筒仓底面压力传感器布置示意图；
图3是小麦平房仓建模样本的粮仓储粮重量计算误差示意图；
图4是小麦平房仓所有样本的粮仓储粮重量计算误差示意图；
图5是稻谷平房仓建模样本的粮仓储粮重量计算误差示意图；
图6是稻谷平房仓所有样本的粮仓储粮重量计算误差示意图；
图7是本发明的粮仓储粮数量检测方法流程图。
具体实施方式
本发明提供了一种基于底面单圈压力传感器的粮仓储粮检测系统，该系统包括处理器，该处理器用于执行实现本发明的基于底面单圈压力传感器的粮仓储粮检测方法，下面对该方法做详细介绍与说明。
1.检测理论模型
通过粮堆受力分析可以推出，粮仓储粮数量理论检测模型为：
Figure BDA0001761592330000051
其中，AB为粮堆底面面积，KC为模型参数，Kc＝CB/AB，CB为粮堆底面周长，H为粮堆高度，fF为粮堆侧面与粮仓侧面之间的平均摩擦系数，
Figure BDA0001761592330000052
为对底面压强均值，
Figure BDA0001761592330000053
Figure BDA0001761592330000054
为粮堆侧面压强均值，
Figure BDA0001761592330000055
令：
Figure BDA0001761592330000056
其中，
Figure BDA0001761592330000057
为粮堆侧面单位面积平均摩擦力。则有：
Figure BDA0001761592330000058
由式(3)可以看出，粮堆重量与且仅与粮堆底面压强均值
Figure BDA0001761592330000059
侧面单位面积平均摩擦力
Figure BDA0001761592330000061
以及粮堆高度H有关。因此基于压力传感器的粮仓储粮数量检测的核心在于
Figure BDA0001761592330000062
Figure BDA0001761592330000063
和H三参数的检测与估计。
2.传感器布置模型
对于通常使用的平房仓和筒仓，在粮仓底面按单圈布置压力传感器，如图1和图2所示，圆圈为压力传感器布置位置。在保证方便粮食装卸的条件下，各压力传感器与侧面墙距离d一般可取为1-2米。为了保证检测模型的通用性，各粮仓的压力传感器与侧面墙距离d应相同。传感器个数均为10-15，传感器间距应大于1m。
3.传感器均值与标准差计算
对于图1和图2所示的粮仓底面单圈压力传感器布置模型，下面讨论传感器输出值均值与标准差计算方法。
3.1传感器去除规则
对于图1和图2所示的粮仓底面单圈压力传感器布置模型，假设传感器输出值序列QB(s(i))，i＝1,2,...,NS，NS为粮仓底面单圈压力传感器布置个数。对输出值序列依大小排序，求出中值点。取中值点左边相邻NLM个输出值点，取中值点右边相邻NRM个输出值点，形成中值邻近点的传感器输出值序列QMed(s(i))。一般取NLM＝2-3，NRM＝2-3。求出所选取传感器输出值序列QMed(s(i))的均值
Figure BDA0001761592330000064
Figure BDA0001761592330000065
由传感器输出值序列QB(s(i))和均值
Figure BDA0001761592330000066
计算底面单圈压力传感器输出值标准差SDMed(s)：
Figure BDA0001761592330000067
其中，
Figure BDA0001761592330000068
为中值点两边邻近输出值点均值。
则单圈压力传感器布置的传感器输出值点去除规则为：
若
Figure BDA0001761592330000071
则去除QB(s(i))点(6)其中，TSD为单圈压力传感器点去除阈值系数，可根据粮仓储粮数量检测模型的误差变化而合理调整。
式(6)所示的单圈压力传感器输出值点去除规则采用基于中值点两边邻近输出值点均值
Figure BDA0001761592330000072
