CN110823341B - 基于侧面两圈标准差多项式模型的粮仓检测方法及系统 - Google Patents

基于侧面两圈标准差多项式模型的粮仓检测方法及系统 Download PDF

Info

Publication number
CN110823341B
CN110823341B CN201810910937.0A CN201810910937A CN110823341B CN 110823341 B CN110823341 B CN 110823341B CN 201810910937 A CN201810910937 A CN 201810910937A CN 110823341 B CN110823341 B CN 110823341B
Authority
CN
China
Prior art keywords
pressure sensor
grain
value
output values
granary
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
CN201810910937.0A
Other languages
English (en)
Other versions
CN110823341A (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 CN201810910937.0A priority Critical patent/CN110823341B/zh
Publication of CN110823341A publication Critical patent/CN110823341A/zh
Application granted granted Critical
Publication of CN110823341B publication Critical patent/CN110823341B/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

Abstract

本发明涉及一种基于侧面两圈标准差多项式模型的粮仓检测方法及系统，本发明针对装粮高度大于10米且小于20米的筒仓储粮数量检测的具体要求，根据粮仓压强分布特点，提出了一种基于侧面两圈压力传感器的粮仓储粮数量检测模型。本发明的核心技术包括侧面两圈压力传感器布置模型、基于侧面两圈压力传感器的储粮数量检测模型两个部分。所提出的模型及检测方法具有检测精度高的特点，可满足装粮高度大于10米且小于20米的筒仓储粮数量远程在线检测的需要。

