CN111308969B - 一种基于时域差分特性的载体运动模态判别方法 - Google Patents

一种基于时域差分特性的载体运动模态判别方法 Download PDF

Info

Publication number
CN111308969B
CN111308969B CN202010049834.7A CN202010049834A CN111308969B CN 111308969 B CN111308969 B CN 111308969B CN 202010049834 A CN202010049834 A CN 202010049834A CN 111308969 B CN111308969 B CN 111308969B
Authority
CN
China
Prior art keywords
sequence
motion mode
time domain
carrier
algorithm
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.)
Expired - Fee Related
Application number
CN202010049834.7A
Other languages
English (en)
Other versions
CN111308969A (zh
Inventor
缪立军
闫景涛
周一览
黄腾超
车双良
舒晓武
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.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
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 Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN202010049834.7A priority Critical patent/CN111308969B/zh
Publication of CN111308969A publication Critical patent/CN111308969A/zh
Priority to US17/151,052 priority patent/US20210240446A1/en
Application granted granted Critical
Publication of CN111308969B publication Critical patent/CN111308969B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
    • G06F7/60—Methods or arrangements for performing computations using a digital non-denominational number representation, i.e. number representation without radix; Computing devices using combinations of denominational and non-denominational quantity representations, e.g. using difunction pulse trains, STEELE computers, phase computers
    • G06F7/64—Digital differential analysers, i.e. computing devices for differentiation, integration or solving differential or integral equations, using pulses representing increments; Other incremental computing devices for solving difference equations
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
    • G06F7/38—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation
    • G06F7/48—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation using non-contact-making devices, e.g. tube, solid state device; using unspecified devices
    • G06F7/52—Multiplying; Dividing
    • G06F7/523—Multiplying only
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32368—Quality control

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Gyroscopes (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于时域差分特性的载体运动模态判别方法，首先对数据进行差分运算，得到差分序列，然后对差分序列分别进行取符号、邻乘、累加运算，最后设定阈值对累加序列进行判断，就可以得到此时载体的运动模态，该方法所涉及算法均在时域中进行，具有算法简单、实时性好、判断准确、鲁棒性好等优点。