的标准差SDMed(s)，以消除较小和较大值区域输出值随机性的影响，并实现单圈压力传感器布置的传感器输出值点去除门限的自适应调整，标准差SDMed(s)大，则输出值点去除门限增大，反之亦然；同时引入基于粮仓储粮数量检测模型的误差变化的单圈压力传感器点去除阈值系数TSD，以实现传感器输出值点去除门限的合理调整与优化。
3.2传感器输出值均值与标准差计算
对于底面单圈压力传感器输出值序列QB(s(i))，i＝1,2,...,NS，根据式(6)所示的传感器输出值点去除规则，去除满足规则的传感器输出值点后，形成去除后的传感器输出值序列QBS(s(i))，i＝1,2,...,NBS，NBS为去除后传感器输出值序列数据个数。依据式(7)、(8)所示的划分规则，将去除后的传感器输出值序列QBS(s(i))划分为单圈压力传感器的小值传感器输出值序列QSS(s(i))和大值传感器输出值序列QSL(s(i))，即：
若
Figure BDA0001761592330000073
则QBS(s(i))∈QSS(s(i)) (7)
若
Figure BDA0001761592330000074
则QBS(s(i))∈QSL(s(i)) (8)
则单圈压力传感器的小值传感器输出值序列QSS(s(i))的均值
Figure BDA0001761592330000075
和标准差SDSS(s)为：
Figure BDA0001761592330000076
Figure BDA0001761592330000077
其中，NSS为单圈压力传感器的小值传感器输出值序列QSS(s(i))的数据个数。
单圈压力传感器的大值传感器输出值序列QSL(s(i))的均值
Figure BDA0001761592330000078
和标准差SDSL(s)为：
Figure BDA0001761592330000081
Figure BDA0001761592330000082
其中，NSL为单圈压力传感器的大值传感器输出值序列QSL(s(i))的数据个数。
4.模型项构建
根据图1、图2所示的粮仓底面单圈压力传感器布置模型，令：
Figure BDA0001761592330000083
其中，
Figure BDA0001761592330000084
为单圈压力传感器的小值传感器输出值序列和大值传感器输出值序列的均值。由式(3)所示的粮仓储粮数量检测理论模型和粮仓粮堆压力特性，显然有：
Figure BDA0001761592330000085
Figure BDA0001761592330000086
因此，可以利用
Figure BDA0001761592330000087
构造粮堆底面压强
Figure BDA0001761592330000088
和粮堆高度H的估计。
从前述实验结果可知，由于侧面单位面积平均摩擦力
Figure BDA0001761592330000089
作用，势必导致单圈压力传感器的小值传感器输出值序列和大值传感器输出值序列的均值、标准差的变化，
Figure BDA00017615923300000810
的增大势必使小值传感器输出值序列和大值传感器输出值序列的均值、标准差的差别程度增大。因此单圈压力传感器的小值传感器输出值序列和大值传感器输出值序列的均值、标准差可以体现
Figure BDA00017615923300000811
的大小，可以利用这些量构造侧面单位面积平均摩擦力
Figure BDA00017615923300000812
的估计。令：
Figure BDA00017615923300000813
Figure BDA00017615923300000814
其中，IDS(s)为基于单圈压力传感器的小值传感器输出值序列和大值传感器输出值序列标准差的差的粮堆侧面单位面积平均摩擦力
Figure BDA00017615923300000815
的估计项，IMS(s)为基于单圈压力传感器的小值传感器输出值序列和大值传感器输出值序列标准差均值的粮堆侧面单位面积平均摩擦力
