CN110823338B - 基于底面单圈标准差对数模型的粮仓检测方法及系统 - Google Patents

基于底面单圈标准差对数模型的粮仓检测方法及系统 Download PDF

Info

Publication number
CN110823338B
CN110823338B CN201810910178.8A CN201810910178A CN110823338B CN 110823338 B CN110823338 B CN 110823338B CN 201810910178 A CN201810910178 A CN 201810910178A CN 110823338 B CN110823338 B CN 110823338B
Authority
CN
China
Prior art keywords
value
pressure sensor
granary
grain
sensor
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
CN201810910178.8A
Other languages
English (en)
Other versions
CN110823338A (zh
Inventor
张德贤
张苗
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.)
Henan University of Technology
Original Assignee
Henan University of Technology
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 Henan University of Technology filed Critical Henan University of Technology
Priority to CN201810910178.8A priority Critical patent/CN110823338B/zh
Publication of CN110823338A publication Critical patent/CN110823338A/zh
Application granted granted Critical
Publication of CN110823338B publication Critical patent/CN110823338B/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)
  • Drying Of Solid Materials (AREA)

Abstract

本发明涉及一种基于底面单圈标准差对数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对数函数的粮仓重量检测模型。本发明的核心技术包括基于
Figure DDA0001761593070000011
IDS(s)的粮仓储粮数量对数函数检测模型、基于
Figure DDA0001761593070000012
IMS(s)的粮仓储粮数量对数函数检测模型、模型建模方法三个部分。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对数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对数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对数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 BDA0001761593050000021
估计粮堆底面压强均值
Figure BDA0001761593050000022
构建
Figure BDA0001761593050000023
与
Figure BDA0001761593050000024
的关系；
3)利用单圈压力传感器输出值均值
Figure BDA0001761593050000025
估计粮堆高度HQ(s)，构建
Figure BDA0001761593050000026
与HQ(s)的关系；
4)利用估计项IDS(s)估计粮堆侧面压强均值
Figure BDA0001761593050000027
构建单圈压力传感器的大值传感器输出值的均值
Figure BDA0001761593050000028
单圈压力传感器的小值传感器输出值的均值
Figure BDA0001761593050000029
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 BDA00017615930500000210
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；
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 BDA00017615930500000211
得出粮仓储粮数量
Figure BDA00017615930500000212
与
Figure BDA00017615930500000213
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 BDA00017615930500000214
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 BDA00017615930500000215
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 BDA0001761593050000031
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 BDA0001761593050000032
的计算方法为：
Figure BDA0001761593050000033
进一步的，步骤2)中，
Figure BDA0001761593050000034
与
Figure BDA0001761593050000035
的关系为：
Figure BDA0001761593050000036
其中，
Figure BDA0001761593050000037
为
Figure BDA0001761593050000038
的估计，bB(m)为
Figure BDA0001761593050000039
