CN111024569A - 一种磨粒检测传感器的标定方法及其存储介质 - Google Patents

Abstract

本发明公开了一种磨粒检测传感器的标定方法及其存储介质，涉及油液磨粒监测领域。包括以下步骤：首先对基于电磁式磨粒检测传感器采集到的电压信号X(n)，进行去直流偏移和取模处理得到信号|X(n)|；接着使用极大值法计算信号|X(n)|的上包络，取包络线的中位数作为区分磨粒信号和背景噪声的阈值Ts。并将阈值Ts以下的信号全部置0，阈值Ts以上的值计算其平方。然后将计算所有数据之和，得到磨粒信号的能量P。在同一浓度多次采样信号并分别计算其能量，得到能量序列P(n)并对能量序列P(n)进行筛选并计算该筛选后的能量序列的调和平均数。最后通过最小二乘法拟合得到能量与浓度之间的关系，并通过线性度标定磨粒检测传感器的有效性。本方法标定方法计算简单，并提高了标定的效率。

Description

一种磨粒检测传感器的标定方法及其存储介质

技术领域

本发明属于设备油液磨粒监测领域，具体涉及一种磨粒检测传感器的标定方法及其存储介质。

背景技术

近年来，随着机械自动化水平的不断提高，生产效率得到了极大的提升，但是，在满足高效率的机械生产的同时，又不得不考虑随之而产生的新的问题——机械磨损。由于机械设备的工作时间、工作强度以及自身材质等因素的不同，在机械设备运行过程中会产生不同程度上的磨损。这些不同程度上的磨损会带来不同程度的危害：轻则影响工作效率以及工作精度；重则会是机械报废甚至造成生产事故。由于磨损产生的磨粒携带着大量有关磨损程度的有效信息，因此，对油液信号中金属磨粒的参数的分析对于机械设备工作状态的评估以及寿命的预测有着重大的意义。

现今使用最广泛的油液信号分析方法—磨粒计数法，其基本思路为：对采样信号进行滤波处理以去除电压信号中的背景噪声，然后统计磨粒信号的个数以及幅值大小来确定磨粒的浓度。用磨粒计数法来标定电磁式磨粒检测传感器，由于滤波会将油液中的颗粒信号当作背景噪声去除掉，因此线性度不高。为此，提出了一个新的磨粒检测传感器标定方法。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种用于简便，快速，直观地估算油液中的磨粒浓度的方法。本发明的技术方案如下：

一种磨粒检测传感器的标定方法，其包括以下步骤：

首先基于电磁式磨粒检测传感器采集电压信号X(n)，并对采集到的电压信号 X(n)进行去直流偏移和取模处理得到信号|X(n)|；

接着使用极大值法计算信号|X(n)|的上包络，取包络线的中位数作为区分磨粒信号和背景噪声的阈值Ts，并将阈值Ts以下的信号全部置0，阈值Ts以上的值计算其平方为X_n；

然后将计算的阈值Ts以上的数据X_n求和，得到磨粒信号的能量P，为了排除磨粒随机通过传感器所引入的误差以及极值对结果的影响，在同一浓度多次采样信号并分别计算其能量，得到能量序列P(n)，并对能量序列P(n)进行筛选并计算该筛选后的能量序列的调和平均数；

最后通过最小二乘法拟合得到能量与浓度之间的关系，并通过线性度标定磨粒检测传感器的有效性。

进一步的，所述基于电磁式磨粒检测传感器采集电压信号X(n)具体包括：

用电磁传感器采集油液中磨粒的电压信号，得到长度为n点的采样信号 X(n):

X(n)＝{X₁,X₂,...,X_(n-1)，X_(n)}

其中n＝fs×t；

式中：n表示信号的采样点数，fs表示信号的采样频率，t表示信号的采样时间。

进一步的，所述对采集到的电压信号X(n)进行去直流偏移和取模处理得到信号|X(n)|，取模处理使得在X轴下方的信号对称到X轴上方，具体包括：

计算采集到的电压信号的平均值，用每个采样点的值减去平均值得到一组零均值信号X₀(n)，对零均值信号的每个数据点求绝对值得到取模信号|X(n)|。

进一步的，所述使用极大值法计算信号|X(n)|的上包络，具体步骤为：

取点：在取模信号|X(n)|上，每隔2000个数据点取一个极大值点。

插值：在所取得极大值点之间使用三次样条插值法插值，使得插值所得的数据长度等于采样点数，从而得到包络线数组M{n}。

取包络线的中位数作为区分磨粒信号和背景噪声的阈值Ts：

Ts＝Median(M{n})