Description

一种基于时域差分特性的载体运动模态判别方法
技术领域
本发明涉及智能传感领域，尤其是一种基于时域差分特性的载体运动模态判别方法。
背景技术
随着电子信息技术、光电检测技术、人工智能技术的飞速发展，以可穿戴设备、智能家居、智能制造、移动机器人、无人驾驶等为代表的智能产业得到了迅猛发展。智能仪器、现代传感器是智能产业蓬勃发展和走上应用的硬件基础和基本保障，而运动模态的实时监测对于许多智能应用都至关重要。在高度动态和不可预测的海洋环境里，为了提高水面无人艇自身安全性及执行任务的可靠性，对无人艇运动模态的实时监测很有必要。在无人驾驶系统或汽车的自动巡航系统中，实时可靠的运动模态监测可以在出现异常时及时准确地发现问题，引导系统或驾驶员及时解决问题，保障行车安全。在工业检测或安全领域，通过对传感器模态进行实时判别，可以准确地找出存在的缺陷和隐患，保障产品质量和生产安全。甚至在小至智能手机、智能手环等设备中，也可以通过内置的微加计和微陀螺的运动模态改变来实现运动计步的检测，最大程度地消除作弊行为，并提高计步准确性。因此，运动模态的判别，是智能产业深入发展和广泛应用的一项关键核心技术。本发明提供了一种基于时域差分特性的载体运动模态判别方法，可以很好的满足对载体运动模态实现实时、快速、准确判别的应用需求。
发明内容
为了克服现有技术的不足，本发明提供了一种基于时域差分特性的载体运动模态判别方法，通过对载体运动数据的时域差分特性进行分析和运算，可以实现高效简单、实时、准确的载体运动模态判别。
一种基于时域差分特性的载体运动模态判别方法，它的算法如下，
1)假设某一时间段采集到的数据序列为xi(i＝1、…、k)，对序列xi进行差分，得到序列di(i＝1、…、k)；
2)取序列di的符号得到序列si(i＝1、…、k)，对符号序列进行邻乘，得到序列gi(i＝1、…、k)；
3)取一正整数N，对序列gi做长度为N的累加运算，得到序列zi(i＝1、…、k)；
4)根据N的大小设定阈值T1和T2，即可进行运动模态判别。
步骤1)所述的差分序列的计算方法为：
Figure BDA0002369135000000021
其中，m取值一般为2～10。
步骤2)所述的取符号算法为：
Figure BDA0002369135000000022
步骤2)所述的邻乘算法为：
Figure BDA0002369135000000023
其中，p取值一般为2～10。
步骤3)所述的累加算法为：
Figure BDA0002369135000000024
其中，N的取值一般为20～80。
步骤4)所述的运动模态判别方法为
Figure BDA0002369135000000025
T1、T2的取值与N及数据特性有关，T1、T2一般取值为N/4～3N/4，且T1<T2。
本发明的有益效果：在时域中对载体的运动数据进行数据特性分析，巧妙地利用了差分特性，可以简单高效、准确地实现了载体运动模态的实时判别。
附图说明
图1是示例信号图；
图2是累加序列图。
具体实施方式
以下结合附图和实施例对本发明做进一步的阐述。
一种基于时域差分特性的载体运动模态判别方法，其特征在于它的算法如下，
1)假设某一时间段采集到的数据序列为xi(i＝1、…、k)，对序列xi进行差分，得到序列di(i＝1、…、k)；
2)取序列di的符号得到序列si(i＝1、…、k)，对符号序列进行邻乘，得到序列gi(i＝1、…、k)；
3)取一正整数N，对序列gi做长度为N的累加运算，得到序列zi(i＝1、…、k)；
4)根据N的大小设定阈值T1和T2，即可进行运动模态判别。
载体运动可以使线运动或角运动，对应数据可以是加计或陀螺仪的输出。运动模态包括平稳态和动态，平稳态指的是载体以确定不变的速度或角速度运动，动态指的是载体的速度或角速度以一定规律变化。
步骤1)所述的差分序列的计算方法为：
Figure BDA0002369135000000031
其中，m取值一般为2～10。m取值不宜太大，以免漂移引起模态判别的误差。
步骤2)所述的取符号算法为：
Figure BDA0002369135000000032
步骤2)所述的邻乘算法为：
Figure BDA0002369135000000033
其中，p取值一般为2～10。p取值不宜太大，以免漂移引起模态判别的误差。
步骤3)所述的累加算法为：
Figure BDA0002369135000000034
其中，N的取值一般为20～80。N取值越大，模态判别的延迟越大，系统实时性越大，但判别的准确性越好，反之亦然。N的取值还与系统数据特性有关，若随机性好，则即使N取值较小，也能得到较好的判别准确性，反之亦然。因此，N的取值需综合系统的实时性要求和数据特性确定。
步骤4)所述的运动模态判别方法为
Figure BDA0002369135000000035
T1、T2的取值与N及数据特性有关，T1、T2一般取值为N/4～3N/4，且T1<T2。为降低误判率、提高算法鲁棒性，在判别时设置过渡带，即当zi处于[T1,T2]之间时，判定载体运动模态未发生改变直到zi再次小于T1或大于T2。
本发明在时域中对载体的运动数据进行数据特性分析，通过对载体运动数据的差分特性进行分析和运算，可以实现高效简单、实时、准确的载体运动模态判别。
实施例
为验证本方法的效果，假设一伪随机序列和一正弦序列分别作为平稳态数据和动态数据作为示例信号，数据长度为1000，如图1所示，分别取m＝p＝2，N＝50，得到的累加序列如图2所示，当设定T1＝16.7，T2＝33.3时，从累加序列可以很明显地区分两个运动模态。
上述描述中的实施方案可以进一步组合或者替换，且实施方案仅仅是对本发明的优选实施例进行描述，并非对本发明的构思和范围进行限定，在不脱离本发明设计思想的前提下，本领域中普通技术人员对本发明的技术方案做出的各种变化和改进，均属于本发明的保护范围。本发明的保护范围由所附权利要求及其任何等同物给出。

Claims (6)