估计项的系数，NB为
Figure BDA00017615930500000310
估计的多项式阶数，m＝0,...,NB；
步骤3)中，
Figure BDA00017615930500000311
与HQ(s)的关系为：
Figure BDA00017615930500000312
其中，
Figure BDA00017615930500000313
为H的估计，bH、KH为HQ(s)估计项的系数；
步骤4)中，
Figure BDA00017615930500000314
与
Figure BDA00017615930500000315
SDSL(s)、SDSS(s)的关系为：
Figure BDA00017615930500000316
其中，
Figure BDA00017615930500000317
为
Figure BDA00017615930500000318
的估计，bF(n)为
Figure BDA00017615930500000319
估计项的系数，NF为
Figure BDA00017615930500000320
估计的多项式阶数，n＝0,...,NF；
步骤5)中得出粮仓储粮数量
Figure BDA00017615930500000321
为：
Figure BDA00017615930500000322
进一步的，步骤4)中：
当
Figure BDA00017615930500000323
时，对应的
Figure BDA00017615930500000324
当
Figure BDA0001761593050000041
时，对应的
Figure BDA0001761593050000042
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，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是平房仓底面单圈压力传感器布置模型示意图；
图2是筒仓底面单圈压力传感器布置示意图；
图3是小麦实仓建模样本的粮仓储粮重量计算误差示意图；
图4是小麦实仓所有样本的粮仓储粮重量计算误差示意图；
图5是建模样本的粮仓储粮重量计算误差示意图；
图6是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，该处理器用于执行指令实现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，下面结合附图对该方法做进一步详细的说明。
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 BDA0001761593050000043
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 BDA0001761593050000051
为粮堆底面压强均值，
Figure BDA0001761593050000052
Figure BDA0001761593050000053
为粮堆侧面压强均值，
Figure BDA0001761593050000054
根据Janssen模型，可以推出粮仓底面压强与粮堆高度有如下式所示的近似关系：
Figure BDA0001761593050000055
其中，
Figure BDA0001761593050000056
为粮仓粮堆特征高度，K为压力转向系数；
Figure BDA0001761593050000057
为粮堆远高于特征高度时的底面压强饱和值，AB为粮堆底面面积；CB为粮堆底面周长，fF为粮堆与粮仓侧面的平均摩擦系数。则可以推出：
Figure BDA0001761593050000058
其中，
Figure BDA0001761593050000059
Kc＝CB/AB。
式(3)代入式(1)，有：
Figure BDA00017615930500000510
令：
Figure BDA00017615930500000511
则有：
Figure BDA00017615930500000512
由式(6)可以看出，粮仓储粮数量检测模型建模的关键在于
Figure BDA00017615930500000513
和HQ(s)的估计量构造。
2.传感器布置模型
对于通常使用的平房仓和筒仓，在粮仓底面布置一圈压力传感器，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 BDA0001761593050000061
Figure BDA0001761593050000062
由传感器输出值序列QB(s(i))和均值
Figure BDA0001761593050000063
计算传感器输出值标准差SDMed(s)：
Figure BDA0001761593050000064
其中，
Figure BDA0001761593050000065
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 BDA0001761593050000066
则去除QB(s(i))点(9)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(9)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 BDA0001761593050000067
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，传感器输出值标准差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(9)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(10)、(11)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))：
若
Figure BDA0001761593050000071
则QBS(s(i))∈QSS(s(i)) (10)
若
Figure BDA0001761593050000072
则QBS(s(i))∈QSL(s(i)) (11)
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 BDA0001761593050000073
和标准差SDSS(s)为：
Figure BDA0001761593050000074
Figure BDA0001761593050000075