并将阈值Ts以下的信号全部置0，阈值Ts以上的数据计算其平方X_n：

进一步的，所述将计算的阈值Ts以上的数据X_n求和，得到磨粒信号的能量P，具体包括：

根据求得的阈值Ts，将阈值Ts以下的背景噪声全部置0，将阈值Ts以上的磨粒信号计算其平方，然后求和记为能量P；

进一步的，所述在同一浓度多次采样信号并分别计算其能量，得到能量序列P(n)，并对该序列进行筛选处理，具体步骤为：

(6-1)排序：对于同一浓度的多组数据进行能量计算所得的一组能量数据 P(n)＝{P₁,P₂,...,P_(n-1),P_(n)}，将能量数据以降序或升序排列，得到能量序列 Q(n)＝{Q₁,Q₂,...,Q_(n-1),Q_(n)}；

(6-2)化奇：判断数据个数的奇偶；若为奇，转到步骤(6-3)；若为偶，则去掉距离能量序列的中位数最远的数据，再进行下一步操作；

(6-3)筛选：分别计算Q₁，Q₂，Q_(n-1)和Q_(n)到中位数的距离S₁，S₂，S_(n-1)和S_(n)；将S₁与S_(n)以及S₂与S_(n-1)进行比较，去掉较大的两个值，重复此过程，直至剩余数据量为原始数据总量的百分之六十；

(6-4)计算筛选后的数据的调和平均数：

进一步的，所述利用最小二乘法对磨粒浓度与筛选后能量序列的调和平均数进行线性拟合，得到磨粒浓度与磨粒能量之间的线性度k：

式中：c表示磨粒浓度，q表示磨粒能量；

并通过线性度来标定磨粒传感器检测磨粒浓度的有效性，线性度越高磨粒传感器对磨粒浓度的检测就越有效。

一种存储介质，该存储介质内部存储计算机程序，其所述计算机程序被处理器读取时，执行上述任一项的方法。

本发明的优点及有益效果如下：

(1)对于不同时段地信号而言，其直流偏移量存在着细微的差别，而在进行能量计算时，这些差别会被放大，从而给计算结果引入误差；因此，在计算能量之前应先求采样信号的直流偏移量并减去。

(2)对去直流偏移的信号进行取模处理，使得在X轴下方的信号对称到X 轴上方，从而时候在求阈值时只需求取一个阈值。并且使得X轴上方的数据量增加，提升了所求阈值地可靠性，减少了因为阈值而引入的误差。

(3)极大值包络能反映数据幅值的变化情况。

(4)中位数具有较强的代表性，它不受该组数据的极值的影响，且部分数据的变动不会对其造成影响，故当一组数据中的个别数据变动较大时，常用它来描述这组数据的集中趋势。

(5)选用阈值作为标准来区分磨粒信号与背景噪声，避免了繁琐的滤波过程。

能量指标计算简便，能直观且更贴近实际的反映油液中磨粒浓度的变化。

附图说明

图1是本发明提供优选实施例是电磁式磨粒检测传感器标定方法流程图；

图2是电磁传感器采集到的电压信号图；

图3是去掉直流偏移并取模后的电压信号图；

图4是电压信号的包络和阈值的局部放大图；

图5是能量序列筛选算法流程图；

图6是能量与磨粒浓度之间线性拟合结果图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。

本发明解决上述技术问题的技术方案是：

本发明的目的在于提出一种电磁式润滑油磨粒浓度指标及标定方法，用于简便，快速，直观地估算油液中的磨粒浓度。具体如下：

S1：采集信号：

用电磁传感器采集油液中磨粒的电压信号，得到长度为n点的采样信号 X(n):

X(n)＝{X₁,X₂,...,X_(n-1)，X_(n)}

其中n＝fs×t；

式中：n表示信号的采样点数，fs表示信号的采样频率，t表示信号的采样时间；

S2:去直流偏移并取模：

对步骤S1得到的采样信号X(n)进行去直流偏移以及取模处理，得到电压信号|X(n)|：

其优点在于：

(1)对于不同时段地信号而言，其直流偏移量存在着细微的差别，而在进行能量计算时，这些差别会被放大，从而给计算结果引入误差；因此，在计算能量之前应先求采样信号的直流偏移量并减去。

(2)对去直流偏移的信号进行取模处理，使得在X轴下方的信号对称到X 轴上方，从而时候在求阈值时只需求取一个阈值。并且使得X轴上方的数据量增加，提升了所求阈值地可靠性，减少了因为阈值而引入的误差。