1.一种基于时域差分特性的载体运动模态判别方法，其特征在于，它的算法如下，
1)假设某一时间段采集到的数据序列为xi(i＝1、…、k)，对序列xi进行差分，得到序列di(i＝1、…、k)；
2)取序列di的符号得到序列si(i＝1、…、k)，对符号序列进行邻乘，得到序列gi(i＝1、…、k)；
3)取一正整数N，对序列gi做长度为N的累加运算，得到序列zi(i＝1、…、k)；
4)根据N的大小设定阈值T1和T2，即可进行运动模态判别。
2.根据权利要求1所述的方法，其特征在于，步骤1)差分序列的计算方法为：
Figure FDA0002905082830000011
其中，m取值为2～10。
3.根据权利要求1所述的方法，其特征在于，步骤2)取符号算法为：
Figure FDA0002905082830000012
4.根据权利要求1所述的方法，其特征在于，步骤2)邻乘算法为：
Figure FDA0002905082830000013
其中，p取值一般为2～10。
5.根据权利要求1所述的方法，其特征在于，步骤3)累加算法为：
Figure FDA0002905082830000014
其中，N的取值一般为20～80。
6.根据权利要求1所述的方法，其特征在于，步骤4)所述的运动模态判别方法为
Figure FDA0002905082830000015
T1、T2的取值与N及数据特性有关，T1、T2取值为N/4～3N/4，且T1<T2。
CN202010049834.7A 2020-01-16 2020-01-16 一种基于时域差分特性的载体运动模态判别方法 Expired - Fee Related CN111308969B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010049834.7A CN111308969B (zh) 2020-01-16 2020-01-16 一种基于时域差分特性的载体运动模态判别方法
US17/151,052 US20210240446A1 (en) 2020-01-16 2021-01-15 Method for identifying carrier motion mode based on time-domain differential characteristic

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010049834.7A CN111308969B (zh) 2020-01-16 2020-01-16 一种基于时域差分特性的载体运动模态判别方法

Publications (2)

Publication Number Publication Date
CN111308969A CN111308969A (zh) 2020-06-19
CN111308969B true CN111308969B (zh) 2021-04-06

Family

ID=71148899

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010049834.7A Expired - Fee Related CN111308969B (zh) 2020-01-16 2020-01-16 一种基于时域差分特性的载体运动模态判别方法

Country Status (2)

Country Link
US (1) US20210240446A1 (zh)
CN (1) CN111308969B (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RO121497B1 (ro) * 2005-02-09 2007-06-29 Softwin S.R.L. Sistem informatic şi metodă pentru achiziţia, analiza şi autentificarea semnăturii olografe
CN102122345A (zh) * 2011-02-22 2011-07-13 上海大学 基于手部运动变化的指势判别方法
CN102355530A (zh) * 2011-09-27 2012-02-15 周小伟 利用信号强度波动判断移动终端运动状态的方法
CN103679745B (zh) * 2012-09-17 2016-08-17 浙江大华技术股份有限公司 一种运动目标检测方法及装置
CN103955949B (zh) * 2014-04-04 2016-12-07 哈尔滨工程大学 基于Mean-shift算法的运动目标检测方法

Also Published As

Publication number Publication date
US20210240446A1 (en) 2021-08-05
CN111308969A (zh) 2020-06-19

Similar Documents

Publication Publication Date Title
CN110834642B (zh) 车辆跑偏识别方法、装置、车辆及存储介质
CN102393904A (zh) 图像处理装置以及图像处理方法
CN1940570A (zh) 用于在个人导航系统中检测脚步的设备和方法
CN112305418B (zh) 一种基于混合噪声双重滤波的电机系统故障诊断方法
CN103925929A (zh) 一种移动目标运动距离统计方法和装置
CN113033463B (zh) 减速带检测方法、装置、电子设备及存储介质
CN105674989A (zh) 一种基于手机内置传感器的室内目标运动轨迹估计方法
CN104459736A (zh) 一种基于重力传感器的gps设备及其漂移处理方法
CN104395944A (zh) 定向车道的识别
CN101006346A (zh) 一种校准的方法和装置
CN112540365A (zh) 一种评估方法、装置、设备及存储介质
CN110174907A (zh) 一种基于自适应卡尔曼滤波的人体目标跟随方法
CN114550450A (zh) 一种验证路侧感知设备感知精度的方法、装置及电子设备
CN116992226A (zh) 一种水泵电机故障检测方法、系统
CN111308969B (zh) 一种基于时域差分特性的载体运动模态判别方法
CN109720353B (zh) 一种基于智能手机的驾驶行为检测方法
CN107392106B (zh) 一种基于双门限的人体活动端点检测方法
CN116501183A (zh) 一种基于多传感器融合的鼠标位移调控方法以及系统
CN114019182B (zh) 零速状态检测方法、装置及电子设备
CN109212260A (zh) 一种运动频率计算方法和装置
US11402403B2 (en) Vehicle detection method
TWI502514B (zh) 電子裝置、位置測量方法及系統
Cao et al. Application oriented testcase generation for validation of environment perception sensor in automated driving systems
CN112334067A (zh) 用于提供人员的步数的求取方法的方法
CN201757786U (zh) 一种基于微磁传感的定姿监测系统

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210406

Termination date: 20220116

CF01 Termination of patent right due to non-payment of annual fee