CN110823342B - 基于侧面单圈标准差多项式模型的粮仓检测方法及系统 - Google Patents

基于侧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
CN110823342B
CN110823342B CN201810910938.5A CN201810910938A CN110823342B CN 110823342 B CN110823342 B CN 110823342B CN 201810910938 A CN201810910938 A CN 201810910938A CN 110823342 B CN110823342 B CN 110823342B
Authority
CN
China
Prior art keywords
value
grain
pressure sensor
sensor
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
CN201810910938.5A
Other languages
English (en)
Other versions
CN110823342A (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 CN201810910938.5A priority Critical patent/CN110823342B/zh
Publication of CN110823342A publication Critical patent/CN110823342A/zh
Application granted granted Critical
Publication of CN110823342B publication Critical patent/CN110823342B/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，本发明针对装粮高度小于10米的粮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单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单圈压力传感器布置模型、基于侧面单圈压力传感器的粮仓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、可满足装粮高度小于10米的粮仓储粮数量远程在线检测的需要。

Description

基于侧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侧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侧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：
本发明的一种基于侧面单圈压力传感器的粮仓储粮检测方法，包括如下步骤：
1)检测粮仓侧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 BDA0001761824030000021
估计粮堆底面压强均值
Figure BDA0001761824030000022
构建
Figure BDA0001761824030000023
与
Figure BDA0001761824030000024
的关系；
3)利用单圈压力传感器输出值均值
Figure BDA0001761824030000025
估计粮堆高度H，构建
Figure BDA0001761824030000026
与H的关系；
4)利用估计项IDFS(s)估计粮堆侧面单位面积平均摩擦力
Figure BDA0001761824030000027
构建单圈压力传感器的大值传感器输出值的均值
Figure BDA0001761824030000028
单圈压力传感器的小值传感器输出值的均值
Figure BDA0001761824030000029
单圈压力传感器的大值传感器输出值的标准差SDFSL(s)、单圈压力传感器的小值传感器输出值的标准差SDFSS(s)与IDFS(s)的关系：
Figure BDA00017618240300000210
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 BDA00017618240300000211
当对应粮堆的散落性大于等于设定标准时，对应的
Figure BDA00017618240300000212
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 BDA00017618240300000213
得出粮仓储粮数量
Figure BDA00017618240300000214
与
Figure BDA00017618240300000215
SDFSL(s)、SDFSS(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 BDA00017618240300000216
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 BDA00017618240300000217
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 BDA0001761824030000031
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 BDA0001761824030000032
的计算方法为：
Figure BDA0001761824030000033
进一步的，步骤2)中，
Figure BDA0001761824030000034
与
Figure BDA0001761824030000035
的关系为：
Figure BDA0001761824030000036
其中，
Figure BDA0001761824030000037
为
Figure BDA0001761824030000038
的估计，bB(m)为
Figure BDA0001761824030000039
估计项的系数，NB为
Figure BDA00017618240300000310
估计的多项式阶数，m＝0,...,NB；
步骤3)中，
Figure BDA00017618240300000311
与H的关系为：
Figure BDA00017618240300000312
其中，
Figure BDA00017618240300000313
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 BDA00017618240300000314
与IDFS(s)的关系为：
Figure BDA00017618240300000315
其中，
Figure BDA00017618240300000316
为
Figure BDA00017618240300000317
的估计，bF(n)为
Figure BDA00017618240300000318
估计项的系数，NF为
Figure BDA00017618240300000319
估计的多项式阶数，n＝0,...,NF；
步骤5)中得出粮仓储粮数量
Figure BDA00017618240300000320
为：
Figure BDA00017618240300000321
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 BDA00017618240300000322
项的最大阶数为NB，限制IDFS(s)项的最大阶数为NF，得出：
Figure BDA0001761824030000041
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 BDA0001761824030000042
与IDFS(s)乘积项的阶数和Nn+m的升序排序，Nn+m按IDFS(s)阶数由低到高排序，得出：
Figure BDA0001761824030000043
其中，Nn+m为检测模型第二项中
Figure BDA0001761824030000044
与IDFS(s)乘积项的阶数和，取值区间为[1,NB+NF]；
Figure BDA0001761824030000045
进一步的，步骤4)中：
当
