CN111102950A - 一种位移检测传感器采样频率与检测准确度设计方法 - Google Patents

Abstract

本发明公开了一种位移检测传感器采样频率与检测准确度设计方法，为求解最优采样频率，本发明考虑到有限电量供应场景，在采样频率与采集准确度的线性和非线性关系条件下，构建了以满足采样准确度为前提的最优生存时间模型，为有效衡量采集准确度对采样频率的响应关系，本发明设计了基于最小二乘的关系拟合方法，通过线性优化方法，本发明给出了在以上生存时间模型下，传感器节点的最优采样频率表达，从而实现了一种能效最大化的优化求解方法。采用该方法能够在不影响采样准确度的前提下，得到传感器的最优采样频率，从而尽可能地提高传感器的电池使用时间，降低更换频次，节约成本。

Description

一种位移检测传感器采样频率与检测准确度设计方法

技术领域

本发明涉及信号处理领域，尤其是涉及一种位移检测传感器采样频率与检测准确度设 计方法。

背景技术

位移检测在很多行业中具有重要作用，在对诸如公路滑坡和铁塔的安全事故前期报警 中，位移的自动检测是一种很有前景的办法。在当前流行方法中，一般都是靠人工巡检完 成检测，这种方式一般存在效率低、漏检率高、时效性差等缺点。由于位移检测具有的重 要作用，业界对相关技术进行了研究。如：

公开文件“王剑，输电铁塔振动检测传感器优化布置与结构状态参数分析，华北电力 大学，博士论文，2017”，研究了一种基于NSGA-II的多维范数方法，对传感器进行优化布置以有效检测铁塔的振动问题；

公开文件“徐博，杨景胜，百强等，基础位移作用下铁塔力学特性及设计方案研究，电力勘测设计，1：54-58，2018”，]研究了在铁塔基础发生位移时，塔杆内力的变化规律。

公开文件“王年孝，输电杆塔基础的灾变检测与预警系统研发，工艺与技术，94-95,2015”， 介绍了一种风雨载荷下杆塔基础的预警模型；

公开文件“李虎威，李升来，李慧，电力杆塔倾斜预警装置的涉及与研究，广东电力， 24(2)：56-59,2011”，针对煤矿采空区电力杆塔稳定性差的问题，设计了一种基于DSP2812 的倾斜测量装置。

以上研究大都基于某种检测量值对铁塔的状态进行建模，很少有研究如何检测铁塔位 移量的报道；在位移检测中，一般依靠电池供电，这种传感器节点的设计原则主要有两方 面：信息检测和低功耗设计。传感器信息检测的过程和较高的检测准确度均需要传感器节 点耗费大量电量予以支撑。随着未来物联网网络节点规模的不断增大，为这种以电池形式 供电的物联网设备充电或者更换电池是一个耗费巨大人力和财力的工作。因而，位移检测 场景中传感器节点的低功耗设计过程不可避免。同时，为了提高传感器节点在环境中的检 测准确度，尤其针对实时情况的处理，需要加大信息检测频率，从而使得进一步增大能量 消耗。因此，传感器节点的能耗将面临跷跷板效应，即信息检测频率和低功耗设计的折中 选择。

发明内容

本发明的目的是设计了一种基于最小二乘的关系拟合方法，通过线性优化方法，给出了 在生存时间模型下，传感器节点的最优采样频率表达式，通过在铁塔中的试用表明，该位 移检测节点能够有效解决铁塔在线倾斜检测和摆幅检测，能够为铁塔的健康检测提供长期 现场数据。

为了实现上述目的，本发明采用如下技术方案：

一种位移检测传感器采样频率与检测准确度设计方法，包括以下步骤：

步骤一：模型构建

假设每个传感器检测节点电池的总能量为E_sum，在休眠期节点自身的基本能量消耗为 p_B，每次唤醒后执行某种动作所需消耗的能量为p_AD，假定节点的生存时间为T，则节点的 能量应满足能量守恒定理：

p_B·T+p_AD·t_AD·N_AD≤E_sum

其中，t_AD为传感器节点采样所需的时间间隔，N_AD代表在生存周期内节点唤醒采集传 感器信息的次数，其与生存时间T存在以下等式关系：

N_AD＝T/t_f

其中t_f表示传感器数据采样间隔，

假设检测准确度σ与检测频率f_AD存在如下函数关系：

σ＝G(|f_AD|)∈[0,1]

基于以上采样频率|f_AD|与检测准确度σ的关系，设置检测准确度阈值约束σ≥σ_th，最优 采样间隔进行如下建模：

subject to:

步骤二：模型求解

在线性关系下，检测准确度σ应与检测频率f_AD成正相关，即：

最优采样间隔可通过最优采样间隔优化模型求得最优解：

subject to:

通过分析可知，以上优化模型是一种典型的线性规划，可通过线性规划直接给出最优 采样间隔的最优表达式；

在非线性关系中，传感器节点需要通过实际|f′_AD|和σ'的离散点对，预估非线性关系G的 表现形式G＝β₁log₂(|f_AD|+β₂)，通过最小二乘法求解

得到非线性关系下的最优 采样间隔求解模型：

subject to:

在上述技术方案中，检测频率和检测准确度关系分析应用最小二乘法来逼近和表现环境 事件的发生，具体流程如以下：

第一步，采用归一化采样频率|f_AD|与检测准确度σ建立离散图形关系；

第二步，猜测归一化采样频率|f_AD|与检测准确度σ的关系为σ＝G'(|f_AD|,β)，其中β为 关系函数G’中的待求系数；

第三步，根据实际|f′_AD|和G’可得到猜测函数下的检测准确度σ＝G'(|f′_AD|,β)，并将其 与实际σ'进行比较，求出两者间的误差函数S＝||σ'-G'(|f′_AD|,β)||²；

第四步，为了使猜测函数G’更好地接近实际σ'，对残差和函数S进行β最小求解，即优化

综上所述，由于采用了上述技术方案，本发明的有益效果是：

采用该方法能够在不影响采样准确度的前提下，得到传感器的最优采样频率，从而尽可 能地提高传感器的电池使用时间，降低更换频次，节约成本。

附图说明

本发明将通过例子并参照附图的方式说明，其中：

图1是采样频率fAD与检测准确度σ间的关系图；

图2是归一化采样频率|fAD|与检测准确度σ的关系分析框图；

图3是归一化采样频率|fAD|与检测准确度σ的非线性图例；

图4是最小二乘方法求解采样频率|fAD|与检测准确度σ间的关系；

图5是传感器检测节点工作流程示意图；

图6是线性关系下的最优采样间隔求解；

图7是非线性关系下的最优采样间隔求解；

图8是位移距离-概率分布分布图。

具体实施方式

本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特 征和/或步骤以外，均可以以任何方式组合。

假设每个传感器检测节点电池的总能量为E_sum，在休眠期节点自身的基本能量消耗为 p_B(单位：瓦特/秒)，每次唤醒后执行某种动作(如采集位移)所需消耗的能量为p_AD(单位：瓦特/秒)。假定节点的生存时间(从初始配置到节点能量耗尽消亡的间隔)为T(单位：秒)。则节点的能量应满足能量守恒定理：

p_B·T+p_AD·t_AD·N_AD≤E_sum

其中，t_AD为传感器节点采样所需的时间间隔。N_AD代表在生存周期内节点唤醒采集传 感器信息的次数，其与生存时间T存在以下等式关系：

N_AD＝T/t_f

其中t_f(单位：秒)表示传感器数据采样间隔，亦是指前文的节点唤醒周期。

为了尽量延长传感器节点的生存时间，t_f应越大越好。但是，t_f越大，信息检测频率f_AD越小，传感器节点的检测实时性(即检测/预警准确度)就会越差。假设检测准确度σ与检测 频率f_AD存在如下函数关系：

σ＝G(|f_AD|)∈[0,1]。

如图1所示，检测准确度σ与检测频率f_AD均被归一化处理，其中

为最低采样频率(最大AD采样时间间隔)。它们之间的关系可直观地被分为两大类：线性 关系和非线性关系。理论上讲，检测准确度σ应与检测频率f_AD成正相关，即：

其中，f_AD＝1/t_f，α为常数。实际上，检测准确度σ尽 量覆盖环境事件的突发频次。因此，检测准确度σ应与检测频率|f_AD|存在非线性关系。为 了较好地将G的表现形式反映环境事件的发生。本文采用如图2所示的工作流程，检测频 率和检测准确度关系分析应用最小二乘法来逼近和表现环境事件的发生。例如在如图3所 示的检测频率探测和检测准确度散点关系下，利用图4所示的最小二乘法得到非线性关系 G的表达式，其具体算法流程如以下算法流程所示：

第一步，根据图2所示的工作流程，观察归一化采样频率|f_AD|与检测准确度σ的离散 图形关系；

第二步，猜测归一化采样频率|f_AD|与检测准确度σ的关系为σ＝G'(|f_AD|,β)，其中β为 关系函数G’中的待求系数；

第三步，根据实际|f′_AD|和G’可得到猜测函数下的检测准确度σ＝G'(|f′_AD|,β)，并将其与 实际σ'进行比较，求出两者间的误差函数S＝||σ'-G'(|f′_AD|,β)||²；

第四步，为了使猜测函数G’更好地接近实际σ'，对残差和函数S进行β最小求解，即优化

基于以上采样频率|f_AD|与检测准确度σ的关系，为了保障传感器节点的检测准确度，设 置了检测准确度阈值约束σ≥σ_th。因此，在保障检测准确度的前提下，本文对最优采样间隔 进行如下建模：

subject to:

通过以上最优采样间隔优化模型，可以在采样频率f_AD与检测准确度σ的关系约束下， 保障传感器节点的检测准确度。综上，传感器检测节点的整个工作流程如图5所示。

基于图5的工作流程，本文分别针对采样频率f_AD与检测准确度σ的线性关系和非线性 关系进行最优采样间隔优化分析：

●线性关系

在线性关系下，检测准确度σ应与检测频率f_AD成正相关，即：

最优采样间隔可通过最优采样间隔优化模型求得最优解：

subject to:

通过分析可知，以上优化模型是一种典型的线性规划，可通过线性规划直接给出最优 采样间隔的最优表达式。其具体过程如图6所示。在约束条件(c1)和(c2)的约束下，可以看出以上最优采样间隔优化模型的解集在(c1)和(c2)交叉处(即方格阴影部分)。 若要在此空间中最优求解生存时间T，可以看出阴影部分的顶点处即为最优解。通过求解约束条件(c1)和(c2)的交点即可求出最优采样间隔f_AD。

●非线性关系

在非线性关系中，传感器节点需要通过实际|f′_AD|和σ'的离散点对，预估非线性关系G的 表现形式。因此，本文通过设置在环境中的传感器节点，极限探测实际|f′_AD|和σ'的离散点对 数值，其表现形式如所示。从图中可以看出，非线性关系G与对数函数具有极高的相似性。 因而，本文大胆猜测非线性关系为G＝β₁log₂(|f_AD|+β₂)。通过最小二乘法(如算法所示)， 求解

从而，可以得到非线性关系下的最优采样间隔求解模型：

subject to:

如同线性关系中的最优采样间隔分析，非线性关系中同样可以通过类似的方法分析得 出最优解，如图7所示。

通过以上采样间隔和采样精准度关系的分析，可以直观地给出两种情况下的最优采样 间隔t_f(＝1/f_AD)和系统最优生存时间T的表达：

表1采样间隔和采样精准度不同关系条件下的最优采样间隔和生存时间表达式

为验证以上模型和最优化方案的有效性，本文将该方案应用到实际的铁塔位移检测环境 中。在通信铁塔上端(约离地面25米处)，安放位移传感器(图中圆圈所示)。其中，传感 器模块的基本供电电压为3.6伏，其余设计参数如表所示。

表2传感器模块的基本设计参数

在如上实际铁塔位移检测用例下，本文通过设置最优化生存模型中的最优采样频率，以 原始位移距离-概率分布为基准，对比了在采样频率和采集准确度存在线性和非线性关系下 的位移距离-概率分布。如所示，由于环境的波动性，线性关系表达对于原始数据分布而言， 误差较大。而非线性关系能更好地表征环境，逼近原始位移距离-概率分布。

同理，在以上实际铁搭位移检测用例实施方案下的最优采样频率和生存时间为：

表3采样间隔和采样精准度不同关系条件下的最优采样间隔和生存时间

本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征 或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。

Claims (2)

1.一种位移检测传感器采样频率与检测准确度设计方法，其特征在于包括以下步骤：

步骤一：模型构建

假设每个传感器检测节点电池的总能量为E_sum，在休眠期节点自身的基本能量消耗为p_B，每次唤醒后执行某种动作所需消耗的能量为p_AD，假定节点的生存时间为T，则节点的能量应满足能量守恒定理：

p_B·T+p_AD·t_AD·N_AD≤E_sum

其中，t_AD为传感器节点采样所需的时间间隔，N_AD代表在生存周期内节点唤醒采集传感器信息的次数，其与生存时间T存在以下等式关系：

N_AD＝T/t_f

其中t_f表示传感器数据采样间隔，

假设检测准确度σ与检测频率f_AD存在如下函数关系：

σ＝G(|f_AD|)∈[0,1]

基于以上采样频率|f_AD|与检测准确度σ的关系，设置检测准确度阈值约束σ≥σ_th，最优采样间隔进行如下建模：

步骤二：模型求解

在线性关系下，检测准确度σ应与检测频率f_AD成正相关，即：

最优采样间隔可通过最优采样间隔优化模型求得最优解：

通过分析可知，以上优化模型是一种典型的线性规划，可通过线性规划直接给出最优采样间隔的最优表达式；

在非线性关系中，传感器节点需要通过实际|f'_AD|和σ'的离散点对，预估非线性关系G的表现形式G＝β₁log₂(|f_AD|+β₂)，通过最小二乘法求解

得到非线性关系下的最优采样间隔求解模型：

2.根据权利要求1所述的一种位移检测传感器采样频率与检测准确度设计方法，其特征在于检测频率和检测准确度关系分析应用最小二乘法来逼近和表现环境事件的发生，

具体流程如以下：

第一步，采用归一化采样频率|f_AD|与检测准确度σ建立离散图形关系；

第二步，猜测归一化采样频率|f_AD|与检测准确度σ的关系为σ＝G'(|f_AD|,β)，其中β为关系函数G’中的待求系数；

第三步，根据实际|f'_AD|和G’可得到猜测函数下的检测准确度σ＝G'(|f'_AD|,β)，并将其与实际σ'进行比较，求出两者间的误差函数S＝||σ'-G'(|f'_AD|,β)²；

第四步，为了使猜测函数G’更好地接近实际σ'，对残差和函数S进行β最小求解，即优化

Images