Description

基于侧面两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侧面两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。
该方案提高了储粮重量(即储量数量)的检测精确度，还具有较强适应性和鲁棒性。然而，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侧面两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：
本发明的一种基于侧面两圈压力传感器的粮仓储粮检测方法，包括如下步骤：
1)检测粮仓侧面设置的上下两圈压力传感器的输出值；
2)利用两圈压力传感器输出值均值
Figure BDA0001761824130000021
估计粮堆底面压强均值
Figure BDA0001761824130000022
构建
Figure BDA0001761824130000023
与
Figure BDA0001761824130000024
的关系；
3)利用两圈压力传感器输出值均值
Figure BDA0001761824130000025
估计粮堆高度H，构建
Figure BDA0001761824130000026
与H的关系；
4)利用估计项IDDF(s)估计粮堆侧面单位面积平均摩擦力
Figure BDA0001761824130000027
构建上圈压力传感器输出值均值
Figure BDA0001761824130000028
下圈压力传感器输出值均值
Figure BDA0001761824130000029
上圈压力传感器输出值标准差SD(sUp)、下圈压力传感器输出值标准差SD(sDown)与IDDF(s)的关系：
Figure BDA00017618241300000210
其中，KX为设定的系数；当对应粮堆的散落性小于设定标准时，对应的
Figure BDA00017618241300000211
当对应粮堆的散落性大于等于设定标准时，对应的
Figure BDA00017618241300000212
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 BDA00017618241300000213
得出粮仓储粮数量
Figure BDA00017618241300000214
与
Figure BDA00017618241300000215
SD(sDown)关系的检测模型，进而根据步骤1)检测的两圈压力传感器的输出值得出粮仓储粮数量
Figure BDA00017618241300000216
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，若下圈压力传感器输出值满足
Figure BDA00017618241300000217
则去除该传感器输出值，得到去除后的下圈压力传感器输出值序列QFS(sDown(i))；其中，QF(sDown(i))为第i个下圈压力传感器输出值，
Figure BDA00017618241300000218
为下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，SDMed(sDown)为下圈压力传感器输出值标准差，TSD为下圈压力传感器点去除阈值系数。
进一步的，若上圈压力传感器输出值满足
Figure BDA0001761824130000031
则去除该传感器输出值，得到去除后的上圈压力传感器输出值序列QFS(sUp(i))；其中，QF(sUp(i))为第i个上圈压力传感器输出值、
Figure BDA0001761824130000032
为上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，SDMed(sUp)为上圈压力传感器输出值标准差，CTSD为上圈压力传感器点去除阈值系数。
进一步的，两圈压力传感器输出值均值
Figure BDA0001761824130000033
的计算方法为：
Figure BDA0001761824130000034
其中，
Figure BDA0001761824130000035
为QFS(sDown(i))的均值，
Figure BDA0001761824130000036
为QFS(sUp(i))的均值。
进一步的，步骤2)中，
Figure BDA0001761824130000037
与
Figure BDA0001761824130000038
的关系为：
Figure BDA0001761824130000039
其中，
Figure BDA00017618241300000310
为
Figure BDA00017618241300000311
的估计，bB(m)为
Figure BDA00017618241300000312
估计项的系数，NB为
Figure BDA00017618241300000313
估计项的多项式系数，m＝0,...,NB；
步骤3)中，
Figure BDA00017618241300000314
与H的关系为：
Figure BDA00017618241300000315
其中，
Figure BDA00017618241300000316
为H的估计，bH(j)为H的估计项的系数，NH为H估计的多项式阶数，j＝0,...,NH；
步骤4)中，
Figure BDA00017618241300000317
与
Figure BDA00017618241300000318
SD(sUp)、SD(sUp)的关系为：
Figure BDA00017618241300000319
其中，
Figure BDA00017618241300000320
为
Figure BDA00017618241300000321
的估计，bF(n)为
Figure BDA00017618241300000322
估计项的系数，NF为
Figure BDA00017618241300000323