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 BDA0001761593050000076
和标准差SDSL(s)为：
Figure BDA0001761593050000077
Figure BDA0001761593050000078
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 BDA0001761593050000079
其中，
Figure BDA00017615930500000710
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)所示的粮仓重量检测理论模型和粮仓粮堆压力特性，显然有：
Figure BDA0001761593050000081
因此，可以利用
Figure BDA0001761593050000082
构造粮堆底面压强均值
Figure BDA0001761593050000083
和粮堆高度HQ(s)的估计。
同理，对于粮堆侧面压强均值
Figure BDA0001761593050000084
的估计，令：
Figure BDA0001761593050000085
Figure BDA0001761593050000086
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压强均值
Figure BDA0001761593050000087
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压强均值
Figure BDA0001761593050000088
的估计项。为使式(18)、(19)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 BDA0001761593050000089
实际建模结果表明，对于流动性较低的稻谷等粮堆，粮堆侧面压强均值
Figure BDA00017615930500000810
相对较小，单圈压力传感器输出值标准差与粮堆重量的线性相关性高，宜采用式(18)所示的IDS(s)构造
Figure BDA00017615930500000811
的估计；反之，对于流动性较强的小麦等粮堆，粮堆侧面压强均值
Figure BDA00017615930500000812
相对较大，单圈压力传感器输出值标准差与粮堆重量的线性相关性低，宜采用式(19)所示的IMS(s)构造
Figure BDA00017615930500000813
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 BDA0001761593050000091
当粮堆静止角小于40度时，采用式(19)来计算
Figure BDA0001761593050000092
的估计(即IMS(s))，当粮食静止角大于等于40度时，采用式(18)来计算
Figure BDA0001761593050000093
的估计(即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(6)所示的粮仓储粮数量理论检测模型，对于稻谷等流动性较低的粮食粮仓储粮数量检测，构建基于
Figure BDA0001761593050000094
IDS(s)的
Figure BDA0001761593050000095
和HQ(s)的估计为：
Figure BDA0001761593050000096
Figure BDA0001761593050000097
Figure BDA0001761593050000098
其中，bH、KH为HQ(s)估计项的系数，bH＞0，
Figure BDA0001761593050000099
bB(m)和bF(n)分别为
Figure BDA00017615930500000910
和
Figure BDA00017615930500000911
估计项的系数，m＝0,...,NB，n＝0,...,NF，NB和NF分别为
Figure BDA00017615930500000912
和
Figure BDA00017615930500000913
估计的多项式阶数。
由式(20)，显然有：
Figure BDA0001761593050000101
将式(21)至式(23)代入式(6)，则有：
Figure BDA0001761593050000102
令bI(n)＝bHbF(n)，则有：
Figure BDA0001761593050000103
式(25)为所提出的基于
Figure BDA0001761593050000104
IDS(s)的粮仓储粮数量对数函数检测模型。根据IDS(s)项的特点，式(25)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 BDA0001761593050000105
IMS(s)的
Figure BDA0001761593050000106
和HQ(s)的估计。可以推出基于
Figure BDA0001761593050000107
IMS(s)的粮仓储粮数量对数函数检测模型如下式所示：
Figure BDA0001761593050000108
式(26)为所提出的基于
Figure BDA0001761593050000109
IMS(s)的粮仓储粮数量对数函数检测模型。根据IMS(s)项的特性，该模型适用于小麦等流动性较高的粮食粮仓储粮数量检测。
6.建模方法
对于式(25)所示的基于
Figure BDA00017615930500001010
IDS(s)的粮仓储粮数量对数函数检测模型，可以看出，式(25)所示的基于
Figure BDA00017615930500001011
IDS(s)的粮仓储粮数量对数函数检测模型建模参数包括
Figure BDA00017615930500001012
项的最大阶数NB、IDS(s)项的最大阶数NF、IDS(s)项预设调整系数KSD、单圈压力传感器点除阈值系数TSD、对数项参数KH以及多项式项系数bB(m)、bI(n)和bF(n)等建模参数。令：
CR＝(NB,NF,KSD,TSD,KH) (27)
其中，CR为参数组。从式(25)也可以看出，若给定参数组CR的具体取值，模型多项式项的系数bB(m)、bI(n)和bF(n)可利用多元线性回归方法获得。因此参数组CR的优化问题是式(25)建模的主要问题。
对于给定的样本集
Figure BDA0001761593050000111