S4：计算阈值：

根据步骤S3得到的电压信号|X(n)|，为了分离磨粒信号与背景噪声，利用极大值法|X(n)|找出的包络，取包络的中位数作为该组电压信号的阈值，以阈值作为区分磨粒信号与背景噪声的标准；

其优点在于：

(1)极大值包络能反映数据幅值的变化情况。

(2)中位数具有较强的代表性，它不受该组数据的极值的影响，且部分数据的变动不会对其造成影响，故当一组数据中的个别数据变动较大时，常用它来描述这组数据的集中趋势。

(3)选用阈值作为标准来区分磨粒信号与背景噪声，避免了繁琐的滤波过程。

S5：计算能量：

根据步骤S4所求得的阈值Ts，将阈值Ts以下的背景噪声全部置0，将阈值Ts 以上的磨粒信号计算其平方，然后求和记为能量P；

其优点在于：

能量指标计算简便，能直观且更贴近实际的反映油液中磨粒浓度的变化。

S6:数据筛选

为了排除磨粒随机通过传感器所引入的误差以及极值对结果的影响，在同一浓度多次采样信号并分别计算其能量，得到能量序列P(n)，并对该序列进行筛选处理。其具体步骤为：

(6-1)排序：对于同一浓度的多组数据进行能量计算所得的一组能量数据 P(n)＝{P₁,P₂,...,P_(n-1),P_(n)}，将其以降序(或升序)排列，得到能量序列 Q(n)＝{Q₁,Q₂,...,Q_(n-1),Q_(n)}；

(6-2)化奇：判断数据个数的奇偶；若为奇，转到步骤(6-3)；若为偶，则去掉距离能量序列的中位数最远的数据，再进行下一步操作；

(6-3)筛选：分别计算Q₁，Q₂，Q_(n-1)和Q_(n)到中位数的距离S₁，S₂，S_(n-1)和 S_(n)；将S₁与S_(n)以及S₂与S_(n-1)进行比较，去掉较大的两个值，重复此过程。直至剩余数据量为原始数据总量的百分之六十。

(6-4)计算筛选后的数据的调和平均数

具体实施例如下：首先搭建了实验装置，并配置了磨粒浓度为0ppm、20ppm、30ppm、40ppm、50ppm、60ppm、70ppm、80ppm的油液。将激励电流大小设置为0.3A，蠕动泵的流量设置为150ml/min。此外，在不同油液浓度下，分别采集了25组数据。下面将结合附图对本发明的具体实施方式以及工作原理作进一步详细说明：

S1：采集信号：

信号的采样频率设置为fs＝25000，每一组采样时间t＝240s。因此，采集得到磨粒检测传感器的输出信号X(n)的长度为6000000点。

X(n)＝{X₁,X₂,…,X_(n-1₎,X_(n)}

S2:去直流偏移并取模：

计算出输出信号的平均值，并使该组信号的每一个值均减去该值，得到去除直流偏量的电压信号。接着，对所得的电压信号进行取模处理，得到电压信号|X(n)；

S3：计算阈值：

根据步骤S2得到的电压信号|X(n)|，每隔2000个采样点取一个最大值，利用三次样条数据插值法作一条光滑的曲线，该曲线即为极大值包络线。将该包络线的中位数设定为阈值Ts。

S4：计算能量：

将步骤S2所得的电压信号与步骤S3所得的阈值Ts进行比较，将小于阈值Ts 的信号当作背景噪声，全部置0，大于阈值Ts的信号当作磨粒信号，全部平方，然后求得所有信号的和。

S5:数据筛选

为了排除磨粒随机通过传感器所引入的误差以及极值对结果的影响，在同一浓度多次采样信号并分别计算其能量，得到能量序列P(n)

P(n)＝{P₁,P₂,…,P_(n-1),P_(n)}

将该组数据降序(或升序)排列,得到能量序列Q(n)。首先，判断该能量数据的个数是否为奇数，若为奇数，则直接进行筛选步骤，若为偶数，则首先需要去掉距离中位数最远的实验数据。由于本实验数据量大小为25，因此直接进入筛选。分别计算Q₁,P₂，P_(n-1)和P_(n)到中位数的距离S₁,S₂,S_(n-1)和S_(n)，将与S₁， S_(n)以及S₂与S_(n)进行比较，去掉较大的两个值，重复此过程，直至剩余数据量为百分之六十，及剩余数据量为15。

S6：线性拟合：

计算筛选后的数据的调和平均值，将其作为该浓度的能量。然后通过线性拟合得到不同浓度下磨粒信号的能量与浓度的线性度。实验结果表明，此次实验所用磨粒检测传感器的线性度为0.985，能够有效地、线性地反映油液中磨粒浓度的变化。