估计项的多项式阶数，n＝0,...,NF；
步骤5)中得出粮仓储粮数量
Figure BDA0001761824130000041
为：
Figure BDA0001761824130000042
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 BDA0001761824130000043
项的最大阶数为NB，限制IDDF(s)项的最大阶数为NF，得出：
Figure BDA0001761824130000044
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 BDA0001761824130000045
与IDDF(s)乘积项的阶数和Nn+m的升序排序，Nn+m按IDDF(s)阶数由低到高排序，得出：
Figure BDA0001761824130000046
其中，Nn+m为检测模型第二项中
Figure BDA0001761824130000047
与IDDF(s)乘积项的阶数和，取值区间为[1,NB+NF]；
Figure BDA0001761824130000048
Figure BDA0001761824130000049
进一步的，步骤4)中：
当
Figure BDA00017618241300000410
时，对应的
Figure BDA00017618241300000411
当
Figure BDA00017618241300000412
时，对应的
Figure BDA00017618241300000413
其中，KSD为预设调整系数。
本发明的一种基于侧面两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侧面两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是筒仓侧面两圈压力传感器布置模型示意图；
图2是利用所有样本建模的小麦筒仓储粮重量计算误差示意图；
图3是利用所有样本建模的稻谷筒仓储粮重量计算误差示意图；
图4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侧面两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基于侧面两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说明。
下面结合附图对本发明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 BDA0001761824130000051
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 BDA0001761824130000052
为对底面压强均值，
Figure BDA0001761824130000053
Figure BDA0001761824130000054
为粮堆侧面压强均值，
Figure BDA0001761824130000055
令：
Figure BDA0001761824130000056
其中，
Figure BDA0001761824130000057
为粮堆侧面单位面积平均摩擦力。则有：
Figure BDA0001761824130000058
由式(3)中可以看出，粮堆重量与且仅与粮堆底面压强均值
Figure BDA0001761824130000059
侧面单位面积平均摩擦力
Figure BDA00017618241300000510
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 BDA00017618241300000511
Figure BDA00017618241300000512
和H三个参数的检测与估计。
2.传感器布置模型
对于10米≤H≤20米的筒仓，所提出的粮仓侧面压力传感器布置模型如图1示，其中H为粮仓装粮高度。该模型采用上下两圈压力传感器布置，上圈距底面高度为D，一般取D＝H/2，下圈距底面高度为d，一般取d为1米。为了保证检测模型的通用性，各粮仓的d、D应相同。侧面传感器个数均为6-10，传感器间距应大于1m。
当装粮高度H≤10米时，装粮高度增加时下圈压力传感器输出值将与装粮高度H近似正比例变化，而当装粮高度H＞10米时，下圈压力传感器输出值变化小，而上圈压力传感器输出值将与装粮高度H近似正比例变化。因此可利用上下两圈压力传感器输出值估计粮堆底面压强均值
Figure BDA0001761824130000061
侧面单位面积平均摩擦力
Figure BDA0001761824130000062
以及粮堆高度H。
3.传感器选择与标准差计算
3.1下圈压力传感器输出值均值与标准差计算
对于下圈压力传感器输出值序列QF(sDown(i))，i＝1,2,...,NSB，NSB为下圈压力传感器个数。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(sDown(i))。一般取NLM＝2-3，NRM＝2-3。求出所选取传感器输出值序列QMed(sDown(i))的均值
Figure BDA0001761824130000063
Figure BDA0001761824130000064
由下圈压力传感器输出值序列QF(sDown(i))和均值
Figure BDA0001761824130000065
计算下圈压力传感器输出值标准差SDMed(sDown)：
Figure BDA0001761824130000066
其中，
Figure BDA0001761824130000067
为下圈中值点两边邻近输出值点均值。
下圈压力传感器输出值点去除规则为：
若
Figure BDA0001761824130000068
则去除QF(sDown(i))点 (6)