Figure BDA0001761824030000046
时，对应的
Figure BDA0001761824030000047
当
Figure BDA0001761824030000048
时，对应的
Figure BDA0001761824030000049
其中，KSD为预设调整系数。
本发明的一种基于侧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侧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是筒仓侧面单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侧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 BDA0001761824030000051
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 BDA0001761824030000052
为对底面压强均值，
Figure BDA0001761824030000053
Figure BDA0001761824030000054
为粮堆侧面压强均值，
Figure BDA0001761824030000055
令：
Figure BDA0001761824030000056
其中，
Figure BDA0001761824030000057
为粮堆侧面单位面积平均摩擦力。则有：
Figure BDA0001761824030000058
由式(3)可以看出，粮堆重量与且仅与粮堆底面压强均值
Figure BDA0001761824030000059
侧面单位面积平均摩擦力
Figure BDA00017618240300000510
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 BDA00017618240300000511
Figure BDA00017618240300000512
和H三参数的检测与估计。
2.传感器布置模型
对于装粮高度H≤10米的筒仓，所提出的筒仓侧面单圈压力传感器布置模型如图1所示，其中，侧面压力传感器与底面距离d一般可取为1米左右。根据粮仓侧面压强与高度的变化关系，当装粮高度H≤10米时，装粮高度增加时侧面单圈压力传感器输出值将与装粮高度H近似正比例变化，因此可利用侧面单圈压力传感器输出值估计粮堆底面压强均值
Figure BDA0001761824030000061
侧面单位面积平均摩擦力
Figure BDA0001761824030000062
以及粮堆高度H。
3.传感器选择与标准差计算
3.1传感器点去除规则
对于如图1所示的筒仓侧面单圈压力传感器布置模型，假设传感器输出值序列QF(s(i))，i＝1,2,...,NS，NS为筒仓侧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 BDA0001761824030000063
Figure BDA0001761824030000064
由传感器输出值序列QF(s(i))和均值
Figure BDA0001761824030000065
计算侧面单圈压力传感器输出值标准差SDMed(s)：
Figure BDA0001761824030000066
其中，
Figure BDA0001761824030000067
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 BDA0001761824030000068
则去除QF(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 BDA0001761824030000069
的标准差SDMed(s)，以消除传感器输出值随机性的影响，并实现侧面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
对于侧面单圈压力传感器输出值序列QF(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QFS(s(i))，i＝1,2,...,NFS，NFS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QFS(s(i))划分为单圈压力传感器的小值传感器输出值序列QFSS(s(i))和大值传感器输出值序列QFSL(s(i))，即：
若
Figure BDA0001761824030000071
则QFS(s(i))∈QFSS(s(i)) (7)
若
Figure BDA0001761824030000072
则QFS(s(i))∈QFSL(s(i)) (8)
则单圈压力传感器的小值传感器输出值序列QFSS(s(i))的均值
Figure BDA0001761824030000073
和标准差SDFSS(s)为：
Figure BDA0001761824030000074
Figure BDA0001761824030000075
其中，NFSS为单圈压力传感器的小值传感器输出值序列QFSS(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QFSL(s(i))的均值
Figure BDA0001761824030000076
和标准差SDFSL(s)为：
Figure BDA0001761824030000077
Figure BDA0001761824030000078
其中，NFSL为单圈压力传感器的大值传感器输出值序列QFSL(s(i))的数据个数。
4.模型项构造
对于图1所示的筒仓侧面单圈压力传感器布置模型，根据粮仓粮堆的力学的特性，令：
Figure BDA0001761824030000079
其中，
Figure BDA00017618240300000710
为侧面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。显然有：
Figure BDA0001761824030000081
Figure BDA0001761824030000082
因此，可以利用
Figure BDA0001761824030000083
构造粮堆底面压强
Figure BDA0001761824030000084
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 BDA0001761824030000085
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 BDA0001761824030000086
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 BDA0001761824030000087
的大小，可以利用这些量构造侧面单位面积平均摩擦力
Figure BDA0001761824030000088
的估计。令：
Figure BDA0001761824030000089
Figure BDA00017618240300000810
其中，IDFS(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 BDA00017618240300000811
的估计项，IMFS(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 BDA00017618240300000812
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 BDA00017618240300000813
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 BDA00017618240300000814
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 BDA00017618240300000815
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 BDA00017618240300000816
相对较小，单圈压力传感器标准差与粮堆重量的线性相关性高，宜采用式(16)所示的IDFS(s)构造
Figure BDA00017618240300000817