其中，k为样本点号，k＝1,2,3,...,M，M为样本个数；
Figure BDA0001761593050000112
为第k个样本点的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 BDA0001761593050000113
为相应的粮仓底面面积。将样本集S分为三个部分，分别作为多元回归样本集SM、参数优化样本集SO与测试样本集ST。通过多元回归样本集SM样本与参数优化样本集SO样本的不同，以避免模型过学习，提高模型的泛化能力。当样本数较少时，可将样本集S分为两个部分，一部分同时作为多元回归样本集SM和参数优化样本集SO，另外部分作为测试样本集ST。
式(25)所示的基于
Figure BDA0001761593050000114
IDS(s)的粮仓储粮数量对数函数检测模型建模优化可表示为下式所示的百分比误差的最小化问题：
Figure BDA0001761593050000115
其中，E(CR,bB(m),bI(n),bF(n))为建模优化误差；参数组CR以及bB(m)、bI(n)和bF(n)为优化参数；
Figure BDA0001761593050000116
为式(25)所示的样本点k的粮仓储粮数量检测模型的计算值；Wk为样本点k的实际储粮重量。实际优化计算表明，由于参数组CR的特性，使得式(28)成为很强的非凸的最优化问题。下面讨论具体优化方法。
通过分析可以看出，可将式(28)所示的基于
Figure BDA0001761593050000117
IDS(s)的粮仓储粮数量对数函数检测模型建模优化问题分解为三个优化问题。
第一个优化问题是给定参数组CR具体取值的多元线性回归问题，回归误差模型如下式所示：
Figure BDA0001761593050000121
其中，
Figure BDA0001761593050000122
为给定参数组CR的样本点k的粮仓储粮数量对数函数检测模型的计算值，计算模型如式(25)所示；E(CR)为回归百分比误差模型。令：
COp＝(NB,NF,KSD,TSD) (30)
其中，COp为参数组。
第二个优化问题是给定参数组COp具体取值的KH优化问题，如下式所示：
Figure BDA0001761593050000123
约束条件：
Figure BDA0001761593050000124
其中，
Figure BDA0001761593050000125
和
Figure BDA0001761593050000126
分别为给定参数组COp和KH具体取值，通过式(29)多元线性回归所获得bB(m)、bI(n)和bF(n)的最优值；
Figure BDA0001761593050000127
为基于给定COp、KH以及
Figure BDA0001761593050000128
的样本点k的粮仓储粮数量对数函数检测模型的计算值，计算模型如式(25)所示；E(COp,KH)为给定COp的KH优化误差模型。
第三个优化问题是基于式(31)至式(32)的KH优化和式(29)多元线性回归的参数组COp中所有参数的优化问题，如下式所示：
Figure BDA0001761593050000129
其中，
Figure BDA00017615930500001210
为通过式(31)、式(32)优化模型优化所获得对数项参数KH最优值；
Figure BDA00017615930500001211
为基于给定COp以及
Figure BDA00017615930500001212
和
Figure BDA00017615930500001213
的样本点k的粮仓储粮数量对数函数检测模型的计算值，计算模型如式(25)所示；E(COp)为COp优化误差模型。
因此，可以看出，对于式(25)所示的基于
Figure BDA0001761593050000131
IDS(s)的粮仓储粮数量对数函数检测模型建模优化问题，可以通过上述三个优化问题的结合来实现。本研究中，采用复合形法实现式(31)、式(32)所示的参数KH的优化。同时，由于式(33)具有很强的非凸的最优化特性，本研究采用可行域内全局搜索方法实现参数组COp中的参数的优化。下面讨论具体的优化方法。
设定NB取值范围为[1,MaxNB]，NF取值范围为[1,MaxNF]，KSD取值范围为[0,MaxKSD]，TSD取值范围为[MinTSD,MaxTSD]，在本研究中，一般取MinTSD为0.4，取MaxNB和MaxNF为6，取MaxKSD和MaxTSD为4。对于各参数取值范围，按一定间隔均匀选取若干个取值点，由这些取值点的不同组合，可构建参数组COp的不同取值，并由参数组COp的不同取值构成COp的取值集合
Figure BDA0001761593050000132
对于集合
Figure BDA0001761593050000133
的任一元素
Figure BDA0001761593050000134
Figure BDA0001761593050000135
其中
Figure BDA0001761593050000136
为集合
Figure BDA0001761593050000137
第i个元素
Figure BDA0001761593050000138
的参数NB、NF、KSD、TSD的相应取值，利用式(33)所示优化模型优化，并使：
Figure BDA0001761593050000139
其中，
Figure BDA00017615930500001310
分别为参数组COp、参数KH在集合
Figure BDA00017615930500001311
所有元素中的最优值；
Figure BDA00017615930500001312
Figure BDA00017615930500001313
和
Figure BDA00017615930500001314
为集合
Figure BDA00017615930500001315
第i个元素
Figure BDA00017615930500001316
相应的KH、bB(m)、bI(n)和bF(n)最优值。具体的优化算法如算法1所示。
算法1基于
Figure BDA00017615930500001317
IDS(s)的粮仓储粮数量对数函数检测模型建模优化算法
输入：参数组COp的各参数取值点个数与取值；
参数优化样本SO和多元回归样本集SM。
输出：参数组COp的各参数以及回归系数bB(m)、bI(n)和bF(n)最优值。
1.由参数组COp的各参数的不同取值组合构造取值集合
Figure BDA00017615930500001318
2.i＝1。
3.若
Figure BDA0001761593050000141