Figure BDA0001761592330000091
的估计项。为使式(16)、(17)中的预设调整系数KSD取值接近于1，便于KSD值选择，引入了常数项
Figure BDA0001761592330000092
显然，式(16)、(17)的第一项体现了粮堆侧面单位面积平均摩擦力
Figure BDA0001761592330000093
对单圈压力传感器的小值传感器输出值序列和大值传感器输出值序列均值的影响，第二项体现了
Figure BDA0001761592330000094
对单圈压力传感器的小值传感器输出值序列和大值传感器输出值序列标准差的影响。
实际建模结果表明，对于流动性较低的稻谷等粮堆，粮堆侧面压强
Figure BDA0001761592330000095
相对较小，单圈压力传感器输出值序列标准差与粮堆重量的线性相关性高，宜采用式(16)所示的IDS(s)构造
Figure BDA0001761592330000096
的估计；反之，对于流动性较强的小麦等粮堆，粮堆侧面压强
Figure BDA0001761592330000097
相对较大，单圈压力传感器输出值序列标准差与粮堆重量的线性相关性低，宜采用式(17)所示的IMS(s)构造
Figure BDA0001761592330000098
的估计。
粮食的流动性又称粮食的流散特性，粮食的流散特性主要包括散落性、自动分级、孔隙度等，这是颗粒状粮食所固有的物理性质。粮食在自然形成粮堆时，向四面流动成为一个圆锥体的性质称为粮食的散落性。粮粒的大小、形状、表面光滑程度、容量、杂质含量都对粮食的散落性有影响。粒大、饱满、圆型粒状、比重大、表面光滑、杂质少的粮食散落性好，反之则散落性差。不同粮食之间，上述外观特征明显不同，因此，具有不同的散落特性。
粮食散落性的好坏通常用静止角表示。静止角是指粮食由高点落下，自然形成圆锥体的斜面与底面水平线之间的夹角。静止角与散落性成反比，即散落性好(相当于散落性大于等于设定标准)，静止角小；散落性差(相当于散落性小于设定标准)，静止角大。表a中给出了主要粮种静止角的大小。
表a几种常见粮食的静止角大小(单位：度)
Figure BDA0001761592330000099
Figure BDA0001761592330000101
当粮堆静止角小于40度时，采用本实施例的式(17)来计算IMS(s)，当粮食静止角大于等于40度时，采用本实施例的式(16)来计算IDS(s)，此处静止角指的是粮食品种对应的最大静止角(即为表a中的静止角止)。
5.检测模型
根据式(3)所示的粮仓储粮数量检测理论模型，对于稻谷等流动性较低的粮食粮仓储粮数量检测，采用
Figure BDA0001761592330000102
IDS(s)多项式构建
Figure BDA0001761592330000103
和H的估计为：
Figure BDA0001761592330000104
Figure BDA0001761592330000105
Figure BDA0001761592330000106
其中，bB(m)、bH(j)、bF(n)分别为
Figure BDA0001761592330000107
H和
Figure BDA0001761592330000108
估计项的系数，m＝0,...,NB，j＝0,...,NH，n＝0,...,NF，NB、NH、NF分别为
Figure BDA0001761592330000109
H和
Figure BDA00017615923300001010
估计的多项式阶数。将式(18)至式(20)代入式(3)，则有：
Figure BDA00017615923300001011
整理式(21)，并限制
Figure BDA00017615923300001012
项的最大阶数为NB，限制IDS(s)项的最大阶数为NF，可以得出：
Figure BDA0001761592330000111