其中，TSD为下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)所示的下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 BDA0001761824130000071
的标准差SDMed(sDown)，以消除传感器输出值随机性的影响，并实现下圈压力传感器输出值点去除门限的自适应调整，下圈压力传感器输出值标准差SDMed(sDown)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下圈压力传感器点去除阈值系数TSD，以实现下圈压力传感器输出值点去除门限的合理调整与优化。
对于下圈压力传感器输出值序列QF(sDown(i))，i＝1,2,...,NSB，根据式(6)所示的下圈压力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，形成去除后的下圈压力传感器输出值序列QFS(sDown(i))，i＝1,2,...,NFS，NFS为去除后下圈压力传感器输出值序列数据个数。则下圈压力传感器输出值均值
Figure BDA0001761824130000072
为：
Figure BDA0001761824130000073
式(5)为下圈压力传感器输出值标准差计算公式。这种计算方法的主要特点在于通过去除较小和较大值的区域输出值点，以减少传感器输出值随机性对下圈压力传感器输出值均值和标准差计算的影响。
3.2上圈压力传感器输出值均值与标准差计算
采用同样的方法，对于上圈压力传感器输出值序列QF(sUp(i))，i＝1,2,...,NSF，NSF为上圈压力传感器个数。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(sUp(i))。求出所选取传感器输出值序列QMed(sUp(i))的均值
Figure BDA0001761824130000074
Figure BDA0001761824130000075
由上圈压力传感器输出值序列QF(sUp(i))和均值
Figure BDA0001761824130000076
计算上圈压力传感器输出值标准差SDMed(sUp)：
Figure BDA0001761824130000081
其中，
Figure BDA0001761824130000082
为上圈中值点两边邻近输出值点均值。
则上圈压力传感器输出值点去除规则为：
若
Figure BDA0001761824130000083
则去除QF(sUp(i))点 (10)
其中，CTSD为上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。此处采用CTSDTSD作为上圈压力传感器输出点去除阈值系数，以便于系数CTSD的选择与优化。
对于上圈压力传感器输出值序列QF(sUp(i))，i＝1,2,...,NSF，根据式(10)所示的上圈压力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，形成去除后的上圈压力传感器输出值序列QFS(sUp(i))，i＝1,2,...,NFS，NFS为去除后上圈压力传感器输出值序列数据个数。则上圈压力传感器输出值均值
Figure BDA0001761824130000084
为：
Figure BDA0001761824130000085
式(9)为上圈压力传感器输出值标准差计算公式。
4.模型项构造
对于图1所示的筒仓侧面两圈压力传感器布置模型，根据粮仓粮堆的力学的特性，下圈压力传感器输出均值
Figure BDA0001761824130000086
的大小体现粮堆底面压强均值
Figure BDA0001761824130000087
和粮堆高度H的大小。同时，两者也与侧面摩擦力
Figure BDA0001761824130000088
有关。侧面单位面积平均摩擦力
Figure BDA0001761824130000089
增大，势必导致粮堆底面压强均值
Figure BDA00017618241300000810
和下圈压力传感器输出均值
Figure BDA00017618241300000811
减少。由于上圈压力传感器输出值均值
Figure BDA00017618241300000812
的大小体现侧面单位面积平均摩擦力
Figure BDA00017618241300000813
的大小，因此可利用下圈压力传感器输出均值
Figure BDA00017618241300000814
和上圈压力传感器输出值均值
Figure BDA00017618241300000815
来估计粮堆底面压强均值
Figure BDA00017618241300000816
和粮堆高度H。令：
Figure BDA0001761824130000091
其中，
Figure BDA0001761824130000092
为下圈、上圈压力传感器输出值均值。显然有：
Figure BDA0001761824130000093
Figure BDA0001761824130000094
因此，利用式(12)所示的下圈压力传感器输出均值
Figure BDA0001761824130000095
和上圈压力传感器输出值均值
Figure BDA0001761824130000096
的均值来描述粮堆底面压强
Figure BDA0001761824130000097
和粮堆高度H，不仅体现了下圈压力传感器输出均值
Figure BDA0001761824130000098
的作用，也体现了
Figure BDA0001761824130000099
与侧面单位面积平均摩擦力
Figure BDA00017618241300000910
的负相关性。
实验结果表明，由于侧面单位面积平均摩擦力
Figure BDA00017618241300000911
作用，势必导致上下圈压力传感器输出值均值、标准差的变化，
Figure BDA00017618241300000912
增大势必使上下圈压力传感器输出值均值、标准差的差别程度增大。因此上下圈压力传感器输出值均值、标准差可以体现