则转5，否则从取值集合
Figure BDA0001761593050000142
中按顺序取出第i组取值组合
Figure BDA0001761593050000143
i＝i+1。
4.对于取值组合
Figure BDA0001761593050000144
利用式(31)、式(32)的KH优化和式(29)所示的多元线性回归，求出取值组合
Figure BDA0001761593050000145
相应的模型参数KH、bB(m)、bI(n)和bF(n)的最优值
Figure BDA0001761593050000146
和
Figure BDA0001761593050000147
并由式(33)求出取值组合
Figure BDA0001761593050000148
相应的优化误差
Figure BDA0001761593050000149
转3。
5.若
Figure BDA00017615930500001410
则输出
Figure BDA00017615930500001411
以及相应的最优值
Figure BDA00017615930500001412
和
Figure BDA00017615930500001413
并退出。
对于式(26)所示的基于
Figure BDA00017615930500001414
IMS(s)的粮仓储粮数量对数函数检测模型，可采用类似的方法建模，在此不再赘述。
计算机根据对压力传感器的检测结果及粮仓底面积等相关参数的采集，利用式(25)和式(26)的模型，能够很容易的计算出对应粮仓的储粮数量。
7.检测实例与结果分析
7.1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。对于式(26)所示的基于
Figure BDA00017615930500001415
IMS(s)的粮仓储粮数量对数函数检测模型，优化后的建模参数如表1所示，获得的参数如表2所示。粮仓储粮重量计算误差如图3、4所示，最大百分比误差为0.081％。
表1优化后的建模参数
Figure BDA00017615930500001416
表2模型系数
Figure BDA0001761593050000151
7.2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。对于式(25)所示的基于
Figure BDA0001761593050000152
IDS(s)的粮仓储粮数量对数函数检测模型，优化后的建模参数如表3所示，获得的参数如表4所示。粮仓储粮重量计算误差如图5、6所示，最大百分比误差为0.414％。
表3优化后的建模参数
Figure BDA0001761593050000153
表4模型系数
Figure BDA0001761593050000154
Figure BDA0001761593050000161
本发明所提出的基于底面单圈压力传感器输出值对数函数的粮仓重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 BDA0001761593050000162
其中，k为样本点号，k＝1,2,3,...,M，M为样本个数；
Figure BDA0001761593050000163
为第k个样本点的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 BDA0001761593050000164
为相应的粮仓底面面积。将样本集S分为三个部分，分别作为多元回归样本集SM、参数优化样本集SO与测试样本集ST。通过多元回归样本集SM样本与参数优化样本集SO样本的不同，以避免模型过学习，提高模型的泛化能力。当样本数较少时，可将样本集S分为两个部分，一部分同时作为多元回归样本集SM和参数优化样本集SO，另外部分作为测试样本集ST。
设定NB取值范围为[1,MaxNB]，NF取值范围为[1,MaxNF]，KSD取值范围为[0,MaxKSD]，TSD取值范围为[MinTSD,MaxTSD]，在本研究中，一般取MinTSD为0.4，取MaxNB和MaxNF为6，取MaxKSD和MaxTSD为4。对于各参数取值范围，按一定间隔均匀选取若干个取值点，由这些取值点的不同组合，可构建参数组COp的不同取值，并由参数组COp的不同取值构成COp的取值集合
Figure BDA0001761593050000171
按算法1所示的优化方法求出式(25)所示的粮仓重量检测模型的所有参数。
算法1基于
Figure BDA0001761593050000172
IDS(s)的粮仓储粮数量对数函数检测模型建模优化算法
输入：参数组COp的各参数取值点个数与取值；
参数优化样本SO和多元回归样本集SM。
输出：参数组COp的各参数以及回归系数bB(m)、bI(n)和bF(n)最优值。
1.由参数组COp的各参数的不同取值组合构造取值集合
Figure BDA0001761593050000173
2.i＝1。
3.若
Figure BDA0001761593050000174
则转5，否则从取值集合
Figure BDA0001761593050000175
中按序取出第i组取值组合
Figure BDA0001761593050000176
i＝i+1。
4.对于取值组合
Figure BDA0001761593050000177
利用式(31)至式(32)所示的KH优化和式(29)所示的多元线性回归，求出取值组合
Figure BDA0001761593050000178
相应的模型参数KH、bB(m)、bI(n)和bF(n)的最优值
Figure BDA0001761593050000179
和
Figure BDA00017615930500001710
并由式(33)求出取值组合
Figure BDA00017615930500001711
相应的优化误差
Figure BDA00017615930500001712
转3。
5.若
Figure BDA00017615930500001713
则输出
Figure BDA00017615930500001714
以及相应的最优值
Figure BDA00017615930500001715
和
Figure BDA00017615930500001716
并退出。
采用同样的方法，也可实现式(26)所示的基于
Figure BDA00017615930500001717
IMS(s)的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)所示模型进行粮仓储粮数量检测。