其中，aB(m)、aF(n,m)为估计项的系数，m＝0,...,NB，n＝1,...,NF，NB、NF分别为
Figure BDA0001761592330000112
IDS(s)项的阶数。显然，式(22)的第一项总项数为NB+1，最大阶数为NB；第二项总项数为(NB+1)NF，
Figure BDA0001761592330000113
与IDS(s)乘积项的最大阶数和为NB+NF。为了限制式(22)所示的检测模型的非线性程度，应控制第二项中乘积项最大阶数和。因此，为了便于模型总项数优化，整理式(22)，对第二项按
Figure BDA0001761592330000114
与IDS(s)乘积项的阶数和Nn+m的升序排序，Nn+m相同时按IDS(s)阶数由低到高排序，则有：
Figure BDA0001761592330000115
其中，Nn+m为检测模型第二项中
Figure BDA0001761592330000116
与IDS(s)乘积项的阶数和，取值区间为[1,NB+NF]；mb、me取值如下二式所示：
Figure BDA0001761592330000117
Figure BDA0001761592330000118
显然，式(23)第二项的乘积项总数为(NB+1)NF，模型项总数NItem的最大值为NB+(NB+1)NF+1。为了限制式模型的非线性程度，可从模型尾部(第NB+(NB+1)NF+1乘积项)项开始，去除若干乘积项项，以减少模型项总数NItem。
式(23)为所提出的基于
Figure BDA0001761592330000119
IDS(s)的多项式粮仓储粮数量检测模型。根据IDS(s)项的特点，式(23)所示模型适用于稻谷等流动性较低的粮食粮仓储粮数量检测。
对于小麦等流动性较高的粮食粮仓储粮数量检测，可采用类似的方法，构建基于
Figure BDA00017615923300001110
IMS(s)的
Figure BDA00017615923300001111
和H的估计。可以推出基于
Figure BDA00017615923300001112
IMS(s)的多项式粮仓储粮数量检测模型如下式所示：
Figure BDA0001761592330000121
其中，Nn+m为检测模型第二项中
Figure BDA0001761592330000122
与IMS(s)乘积项的阶数和，取值区间为[1,NB+NF]；mb、me的取值如式(24)、式(25)所示。
式(26)为基于
Figure BDA0001761592330000123
IMS(s)的多项式粮仓储粮数量检测模型。根据IMS(s)项的特性，该模型适用于小麦等流动性较高的粮仓储粮数量检测。
计算机根据对压力传感器的检测结果及粮仓底面面积等相关参数的采集，利用式(23)和式(26)的模型，能够很容易的计算出对应粮仓的储粮数量。
6.检测实例与结果分析
6.1检测实例1
对于山东齐河粮库、武汉粮库、广东新安粮库的3个小麦平房仓，储粮重量分别为2220.253吨、4441吨和3236吨。粮仓采用双圈压力传感器布置，以内圈压力传感器作为单圈压力传感器，从检测数据中选取351个样本。取240个样本同时作为多元回归样本和参数优化样本，其它作为测试样本。式(26)所示的基于
Figure BDA0001761592330000124
IMS(s)的多项式粮仓储粮数量检测模型，优化后的建模参数如表1所示，获得的参数如表2和3所示。建模样本的粮仓储粮重量计算误差如图3所示，所有样本的粮仓储粮重量计算误差如图4所示。从这些结果中可以看出，建模样本和测试样本的粮仓储粮重量计算误差均小于0.191％。
表1优化后的建模参数
Figure BDA0001761592330000125
表2模型系数aB(m)
Figure BDA0001761592330000126
Figure BDA0001761592330000131
表3模型系数aF(n,m)