Figure BDA00017618241300000913
的大小，可以利用这些量构造侧面单位面积平均摩擦力
Figure BDA00017618241300000914
的估计。令：
Figure BDA00017618241300000915
Figure BDA00017618241300000916
其中，IDDF(s)为基于上下圈压力传感器输出值标准差的差的粮堆侧面单位面积平均摩擦力
Figure BDA00017618241300000917
的估计项，IMDF(s)为基于上下圈压力传感器输出值标准差的均值的粮堆侧面单位面积平均摩擦力
Figure BDA00017618241300000918
的估计项。为使式(15)和式(16)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 BDA00017618241300000919
显然，式(15)和式(16)的第一项体现了粮堆侧面单位面积平均摩擦力
Figure BDA00017618241300000920
对上下圈压力传感器输出值均值的影响，第二项体现了
Figure BDA00017618241300000921
对上下圈压力传感器输出值标准差的影响。
实际建模结果表明，一般来说，对于流动性较低的稻谷等粮堆，粮堆侧面压强
Figure BDA0001761824130000101
相对小，各圈标准差与粮堆重量的线性相关性高，宜采用式(15)所示的IDDF(s)构造
Figure BDA0001761824130000102
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 BDA0001761824130000103
相对大，各圈标准差与粮堆重量的线性相关性低，宜采用式(16)所示的IMDF(s)构造
Figure BDA0001761824130000104
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 BDA0001761824130000105
当粮堆静止角小于40度时，采用本实施例的式(16)来计算IMDF(s)，当粮食静止角大于等于40度时，采用本实施例的式(15)来计算IDDF(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
对于式(3)所示的粮仓储粮数量理论检测理型，对于稻谷等流动性较低的粮食粮仓储粮数量检测，采用
Figure BDA0001761824130000111
多项式构建
Figure BDA0001761824130000112
和H的估计为：
Figure BDA0001761824130000113
Figure BDA0001761824130000114
Figure BDA0001761824130000115
其中，bB(m)为
Figure BDA0001761824130000116
估计项的系数，bH(j)为H的估计项的系数，bF(n)为
Figure BDA0001761824130000117
估计项的系数，m＝0,...,NB，j＝0,...,NH，n＝0,...,NF，NB为
Figure BDA0001761824130000118
估计项的多项式系数，NH为H估计的多项式阶数，NF为
Figure BDA0001761824130000119
估计项的多项式阶数。
将式(17)至式(19)代入式(3)，则有：
Figure BDA00017618241300001110
整理式(20)，并限制
Figure BDA00017618241300001111
项的最大阶数为NB，限制IDDF(s)项的最大阶数为NF，可以得出：
Figure BDA00017618241300001112
其中，aB(m)、aF(n,m)为估计项的系数，m＝0,...,NB，j＝0,...,NH，n＝0,...,NF，NB、NF分别为
Figure BDA00017618241300001113
IDDF(s)项的阶数。显然，式(21)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 BDA00017618241300001114
与IDDF(s)乘积项的最大阶数和为NB+NF。为了限制式(21)所示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(21)，对第二项按
Figure BDA00017618241300001115
与IDDF(s)乘积项的阶数和Nn+m的升序排序，Nn+m相同时按IDDF(s)阶数由低到高排序，则有：
Figure BDA0001761824130000121
其中，Nn+m为检测模型第二项中
Figure BDA0001761824130000122
与IDDF(s)乘积项的阶数和，取值区间为[1,NB+NF]；mb、me的取值如下式所示：
Figure BDA0001761824130000123
Figure BDA0001761824130000124
显然，式(22)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(22)为基于侧面两圈压力传感器和
Figure BDA0001761824130000125
IDDF(s)的多项式粮仓储粮数量检测模型。根据IDDF(s)项的特点，该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强的粮食粮仓储粮数量检测，可采用上述类似方法构造基于
Figure BDA0001761824130000126
IMDF(s)多项式的
Figure BDA0001761824130000127
和H的估计。可以推出基于侧面两圈压力传感器和
Figure BDA0001761824130000128
IMDF(s)的多项式粮仓储粮数量检测模型如下式所示：
Figure BDA0001761824130000129
其中，Nn+m为检测模型第二项中