Claims (7)

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 FDA0002962262360000011
估计粮堆底面压强均值
Figure FDA0002962262360000012
构建
Figure FDA0002962262360000013
与
Figure FDA0002962262360000014
的关系；
Figure FDA0002962262360000015
与
Figure FDA0002962262360000016
的关系为：
Figure FDA0002962262360000017
其中，
Figure FDA0002962262360000018
为
Figure FDA0002962262360000019
的估计，bB(m)为
Figure FDA00029622623600000110
估计项的系数，NB为
Figure FDA00029622623600000111
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 FDA00029622623600000112
估计粮堆高度HQ(s)，构建
Figure FDA00029622623600000113
与HQ(s)的关系；
Figure FDA00029622623600000114
与HQ(s)的关系为：
Figure FDA00029622623600000115
其中，
Figure FDA00029622623600000116
为HQ(s)的估计，bH、KH为HQ(s)估计项的系数；
4)利用估计项IDS(s)估计粮堆侧面压强均值
Figure FDA00029622623600000117
构建单圈压力传感器的大值传感器输出值的均值
Figure FDA00029622623600000118
单圈压力传感器的小值传感器输出值的均值
Figure FDA00029622623600000119
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 FDA00029622623600000120
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；
Figure FDA00029622623600000121
与IDS(s)的关系为：
Figure FDA0002962262360000021
其中，
Figure FDA0002962262360000022
为
Figure FDA0002962262360000023
的估计，bF(n)为
Figure FDA0002962262360000024
估计项的系数，NF为
Figure FDA0002962262360000025
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 FDA0002962262360000026
得出粮仓储粮数量
Figure FDA0002962262360000027
与
Figure FDA0002962262360000028
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 FDA0002962262360000029
其中，Kc＝CB/AB，AB为粮堆底面面积，CB为粮堆底面周长，K为压力转向系数。
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 FDA00029622623600000210
Figure FDA00029622623600000211
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 FDA00029622623600000212
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 FDA00029622623600000213
的计算方法为：
Figure FDA00029622623600000214
6.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 FDA0002962262360000031
时，对应的
Figure FDA0002962262360000032
当
Figure FDA0002962262360000033
时，对应的
Figure FDA0002962262360000034
其中，KSD为预设调整系数。
7.一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1～6任一项所述方法的指令。
CN201810910178.8A 2018-08-10 2018-08-10 基于底面单圈标准差对数模型的粮仓检测方法及系统 Active CN110823338B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810910178.8A CN110823338B (zh) 2018-08-10 2018-08-10 基于底面单圈标准差对数模型的粮仓检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810910178.8A CN110823338B (zh) 2018-08-10 2018-08-10 基于底面单圈标准差对数模型的粮仓检测方法及系统