Figure BDA0001761592330000132
表3(续)模型系数aF(n,m)
Figure BDA0001761592330000133
6.2检测实例2
对于通州粮库的4个稻谷粮仓和洪泽的2个稻谷粮仓，储粮重量分别为6450吨、4420吨、3215吨、64500吨、2455.6吨和2099.9吨。粮仓采用双圈压力传感器布置，以内圈压力传感器作为单圈压力传感器，从长时间检测数据中选取样本1231个。选取922个同时多元回归样本和参数优化样本，其它作为测试样本。对于式(23)所示的基于
Figure BDA0001761592330000134
IDS(s)的多项式粮仓储粮数量检测模型，优化后的建模参数如表4所示，获得的参数如表5和6所示。建模样本的粮仓储粮重量计算误差如图5所示，所有样本的粮仓储粮重量计算误差如图6所示。从这些结果中可以看出，建模样本和测试样本的粮仓储粮重量计算误差均小于0.122％。
表4优化后的建模参数
Figure BDA0001761592330000135
Figure BDA0001761592330000141
表5模型系数aB(m)
Figure BDA0001761592330000142
表6模型系数aF(n,m)
Figure BDA0001761592330000143
表6(续)模型系数aF(n,m)
Figure BDA0001761592330000144
本发明所提出的基于底面单圈压力传感器输出值标准差的粮仓储粮数量检测模型与粮仓重量检测方法可按图7所示的实施方式实施，具体步骤实施如下：
(1)系统配置
选定具体压力传感器，并配置相应的数据采集、数据传输等系统。
(2)底面压力传感器安装
平房仓传感器布置如图1所示，筒仓如图2所示，底面压力传感器按单圈布置，压力传感器均与侧面墙距离为d＞0且d＜1米。传感器个数均为10-15，传感器间距应不小于1m。
(3)系统标定与模型建模
对于给定的传感器、粮食种类以及仓型，如果系统尚未有标定，则在多于6个粮仓中布置压力传感器，进粮至满仓，压力传感器输出值稳定后，采集各仓的压力传感器输出值，形成样本集
Figure BDA0001761592330000151
其中，k为样本点号，k＝1,2,3,...,M，M为样本个数；
Figure BDA0001761592330000152
为第k个样本点的底面单圈压力传感器输出值序列，i＝1,2,...,NS，NS为粮仓底面单圈压力传感器布置个数；Wk为样本点k的实际进粮重量，
Figure BDA0001761592330000153
为相应的粮堆底面面积。
对于给定的样本集S，不失一般性，对于式(23)所示的基于底面单圈压力传感器和
Figure BDA0001761592330000154
IDS(s)的多项式粮仓储粮数量检测模型，可以看出，式(23)所示的粮仓储粮数量检测模型建模参数包括
Figure BDA0001761592330000155
项的最大阶数NB、IDS(s)项的最大阶数NF、模型项总数NItem、IDS(s)项的预设调整系数KSD以及单圈压力传感器点去除阈值系数TSD以及多项式项系数aB(m)和aF(n,m)等建模参数。令
CR＝(NB,NF,NItem,KSD,TSD) (27)
其中，CR为参数组。
从式(23)可以看出，若给定参数组CR的取值，则aB(m)和aF(n,m)可利用多元线性回归方法获得。因此可采用参数组CR的参数优化和回归相结合的方法实现式(23)所示的基于底面单圈压力传感器和
Figure BDA0001761592330000156
IDS(s)的多项式粮仓储粮数量检测模型建模。采用同样的方法，也可实现式(26)所示的基于
Figure BDA0001761592330000161
IMS(s)的多项式粮仓储粮数量检测模型建模。
(4)实仓重量检测
如果系统已标定，检测底面压力传感器输出值并利用式(23)或式(26)所示的模型进行粮仓储粮数量检测。