Figure BDA00017618241300001210
与IMDF(s)乘积项的阶数和，取值区间为[1,NB+NF]；mb、me的取值如式(23)、(24)所示。显然，式(25)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(25)为基于侧面两圈压力传感器和
Figure BDA00017618241300001211
IMDF(s)的多项式粮仓储粮数量检测模型。根据IMDF(s)项的特点，该模型适用于小麦等流动性较强的粮食粮仓储粮数量检测。
计算机根据对压力传感器的检测结果及粮仓底面积的相关参数的采集，利用式(22)和式(25)所示的模型，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
筒仓直径为6m，面积为28.26m2。在粮仓四周侧面墙按上下两圈压力传感器布置，每圈均匀布置8个侧面压力传感器，上圈压力传感器距底面高度D为2米，下圈距底面高度d为1米。小麦粮堆高度约8米，进粮时每1米取一次数据，重复4次实验共获得32个样本。对于式(25)所示的基于侧面两圈压力传感器和
Figure BDA0001761824130000131
IMDF(s)的多项式粮仓储粮数量检测模型，将全部32个样本作为建模样本。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。粮仓储粮重量计算误差如图3所示，最大百分比误差为0.0039％。
表1优化后的建模参数
Figure BDA0001761824130000132
表2模型系数aB(m)
Figure BDA0001761824130000133
表3模型系数aF(n,m)
Figure BDA0001761824130000134
Figure BDA0001761824130000141
表3(续)模型系数aF(n,m)
Figure BDA0001761824130000142
6.2检测实例2
筒仓直径为6m，面积为28.26m2。筒仓直径为6m，面积为28.26m2。在粮仓四周侧面墙按上下两圈压力传感器布置，每圈均匀布置8个侧面压力传感器，上圈压力传感器距底面高度D为2米，下圈距底面高度d为1米。稻谷粮堆高度约8米，进粮时每1米取一次数据，重复4次实验共获得32个样本，对于式(22)所示的基于侧面两圈压力传感器和
Figure BDA0001761824130000143
IDDF(s)的多项式粮仓储粮数量检测模型，将全部32个样本作为建模样本。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。粮仓储粮重量计算误差如图3所示，最大百分比误差为4.34E-6。
表4优化后的建模参数
Figure BDA0001761824130000151
表5模型系数aB(m)
Figure BDA0001761824130000152
表6模型系数aF(n,m)
Figure BDA0001761824130000153
表6(续)模型系数aF(n,m)
Figure BDA0001761824130000154
Figure BDA0001761824130000161
本发明所提出的基于侧面两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4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)侧面压力传感器安装
传感器布置如图1所示，侧面圈各压力传感器与底面距离d取为1米左右。为了保证检测模型的通用性，各粮仓的d应相同。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 BDA0001761824130000162
其中，k为样本点号，k＝1,2,3,...,M，M为样本个数；
Figure BDA0001761824130000163
为第k个样本点的下圈压力传感器输出值序列，i＝1,2,...,NSB，NSB为下圈压力传感器个数；
Figure BDA0001761824130000164
为第k个样本点的上圈压力传感器输出值序列，j＝1,2,...,NSF，NSF为上圈压力传感器个数；Wk为样本点k的实际进粮重量，
Figure BDA0001761824130000165
为相应的粮仓底面面积。当样本数多时，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，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，另外一部分作为测试样本集ST。
对于给定的样本集S，不失一般性，对于式(22)所示的基于侧面两圈压力传感器和
Figure BDA0001761824130000171
IDDF(s)的多项式粮仓储粮数量检测模型，可以看出，式(22)所示的模型建模参数包括
Figure BDA0001761824130000172
项的最大阶数NB、IDDF(s)项的最大阶数NF、模型项总数NItem、IDDF(s)项参数KSD(预设调整系数)、下圈压力传感器点去除阈值系数TSD以及上圈压力传感器点去除阈值系数CTSD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,CTSD)) (26)
其中，CR为参数组。从式(22)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(22)所示的基于侧面两圈压力传感器和
Figure BDA0001761824130000173
IDDF(s)的多项式粮仓储粮数量检测模型建模。对于式(25)所示的基于侧面两圈压力传感器和
Figure BDA0001761824130000174
IMDF(s)的多项式粮仓储粮数量检测模型，可采用类似方法建模。
(4)实仓重量检测
如果系统已标定，检测侧面压力传感器输出值并利用式(22)或式(25)所示模型进行粮仓储粮数量检测。