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 BDA0001761824030000091
相对较大，单圈压力传感器标准差与粮堆重量的线性相关性低，宜采用式(17)所示的IMFS(s)构造
Figure BDA0001761824030000092
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 BDA0001761824030000093
当粮堆静止角小于40度时，采用本实施例的式(17)来计算IMFS(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IDFS(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模型，采用
Figure BDA0001761824030000101
IDFS(s)多项式构建
Figure BDA0001761824030000102
Figure BDA0001761824030000103
和H的估计为：
Figure BDA0001761824030000104
Figure BDA0001761824030000105
Figure BDA0001761824030000106
其中，bB(m)、bH(j)、bF(n)分别为
Figure BDA0001761824030000107
H和
Figure BDA0001761824030000108
估计项的系数，m＝0,...,NB，j＝0,...,NH，n＝0,...,NF，NB、NH、NF分别为
Figure BDA0001761824030000109
H和
Figure BDA00017618240300001010
估计的多项式阶数。将式(18)至式(20)代入式(3)，则有：
Figure BDA00017618240300001011
整理式(21)，并限制
Figure BDA00017618240300001012
项的最大阶数为NB，限制IDFS(s)项的最大阶数为NF，可以得出：
Figure BDA00017618240300001013
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 BDA00017618240300001014
IDFS(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 BDA00017618240300001015
与IDFS(s)乘积项的最大阶数和为NB+NF。为了限制式(22)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(22)，对第二项按
Figure BDA00017618240300001016
与IDFS(s)乘积项的阶数和Nn+m的升序排序，Nn+m相同时按IDFS(s)阶数由低到高排序，则有：
Figure BDA00017618240300001017
其中，Nn+m为检测模型第二项中
Figure BDA00017618240300001018
与IDFS(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 BDA0001761824030000111
Figure BDA0001761824030000112
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 BDA0001761824030000113
IDFS(s)的多项式粮仓储粮数量检测模型。根据IDFS(s)项的特点，式(23)所示模型适用于稻谷等流动性较低的筒仓储粮数量检测。
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 BDA0001761824030000114
IMFS(s)的
Figure BDA0001761824030000115
和H的估计。可以推出基于
Figure BDA0001761824030000116
IMFS(s)的多项式粮仓储粮数量检测模型如下式所示：
Figure BDA0001761824030000117
其中，Nn+m为检测模型第二项中
Figure BDA0001761824030000118
与IMFS(s)乘积项的阶数和，取值区间为[1,NB+NF]；mb、me取值如式(24)、式(25)所示。
式(26)为所提出的基于
Figure BDA0001761824030000119
IMFS(s)的多项式粮仓储粮数量检测模型。根据IMFS(s)项的特性，该模型适用于小麦等流动性较高的筒仓储粮数量检测。
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
筒仓直径为6m，面积为28.26m2。在筒仓侧面墙均匀布置6个侧面压力传感器，传感器距底面高度为1米。底面均匀布置12个侧面压力传感器。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(26)所示的基于
Figure BDA0001761824030000121
IMFS(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2所示，最大百分比误差为0.00013％。
表1优化后的建模参数
Figure BDA0001761824030000122
表2模型系数aB(m)
Figure BDA0001761824030000123
表3模型系数aF(n,m)
Figure BDA0001761824030000124
表3(续)模型系数aF(n,m)
Figure BDA0001761824030000131
7.2检测实例2
筒仓直径为6m，面积为28.26m2。在筒仓侧面墙均匀布置6个侧面压力传感器，传感器距底面高度为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(23)所示的基于
Figure BDA0001761824030000132
IDFS(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1.47E-5％。
表4优化后的建模参数
Figure BDA0001761824030000133
表5模型系数aB(m)
Figure BDA0001761824030000134
Figure BDA0001761824030000141
表6模型系数aF(n,m)
Figure BDA0001761824030000142
表6(续)模型系数aF(n,m)
Figure BDA0001761824030000143
本发明所提出的基于侧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 BDA0001761824030000151
其中，k为样本点号，k＝1,2,3,...,M，M为样本个数；
Figure BDA0001761824030000152
为第k个样本点的侧面单圈压力传感器输出值序列，i＝1,2,...,NS，NS为筒仓侧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 BDA0001761824030000153
为相应的粮堆底面面积。
当样本数较多时，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(23)所示的基于
Figure BDA0001761824030000154
IDFS(s)的多项式粮仓储粮数量检测模型，可以看出，式(23)所示的基于
Figure BDA0001761824030000155
IDFS(s)的多项式粮仓储粮数量检测模型建模参数包括
Figure BDA0001761824030000156
项的最大阶数NB、IDFS(s)项的最大阶数NF、模型项总数NItem、IDFS(s)项的预设调整系数KSD、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
Figure BDA0001761824030000157
IDFS(s)的多项式粮仓储粮数量检测模型建模。对于式(26)所示的基于
Figure BDA0001761824030000158
IMFS(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(23)或式(26)所示的模型进行粮仓储粮数量检测。