Claims (9)

1.一种基于底面单圈压力传感器的粮仓储粮检测方法，其特征在于，包括如下步骤：
1)检测粮仓底面设置的单圈压力传感器的输出值；
2)利用单圈压力传感器输出值均值
Figure FDA0002960272450000011
估计粮堆底面压强均值
Figure FDA0002960272450000012
构建
Figure FDA0002960272450000013
与
Figure FDA0002960272450000014
的关系；
Figure FDA0002960272450000015
与
Figure FDA0002960272450000016
的关系为：
Figure FDA0002960272450000017
其中，
Figure FDA0002960272450000018
为
Figure FDA0002960272450000019
的估计，bB(m)为
Figure FDA00029602724500000110
估计项的系数，NB为
Figure FDA00029602724500000111
估计的多项式阶数，m＝0,...,NB；
3)利用单圈压力传感器输出值均值
Figure FDA00029602724500000112
估计粮堆高度H，构建
Figure FDA00029602724500000113
与H的关系；
Figure FDA00029602724500000114
与H的关系为：
Figure FDA00029602724500000115
其中，
Figure FDA00029602724500000116
为H的估计，bH(j)为H估计项的系数，NH为H估计的多项式阶数，j＝0,...,NH；
4)利用估计项IDS(s)估计粮堆侧面单位面积平均摩擦力
Figure FDA00029602724500000117
构建单圈压力传感器的大值传感器输出值的均值
Figure FDA00029602724500000118
单圈压力传感器的小值传感器输出值的均值
Figure FDA00029602724500000119
单圈压力传感器的大值传感器输出值的标准差SDSL(s)、单圈压力传感器的小值传感器输出值的标准差SDSS(s)与IDS(s)的关系：
Figure FDA00029602724500000120
其中，KX为设定的系数，所述单圈压力传感器的小值传感器输出值为小于设定值的单圈压力传感器的输出值，所述单圈压力传感器的大值传感器输出值为大于等于设定值的单圈压力传感器的输出值；当对应粮堆的散落性小于设定标准时，对应的
Figure FDA0002960272450000021
当对应粮堆的散落性大于等于设定标准时，对应的
Figure FDA0002960272450000022
Figure FDA0002960272450000023
与IDS(s)的关系为：
Figure FDA0002960272450000024
其中，
Figure FDA0002960272450000025
为
Figure FDA0002960272450000026
的估计，bF(n)为
Figure FDA0002960272450000027
估计项的系数、NF为
Figure FDA0002960272450000028
估计的多项式阶数，n＝0,...,NF；
5)将步骤2)、3)、4)得到的关系代入粮仓储粮数量理论检测模型
Figure FDA0002960272450000029
得出粮仓储粮数量
Figure FDA00029602724500000210
与
Figure FDA00029602724500000211
SDSL(s)、SDSS(s)关系的检测模型，进而根据步骤1)检测的单圈压力传感器的输出值得出粮仓储粮数量
Figure FDA00029602724500000212
其中，Kc＝CB/AB，AB为粮堆底面面积，CB为粮堆底面周长。
2.根据权利要求1所述的一种基于底面单圈压力传感器的粮仓储粮检测方法，其特征在于，步骤4)中，所述设定值为
Figure FDA00029602724500000213
Figure FDA00029602724500000215
为该单圈压力传感器输出值中值及相邻设定数量的输出值的均值。
3.根据权利要求2所述的一种基于底面单圈压力传感器的粮仓储粮检测方法，其特征在于，步骤1)中，还对压力传感器的输出值进行筛选，筛选方法为：仅保留与该单圈压力传感器输出值的平均值的差在设定范围内的输出值；所述压力传感器输出值的平均值为传感器输出值的中值及其相邻设定数量的输出值的平均值。
4.根据权利要求3所述的一种基于底面单圈压力传感器的粮仓储粮检测方法，其特征在于，若对应传感器输出值满足
Figure FDA00029602724500000214
则去除该传感器输出值；其中，QB(s(i))为第i个传感器输出值，SDMed(s)为该单圈压力传感器输出值标准差，TSD为单圈压力传感器点去除阈值系数。
5.根据权利要求4所述的一种基于底面单圈压力传感器的粮仓储粮检测方法，其特征在于，单圈压力传感器输出值均值
Figure FDA0002960272450000031
的计算方法为：
Figure FDA0002960272450000032
6.根据权利要求5所述的一种基于底面单圈压力传感器的粮仓储粮检测方法，其特征在于，还包括步骤6)，步骤6)包括整理步骤5)中的检测模型，限制
Figure FDA0002960272450000033
项的最大阶数为NB，限制IDS(s)项的最大阶数为NF，得出：
Figure FDA0002960272450000034
其中，aB(m)、aF(n,m)为估计项的系数。
7.根据权利要求6所述的一种基于底面单圈压力传感器的粮仓储粮检测方法，其特征在于，整理步骤6)中的检测模型，对第二项按
Figure FDA0002960272450000035
与IDS(s)乘积项的阶数和Nn+m的升序排序，Nn+m按IDS(s)阶数由低到高排序，得出：
Figure FDA0002960272450000036
其中，Nn+m为检测模型第二项中
Figure FDA0002960272450000037
与IDS(s)乘积项的阶数和，取值区间为[1,NB+NF]；
Figure FDA0002960272450000038
8.根据权利要求1所述的一种基于底面单圈压力传感器的粮仓储粮检测方法，其特征在于，步骤4)中：
当
Figure FDA0002960272450000039
时，对应的
Figure FDA00029602724500000310
当
Figure FDA00029602724500000311
时，对应的
Figure FDA00029602724500000312
其中，KSD为预设调整系数。
9.一种基于底面单圈压力传感器的粮仓储粮检测系统，其特征在于，包括处理器，所述处理器用于执行实现如权利要求1～8任一项所述方法的指令。
CN201810910168.4A 2018-08-10 2018-08-10 基于底面单圈标准差多项式模型的粮仓检测方法及系统 Active CN110823335B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810910168.4A CN110823335B (zh) 2018-08-10 2018-08-10 基于底面单圈标准差多项式模型的粮仓检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810910168.4A CN110823335B (zh) 2018-08-10 2018-08-10 基于底面单圈标准差多项式模型的粮仓检测方法及系统