以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (8)

1.一种磨粒检测传感器的标定方法，其特征在于，包括以下步骤：

首先基于电磁式磨粒检测传感器采集电压信号X(n)，并对采集到的电压信号X(n)进行去直流偏移和取模处理得到信号|X(n)|；

接着使用极大值法计算信号|X(n)|的上包络，取包络线的中位数作为区分磨粒信号和背景噪声的阈值Ts，并将阈值Ts以下的信号全部置0，阈值Ts以上的值计算其平方，得到新的数据序列w(n)；

然后将计算得到的新序列w(n)求和，得到磨粒信号的能量P，为了排除磨粒随机通过传感器所引入的误差以及极值对结果的影响，在同一浓度多次采样信号并分别计算其能量，得到能量序列P(n)，并对能量序列P(n)进行筛选并计算该筛选后的能量序列的调和平均数；

最后通过最小二乘法拟合得到能量与浓度之间的关系，并通过线性度标定磨粒检测传感器的有效性。

2.根据权利要求1所述的磨粒检测传感器的标定方法，其特征在于，所述基于电磁式磨粒检测传感器采集电压信号X(n)具体包括：

用电磁传感器采集油液中磨粒的电压信号，得到长度为n点的采样信号X(n):

X(n)＝{X₁,X₂,...,X_(n-1)，X_(n)}

其中n＝fs×t；

式中：n表示信号的采样点数，fs表示信号的采样频率，t表示信号的采样时间。

3.根据权利要求2所述的磨粒检测传感器的标定方法，其特征在于，所述对采集到的电压信号X(n)进行去直流偏移和取模处理得到信号|X(n)|，取模处理使得在X轴下方的信号对称到X轴上方，具体包括：

计算采集到的电压信号的平均值，用每个采样点的值减去平均值得到一组零均值信号X₀(n)，对零均值信号的每个数据点求绝对值得到取模信号|X(n)|。

4.根据权利要求2所述的磨粒检测传感器的标定方法，其特征在于，所述使用极大值法计算信号|X(n)|的上包络，具体包括：

(4-1)取点：在取模信号|X(n)|上，每隔2000个数据点取一个极大值点；

(4-2)插值：在所取得极大值点之间使用三次样条插值法插值，使得插值所得的数据长度等于采样点数，从而得到包络线数组；

取包络线的中位数作为区分磨粒信号和背景噪声的阈值Ts：

Ts＝Median(M{n})

并将阈值Ts以下的信号全部置0，阈值Ts以上的值计算其平方X_n：

5.根据权利要求4所述的磨粒检测传感器的标定方法，其特征在于，所述将计算的阈值Ts以上的数据X_n求和，得到磨粒信号的能量P，具体包括：

根据求得的阈值Ts，将阈值Ts以下的背景噪声全部置0，将阈值Ts以上的磨粒信号计算其平方，然后求和记为能量P；

6.根据权利要求5所述的磨粒检测传感器的标定方法，其特征在于，

所述在同一浓度多次采样信号并分别计算其能量，得到能量序列P(n)，并对该序列进行筛选处理，具体步骤为：

(6-1)排序：对于同一浓度的多组数据进行能量计算所得的一组能量数据P(n)＝{P₁,P₂,...,P_(n-1),P_(n)}，将能量数据以降序或升序排列，得到能量序列Q(n)＝{Q₁,Q₂,...,Q_(n-1),Q_(n)}；

(6-2)化奇：判断数据个数的奇偶；若为奇，转到步骤(6-3)；若为偶，则去掉距离能量序列的中位数最远的数据，再进行下一步操作；

(6-3)筛选：分别计算Q₁，Q₂，Q_(n-1)和Q_(n)到中位数的距离S₁，S₂，S_(n-1)和S_(n)；将S₁与S_(n)以及S₂与S_(n-1)进行比较，去掉较大的两个值，重复此过程，直至剩余数据量为原始数据总量的百分之六十；

(6-4)计算筛选后的数据的调和平均数：

7.根据权利要求6所述的磨粒检测传感器的标定方法，其特征在于，

所述利用最小二乘法对磨粒浓度与筛选后能量序列的调和平均数进行线性拟合，得到磨粒浓度与磨粒能量之间的线性度k：

式中：c表示磨粒浓度，q表示磨粒能量；

并通过线性度来标定磨粒传感器检测磨粒浓度的有效性，线性度越高磨粒传感器对磨粒浓度的检测就越有效。

8.一种存储介质，该存储介质内部存储计算机程序，其特征在于，所述计算机程序被处理器读取时，执行上述权利要求1～7任一项的方法。

Images