Claims (9)

1.一种基于侧面两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)检测粮仓侧面设置的上下两圈压力传感器的输出值；
2)利用两圈压力传感器输出值均值
Figure FDA0002905482100000011
估计粮堆底面压强均值
Figure FDA0002905482100000012
构建
Figure FDA0002905482100000013
与
Figure FDA0002905482100000014
的关系；
Figure FDA0002905482100000015
与
Figure FDA0002905482100000016
的关系为：
Figure FDA0002905482100000017
其中，
Figure FDA0002905482100000018
为
Figure FDA0002905482100000019
的估计，bB(m)为
Figure FDA00029054821000000110
估计项的系数，NB为
Figure FDA00029054821000000111
估计项的多项式系数，m＝0,...,NB；
3)利用两圈压力传感器输出值均值
Figure FDA00029054821000000112
估计粮堆高度H，构建
Figure FDA00029054821000000113
与H的关系；
Figure FDA00029054821000000114
与H的关系为：
Figure FDA00029054821000000115
其中，
Figure FDA00029054821000000116
为H的估计，bH(j)为H的估计项的系数，NH为H估计的多项式阶数，j＝0,...,NH；
4)利用估计项IDDF(s)估计粮堆侧面单位面积平均摩擦力
Figure FDA00029054821000000117
构建上圈压力传感器输出值均值
Figure FDA00029054821000000118
下圈压力传感器输出值均值
Figure FDA00029054821000000119
上圈压力传感器输出值标准差SD(sUp)、下圈压力传感器输出值标准差SD(sDown)与IDDF(s)的关系：
Figure FDA00029054821000000120
其中，KX为设定的系数；当对应粮堆的散落性小于设定标准时，对应的
Figure FDA00029054821000000121
当对应粮堆的散落性大于等于设定标准时，对应的
Figure FDA00029054821000000122
Figure FDA0002905482100000021
与IDDF(s)的关系为：
Figure FDA0002905482100000022
其中，
Figure FDA0002905482100000023
为
Figure FDA0002905482100000024
的估计，bF(n)为
Figure FDA0002905482100000025
估计项的系数，NF为
Figure FDA0002905482100000026
估计项的多项式阶数，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 FDA0002905482100000027
得出粮仓储粮数量
Figure FDA0002905482100000028
与
Figure FDA0002905482100000029
SD(sUp)、SD(sDown)关系的检测模型，进而根据步骤1)检测的两圈压力传感器的输出值得出粮仓储粮数量
Figure FDA00029054821000000210
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所述的一种基于侧面两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。
3.根据权利要求2所述的一种基于侧面两圈压力传感器的粮仓储粮检测方法，其特征在于，若下圈压力传感器输出值满足
Figure FDA00029054821000000211
则去除该传感器输出值，得到去除后的下圈压力传感器输出值序列QFS(sDown(i))；其中，QF(sDown(i))为第i个下圈压力传感器输出值，
Figure FDA00029054821000000212
为下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，SDMed(sDown)为下圈压力传感器输出值标准差，TSD为下圈压力传感器点去除阈值系数。
4.根据权利要求3所述的一种基于侧面两圈压力传感器的粮仓储粮检测方法，其特征在于，若上圈压力传感器输出值满足
Figure FDA00029054821000000213
则去除该传感器输出值，得到去除后的上圈压力传感器输出值序列QFS(sUp(i))；其中，QF(sUp(i))为第i个上圈压力传感器输出值、
Figure FDA00029054821000000214
为上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，SDMed(sUp)为上圈压力传感器输出值标准差，CTSD为上圈压力传感器点去除阈值系数。
5.根据权利要求4所述的一种基于侧面两圈压力传感器的粮仓储粮检测方法，其特征在于，两圈压力传感器输出值均值
Figure FDA0002905482100000031
的计算方法为：
Figure FDA0002905482100000032
其中，
Figure FDA0002905482100000033
为QFS(sDown(i))的均值，
Figure FDA0002905482100000034
为QFS(sUp(i))的均值。
6.根据权利要求5所述的一种基于侧面两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 FDA0002905482100000035
项的最大阶数为NB，限制IDDF(s)项的最大阶数为NF，得出：
Figure FDA0002905482100000036
其中，aB(m)、aF(n,m)为估计项的系数。
7.根据权利要求6所述的一种基于侧面两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 FDA0002905482100000037
与IDDF(s)乘积项的阶数和Nn+m的升序排序，Nn+m按IDDF(s)阶数由低到高排序，得出：
Figure FDA0002905482100000038
其中，Nn+m为检测模型第二项中
Figure FDA0002905482100000039
与IDDF(s)乘积项的阶数和，取值区间为[1,NB+NF]；
Figure FDA00029054821000000310
8.根据权利要求1所述的一种基于侧面两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 FDA00029054821000000311
时，对应的
Figure FDA00029054821000000312
当
Figure FDA00029054821000000313
时，对应的
Figure FDA00029054821000000314
其中，KSD为预设调整系数。
9.一种基于侧面两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。
CN201810910937.0A 2018-08-10 2018-08-10 基于侧面两圈标准差多项式模型的粮仓检测方法及系统 Active CN110823341B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810910937.0A CN110823341B (zh) 2018-08-10 2018-08-10 基于侧面两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
CN201810910937.0A CN110823341B (zh) 2018-08-10 2018-08-10 基于侧面两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
CN110823341A CN110823341A (zh) 2020-02-21
CN110823341B true CN110823341B (zh) 2021-04-09