Publications (2)

Publication Number Publication Date
CN110823335A CN110823335A (zh) 2020-02-21
CN110823335B true CN110823335B (zh) 2021-06-25

Family

ID=69541366

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810910168.4A Active CN110823335B (zh) 2018-08-10 2018-08-10 基于底面单圈标准差多项式模型的粮仓检测方法及系统

Country Status (1)

Country Link
CN (1) CN110823335B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118503614A (zh) * 2020-06-16 2024-08-16 河南工业大学 基于底面两圈压强偏态统计量的粮仓储量检测方法及装置

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1248697A (zh) * 1999-08-10 2000-03-29 邸生才 一种物料的高精度测量方法及用该方法制造的核子秤
CN1856700A (zh) * 2003-09-30 2006-11-01 罗斯蒙德公司 过程压力传感器的校准
CN101592540A (zh) * 2008-05-30 2009-12-02 通用电气公司 传感器处理方法
US7778783B2 (en) * 2002-06-03 2010-08-17 Sabia, Inc. Method and apparatus for analysis of elements in bulk substance
CN101839777A (zh) * 2010-06-11 2010-09-22 中国汽车技术研究中心 等速测量底盘电力测功机寄生摩擦阻力的标定方法
CN102879135A (zh) * 2012-09-27 2013-01-16 宁波大学 一种围压装置内壁摩擦力分布的测量方法
CN103884606A (zh) * 2014-03-25 2014-06-25 福建工程学院 车辆减振橡胶静态非线性材料参数的精度和稳定性的测试方法
CN105424147A (zh) * 2015-11-11 2016-03-23 河南工业大学 基于粮堆高度与底面压强关系的粮仓重量检测方法及装置
CN106126787A (zh) * 2016-06-16 2016-11-16 西南交通大学 一种基于数据的考虑风荷载相关性的屋面板损失估计方法
JP2017185962A (ja) * 2016-04-08 2017-10-12 株式会社アドヴィックス 車両の制動制御装置
CN107636767A (zh) * 2015-04-14 2018-01-26 曼朵计量公司 用于食物摄入量的参数概率上下文无关文法
CN107703747A (zh) * 2017-10-09 2018-02-16 东南大学 一种面向搅拌摩擦焊应用的重载机器人动力学参数自标定方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1248697A (zh) * 1999-08-10 2000-03-29 邸生才 一种物料的高精度测量方法及用该方法制造的核子秤
US7778783B2 (en) * 2002-06-03 2010-08-17 Sabia, Inc. Method and apparatus for analysis of elements in bulk substance
CN1856700A (zh) * 2003-09-30 2006-11-01 罗斯蒙德公司 过程压力传感器的校准
CN101592540A (zh) * 2008-05-30 2009-12-02 通用电气公司 传感器处理方法
CN101839777A (zh) * 2010-06-11 2010-09-22 中国汽车技术研究中心 等速测量底盘电力测功机寄生摩擦阻力的标定方法
CN102879135A (zh) * 2012-09-27 2013-01-16 宁波大学 一种围压装置内壁摩擦力分布的测量方法
CN103884606A (zh) * 2014-03-25 2014-06-25 福建工程学院 车辆减振橡胶静态非线性材料参数的精度和稳定性的测试方法
CN107636767A (zh) * 2015-04-14 2018-01-26 曼朵计量公司 用于食物摄入量的参数概率上下文无关文法
CN105424147A (zh) * 2015-11-11 2016-03-23 河南工业大学 基于粮堆高度与底面压强关系的粮仓重量检测方法及装置
JP2017185962A (ja) * 2016-04-08 2017-10-12 株式会社アドヴィックス 車両の制動制御装置
CN106126787A (zh) * 2016-06-16 2016-11-16 西南交通大学 一种基于数据的考虑风荷载相关性的屋面板损失估计方法
CN107703747A (zh) * 2017-10-09 2018-02-16 东南大学 一种面向搅拌摩擦焊应用的重载机器人动力学参数自标定方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Method to Detect Granary Storage Weight Based on the Janssen Model;Dexian Z , Miao Z , Qinghui Z , et al.;《Grain & Oil Science and Technology》;20180131;全文 *
基于SVR的粮仓储粮重量在线检测模型;张德贤 等;《电子学报》;20180531;全文 *
基于底面压强的粮仓储量估测方法;张德贤 等;《农业工程学报》;20170531;全文 *