Claims (9)

1.一种基于侧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)检测粮仓侧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 FDA0002905482170000011
估计粮堆底面压强均值
Figure FDA0002905482170000012
构建
Figure FDA0002905482170000013
与
Figure FDA0002905482170000014
的关系；
Figure FDA0002905482170000015
与
Figure FDA0002905482170000016
的关系为：
Figure FDA0002905482170000017
其中，
Figure FDA0002905482170000018
为
Figure FDA0002905482170000019
的估计，bB(m)为
Figure FDA00029054821700000110
估计项的系数，NB为
Figure FDA00029054821700000111
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 FDA00029054821700000112
估计粮堆高度H，构建
Figure FDA00029054821700000113
与H的关系；
Figure FDA00029054821700000114
与H的关系为：
Figure FDA00029054821700000115
其中，
Figure FDA00029054821700000116
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IDFS(s)估计粮堆侧面单位面积平均摩擦力
Figure FDA00029054821700000117
构建单圈压力传感器的大值传感器输出值的均值
Figure FDA00029054821700000118
单圈压力传感器的小值传感器输出值的均值
Figure FDA00029054821700000119
单圈压力传感器的大值传感器输出值的标准差SDFSL(s)、单圈压力传感器的小值传感器输出值的标准差SDFSS(s)与IDFS(s)的关系：
Figure FDA00029054821700000120
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 FDA00029054821700000121
当对应粮堆的散落性大于等于设定标准时，对应的
Figure FDA0002905482170000021
Figure FDA0002905482170000022
与IDFS(s)的关系为：
Figure FDA0002905482170000023
其中，
Figure FDA0002905482170000024
为
Figure FDA0002905482170000025
的估计，bF(n)为
Figure FDA0002905482170000026
估计项的系数，NF为
Figure FDA0002905482170000027
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 FDA0002905482170000028
得出粮仓储粮数量
Figure FDA0002905482170000029
与
Figure FDA00029054821700000210
SDFSL(s)、SDFSS(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 FDA00029054821700000211
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 FDA00029054821700000212
Figure FDA00029054821700000213
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。
3.根据权利要求2所述的一种基于侧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所述的一种基于侧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 FDA00029054821700000214
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。
5.根据权利要求4所述的一种基于侧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 FDA00029054821700000215
的计算方法为：
Figure FDA0002905482170000031
6.根据权利要求5所述的一种基于侧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 FDA0002905482170000032
项的最大阶数为NB，限制IDFS(s)项的最大阶数为NF，得出：
Figure FDA0002905482170000033
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 FDA0002905482170000034
与IDFS(s)乘积项的阶数和Nn+m的升序排序，Nn+m按IDFS(s)阶数由低到高排序，得出：
Figure FDA0002905482170000035
其中，Nn+m为检测模型第二项中
Figure FDA0002905482170000036
与IDFS(s)乘积项的阶数和，取值区间为[1,NB+NF]；
Figure FDA0002905482170000037
8.根据权利要求1所述的一种基于侧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 FDA0002905482170000038
时，对应的
Figure FDA0002905482170000039
当
Figure FDA00029054821700000310
时，对应的
Figure FDA00029054821700000311
其中，KSD为预设调整系数。
9.一种基于侧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。
CN201810910938.5A 2018-08-10 2018-08-10 基于侧面单圈标准差多项式模型的粮仓检测方法及系统 Active CN110823342B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810910938.5A CN110823342B (zh) 2018-08-10 2018-08-10 基于侧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
CN201810910938.5A CN110823342B (zh) 2018-08-10 2018-08-10 基于侧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
CN110823342A CN110823342A (zh) 2020-02-21
CN110823342B true CN110823342B (zh) 2021-04-09