Family

ID=69541396

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810910937.0A Active CN110823341B (zh) 2018-08-10 2018-08-10 基于侧面两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) CN110823341B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101907481B (zh) * 2010-07-29 2011-12-28 河南工业大学 基于压力传感器的粮仓储粮数量检测方法
CN102907220A (zh) * 2012-08-21 2013-02-06 国家粮食局科学研究院 充环气调储粮系统装置及利用该装置的充环气调储粮方法
WO2013082227A1 (en) * 2011-11-30 2013-06-06 Illinois Tool Works Inc. Remote monitoring systems
CN105387913A (zh) * 2015-11-11 2016-03-09 河南工业大学 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
CN105387919A (zh) * 2015-11-11 2016-03-09 河南工业大学 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
CN105403294A (zh) * 2015-11-11 2016-03-16 河南工业大学 基于多项式展开的粮仓储粮重量检测方法及其装置
CN105424148A (zh) * 2015-11-11 2016-03-23 河南工业大学 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
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
CN106017625A (zh) * 2015-08-25 2016-10-12 张雪 粮仓储粮数量的检测方法及压力传感器
CN108142114A (zh) * 2016-12-05 2018-06-12 何瑞荣 一种粮仓存储用负压式通风换气装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101907481B (zh) * 2010-07-29 2011-12-28 河南工业大学 基于压力传感器的粮仓储粮数量检测方法
WO2013082227A1 (en) * 2011-11-30 2013-06-06 Illinois Tool Works Inc. Remote monitoring systems
CN102907220A (zh) * 2012-08-21 2013-02-06 国家粮食局科学研究院 充环气调储粮系统装置及利用该装置的充环气调储粮方法
CN106017625A (zh) * 2015-08-25 2016-10-12 张雪 粮仓储粮数量的检测方法及压力传感器
CN105387913A (zh) * 2015-11-11 2016-03-09 河南工业大学 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
CN105387919A (zh) * 2015-11-11 2016-03-09 河南工业大学 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
CN105403294A (zh) * 2015-11-11 2016-03-16 河南工业大学 基于多项式展开的粮仓储粮重量检测方法及其装置
CN105424148A (zh) * 2015-11-11 2016-03-23 河南工业大学 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
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
CN108142114A (zh) * 2016-12-05 2018-06-12 何瑞荣 一种粮仓存储用负压式通风换气装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Method to Detect Granary Storage Weight Based on the Janssen Model;Zhang Dexian 等;《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(第5期);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;第33卷(第10期);全文 *

Also Published As

Publication number Publication date
CN110823341A (zh) 2020-02-21

Similar Documents

Publication Publication Date Title
CN101907481B (zh) 基于压力传感器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
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
CN105403294B (zh) 基于多项式展开的粮仓储粮重量检测方法及其装置
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
CN104330138A (zh) 基于结构自适应检测模型的粮仓储粮数量检测方法
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
CN103558094A (zh) 一种基于分层概率抽样的小尺寸岩石模型结构面试样代表性取样方法
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
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
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
CN105352571B (zh) 一种基于指数关系估计的粮仓重量检测方法及装置
CN110823348B (zh) 基于底面两圈标准差svm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
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
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
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
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
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
CN110823334B (zh) 一种粮仓储粮检测方法及系统
CN110704512A (zh) 一种基于历史粮情数据的粮仓通风时段判断方法
CN105424249A (zh) 一种粮仓储粮状态的检测方法及其装置
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
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