Also Published As

Publication number Publication date
CN110823335A (zh) 2020-02-21

Similar Documents

Publication Publication Date Title
CN104330137B (zh) 基于检测点压强值序列的粮仓储粮数量检测方法
CN104331591B (zh) 基于支持向量回归的粮仓储粮数量检测方法
CN105387913B (zh) 基于指数关系和支持向量回归的粮仓重量检测方法及装置
CN110823340B (zh) 基于底面两圈标准差多项式模型的粮仓检测方法及系统
CN105424147B (zh) 基于粮堆高度与底面压强关系的粮仓重量检测方法及装置
CN105403294B (zh) 基于多项式展开的粮仓储粮重量检测方法及其装置
CN105387919B (zh) 一种基于Janssen模型的支持向量回归粮仓重量检测方法及装置
CN104330138A (zh) 基于结构自适应检测模型的粮仓储粮数量检测方法
CN105424148B (zh) 基于多项式的支持向量回归粮仓储粮重量检测方法及装置
CN105352571B (zh) 一种基于指数关系估计的粮仓重量检测方法及装置
CN110823335B (zh) 基于底面单圈标准差多项式模型的粮仓检测方法及系统
CN110823343B (zh) 基于底面单圈大小值多项式模型的粮仓检测方法及系统
CN110823338B (zh) 基于底面单圈标准差对数模型的粮仓检测方法及系统
CN110823348B (zh) 基于底面两圈标准差svm模型的粮仓检测方法及系统
CN110823347B (zh) 基于底侧面两圈标准差多项式模型的粮仓检测方法及系统
CN110823342B (zh) 基于侧面单圈标准差多项式模型的粮仓检测方法及系统
CN104296845B (zh) 基于最佳底面压强测量点的粮仓储粮重量检测方法与装置
CN110823346B (zh) 基于底面单圈标准差指数模型的粮仓检测方法及系统
CN110823341B (zh) 基于侧面两圈标准差多项式模型的粮仓检测方法及系统
CN110823345B (zh) 基于底面两圈标准差svm指数模型的粮仓检测方法及系统
CN110823344B (zh) 基于底面两圈标准差svm对数模型的粮仓检测方法及系统
CN110823334B (zh) 一种粮仓储粮检测方法及系统
CN110823337B (zh) 基于底面单圈压力传感器的粮仓状态检测方法及系统
CN110823339B (zh) 基于底面两圈压力传感器的粮仓状态检测方法及系统
CN110823336B (zh) 一种粮仓数据的时变补偿方法及系统

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
GR01 Patent grant
GR01 Patent grant