Publications (2)

Publication Number Publication Date
CN110823338A CN110823338A (zh) 2020-02-21
CN110823338B true CN110823338B (zh) 2021-05-18

Family

ID=69541363

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810910178.8A Active CN110823338B (zh) 2018-08-10 2018-08-10 基于底面单圈标准差对数模型的粮仓检测方法及系统

Country Status (1)

Country Link
CN (1) CN110823338B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111915246B (zh) * 2020-06-28 2024-04-26 河南工业大学 一种粮仓储粮数量平行检测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105303017A (zh) * 2014-06-26 2016-02-03 上银科技股份有限公司 线性移动平台的摩擦力参数鉴别方法
CN105973443A (zh) * 2016-05-17 2016-09-28 大连理工大学 基于最小二乘法的数字式汽车衡偏载误差修正方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6073497A (en) * 1997-08-05 2000-06-13 Micron Technology, Inc. High resolution pressure sensing device having an insulating flexible matrix loaded with filler particles
JP3516297B2 (ja) * 1999-11-17 2004-04-05 財団法人食品産業センター 連続計量方法
CN1963377A (zh) * 2006-10-30 2007-05-16 朱阳明 粮库储粮数量的测量方法
CN102174992A (zh) * 2011-01-25 2011-09-07 黄腾飞 一种压力管道的压力曲线特征提取方法
CN102629363A (zh) * 2012-03-19 2012-08-08 柳州市自动化科学研究所 缫丝生产中产量计量统计系统及方法
CN102706417B (zh) * 2012-05-14 2013-11-27 河南工业大学 平房仓浅圆仓储粮数量检测方法
CN103557917B (zh) * 2013-10-28 2016-04-27 天津华宁电子有限公司 基于运输设备上的煤量计算方法
CN104977070A (zh) * 2014-04-10 2015-10-14 湖南三德科技股份有限公司 一种料场重量检测方法及系统
CN104146712B (zh) * 2014-07-15 2017-08-04 辛义忠 穿戴式足底压力检测设备及足底压力检测和姿态预测方法
CN104535254B (zh) * 2014-12-23 2017-03-15 太原科技大学 一种建筑物外表面风压测量方法
CN106908195A (zh) * 2017-04-20 2017-06-30 大连创新零部件制造公司 一种实时估计扭矩传感器零点电压的方法
CN107451352B (zh) * 2017-07-27 2020-04-28 南京财经大学 基于有限元分析的筒仓中稻谷重量的测量方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105303017A (zh) * 2014-06-26 2016-02-03 上银科技股份有限公司 线性移动平台的摩擦力参数鉴别方法
CN105973443A (zh) * 2016-05-17 2016-09-28 大连理工大学 基于最小二乘法的数字式汽车衡偏载误差修正方法

Also Published As

Publication number Publication date
CN110823338A (zh) 2020-02-21

Similar Documents

Publication Publication Date Title
CN104331591B (zh) 基于支持向量回归的粮仓储粮数量检测方法
CN104330137B (zh) 基于检测点压强值序列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
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
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
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
CN105403294A (zh) 基于多项式展开的粮仓储粮重量检测方法及其装置
CN105352571B (zh) 一种基于指数关系估计的粮仓重量检测方法及装置
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
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
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
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
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
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
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
CN110823334B (zh) 一种粮仓储粮检测方法及系统
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
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
CN111721448B (zh) 基于底面压强统计量与储量方程的粮仓检测方法及装置
CN111695266B (zh) 基于底面压强偏态统计量的粮仓储量检测方法及装置
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

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