Family

ID=69541704

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810910938.5A Active CN110823342B (zh) 2018-08-10 2018-08-10 基于侧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) CN110823342B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2526830Y (zh) * 2002-02-08 2002-12-18 成都中商高新技术开发有限公司 储粮密度变化监测装置
WO2004000250A1 (en) * 2002-06-21 2003-12-31 Unilever Plc Hair conditioning composition
US6764800B2 (en) * 2000-05-12 2004-07-20 Canon Kabushiki Kaisha Image forming process, and photosensitive member employed therefor
CN101960402A (zh) * 2008-02-29 2011-01-26 费希尔控制国际公司 过程控制参数在预定义的行程段上的估计
CN104296847A (zh) * 2014-04-03 2015-01-21 河南工业大学 一种粮仓、储粮重量检测系统、方法及传感器布置方法
CN104330137A (zh) * 2014-08-14 2015-02-04 河南工业大学 基于检测点压强值序列的粮仓储粮数量检测方法
CN104330138A (zh) * 2014-08-14 2015-02-04 河南工业大学 基于结构自适应检测模型的粮仓储粮数量检测方法
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
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
CN106126801A (zh) * 2016-06-21 2016-11-16 石家庄科宏泵业有限公司 滚动轴承摩擦力矩参数不确定度评估方法
CN106383085A (zh) * 2016-08-26 2017-02-08 北京市道路工程质量监督站 鉴别表面活性剂类温拌沥青的球‑三板摩擦试验方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6764800B2 (en) * 2000-05-12 2004-07-20 Canon Kabushiki Kaisha Image forming process, and photosensitive member employed therefor
CN2526830Y (zh) * 2002-02-08 2002-12-18 成都中商高新技术开发有限公司 储粮密度变化监测装置
WO2004000250A1 (en) * 2002-06-21 2003-12-31 Unilever Plc Hair conditioning composition
CN101960402A (zh) * 2008-02-29 2011-01-26 费希尔控制国际公司 过程控制参数在预定义的行程段上的估计
CN104296847A (zh) * 2014-04-03 2015-01-21 河南工业大学 一种粮仓、储粮重量检测系统、方法及传感器布置方法
CN104330137A (zh) * 2014-08-14 2015-02-04 河南工业大学 基于检测点压强值序列的粮仓储粮数量检测方法
CN104330138A (zh) * 2014-08-14 2015-02-04 河南工业大学 基于结构自适应检测模型的粮仓储粮数量检测方法
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
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
CN106126801A (zh) * 2016-06-21 2016-11-16 石家庄科宏泵业有限公司 滚动轴承摩擦力矩参数不确定度评估方法
CN106383085A (zh) * 2016-08-26 2017-02-08 北京市道路工程质量监督站 鉴别表面活性剂类温拌沥青的球‑三板摩擦试验方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
The effect of food simulating liquids on the static frictional forces and corrosion activity of different types of orthodontic wires;Dalia I.Sherief 等;《Journal of the World Federation of Orthodontists》;20171231;第6卷(第4期);第165-170页 *
数控机床进给系统的摩擦力特性;陈晔 等;《东北大学学报(自然科学版)》;20171231(第7期);第993-997页 *

Also Published As

Publication number Publication date
CN110823342A (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
CN105403294B (zh) 基于多项式展开的粮仓储粮重量检测方法及其装置
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
CN104330137A (zh) 基于检测点压强值序列的粮仓储粮数量检测方法
CN101907481A (zh) 基于压力传感器的粮仓储粮数量检测方法
CN104296847A (zh) 一种粮仓、储粮重量检测系统、方法及传感器布置方法
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
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
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
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
CN110823348B (zh) 基于底面两圈标准差svm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
CN106017625A (zh) 粮仓储粮数量的检测方法及压力传感器
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
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
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
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
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
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

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