CN111368718A - 一种电动升降桌利用小波模极大值遇阻判定方法 - Google Patents
一种电动升降桌利用小波模极大值遇阻判定方法 Download PDFInfo
- Publication number
- CN111368718A CN111368718A CN202010139067.9A CN202010139067A CN111368718A CN 111368718 A CN111368718 A CN 111368718A CN 202010139067 A CN202010139067 A CN 202010139067A CN 111368718 A CN111368718 A CN 111368718A
- Authority
- CN
- China
- Prior art keywords
- wavelet
- maximum
- point
- scale
- modulus
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000001914 filtration Methods 0.000 claims abstract description 6
- 230000009466 transformation Effects 0.000 claims abstract description 6
- 230000008569 process Effects 0.000 claims description 19
- 238000009499 grossing Methods 0.000 claims description 6
- 230000014509 gene expression Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 14
- 238000001514 detection method Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 235000009413 Ratibida columnifera Nutrition 0.000 description 2
- 241000510442 Ratibida peduncularis Species 0.000 description 2
- 230000009429 distress Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241000237976 Conus striatus Species 0.000 description 1
- 206010050296 Intervertebral disc protrusion Diseases 0.000 description 1
- 206010050031 Muscle strain Diseases 0.000 description 1
- 206010040925 Skin striae Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003028 elevating effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 201000000585 muscular atrophy Diseases 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 208000029761 vertebral disease Diseases 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
- G06F2218/14—Classification; Matching by matching peak patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
- G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本发明公开一种电动升降桌利用小波模极大值遇阻判定方法，步骤如下，(1)采集电动升降桌不同工作条件下的电流数据，对原始信号进行滤除高频，取平均的预处理，得到预处理后的信号，(2)将CWT应用于步骤(1)中的预处理信号以获得小波系数，(3)利用小波变换系数在不同尺度下的灰度图像对夹手时刻或夹手区域进行定位。在遇到障碍时，会产生奇异性伴随着小波系数的模极大值的出现，从而在小波变换系数的灰度图像中会有明显的条纹锥，(4)在影响范围内的每个尺度搜索小波模极大值。基于所找到的小波模极大值点绘制尺度上的小波模极大值线，其中线中的所有点都是小波变换模极大值。利用本发明方法能在各个负载情况下有效识别负载情况。
Description
技术领域
本发明属于电动升降桌领域，具体涉及电动升降桌遇阻判定方法。
背景技术
随着社会经济的发展，人们在办公室持续办公的时间越来越久，调查表明：办公室人员在工作时有1/2～2/3的时间采用坐姿工作，固定的坐姿使得脊柱受到持续性压力，导致疼痛甚至是变形。长期伏案会导致肌肉萎缩，活动能力减弱，血流缓慢，很容易患腰肌劳损、腰间盘突出等腰椎疾病。科学研究表明，只有坐姿和站姿交替工作才是科学、健康的工作方式。
电动升降桌采用电机实现桌面的自动升降，可适应人们对不同桌面高度的要求，能方便实现站、坐交替的办公方式。随着人们对健康生活方式的追求不断深瑞，电动升降桌作为健康办公的重要产品，近期开始盛行于欧美等发达国家，如：Stir化公司在2013年设计出的智能站立式办公桌,宜家在2014推出的贝坎特(Bekant)可升降办公桌,此外德国Tchibo、荷兰Actiforce、国内珠海励致、宁波泠泠岛、浙江捷昌、绍兴康拓等企业也开发了相应的产品。符合人体工学的可升降办公桌具有广阔的市场，仅以我省企业“浙江捷昌线性驱动科技股份有限公司”为例，企业2017年产值就已超6亿元。据行业人士估计，目前电动升降桌行业年产值已经超过100亿元，而且呈现逐年增长的态势。
电动升降桌的核心是其“线性驱动控制系统”，它直接决定了升降桌的性能。通过分析现有“线性驱动控制系统”的研究成果，并实际深入对比了国内外多款产品，发现存在的主要技术难题是：“遇阻检测”功能不完善
“遇阻检测”功能是指在升降桌上升或下降过程中夹持到障碍物后，控制器能识别出桌面处于夹持状态，并令桌面反向回退释放夹持物，防止人员夹伤或者物体、桌体变形损坏。
电动升降桌负载有着较大的变化范围(项目研究的为0～80kg)，通过对国内外现有10余种主流产品反复试验，发现：在空载或者轻载情况下(<30kg)，大部分现有产品能较为准确和及时的识别夹持情况，做出遇阻检测动作。而在中等负载(30～50kg)情况下，大约一半的产品能大体实现向上运动夹持状态的识别，识别有一定的差错概率，大部分产品无法实现下降过程中夹持情况的判定；在重载情况下(>50KG)，几乎所有的产品无法做到下降过程中夹持情况的遇阻检测。同时，各产品在遇阻识别的过程中表现不一，部分产品在中等负载及以下的情况下也存在反应速度慢、防夹保护失效、误报等问题。
根据实验结果可知，现有产品在“遇阻检测”功能不完善。主要原因在于受限于成本，升降桌无受力检测传感器可以测量负载变化，仍需依靠转速检测、电流检测来识别，由于缺乏有效的算法，因此难以准确识别夹持情况。
发明内容
针对存在的不足，本发明提出了一种电动升降桌利用小波模极大值遇阻判定方法，能在各个负载情况下有效识别负载情况。
一种电动升降桌利用小波模极大值遇阻判定方法，包括：
(1)采集电动升降桌不同工作条件下的电流数据，对原始信号进行滤除高频，取平均的预处理，得到预处理后的信号；
(2)将小波变换(从1到64的尺度)应用于步骤(1)中的预处理信号以获得小波系数；
(3)利用小波变换系数在不同尺度下的灰度图像对夹手时刻或夹手区域进行定位，在遇到障碍时，会产生奇异性伴随着小波系数的模极大值的出现，从而在小波变换系数的灰度图像中会有明显的条纹锥；
(4)在影响范围内的每个尺度搜索小波模极大值，基于所找到的小波模极大值点绘制尺度上的小波模极大值线，其中线中的所有点都是小波变换模极大值；
在步骤(4)中，局部的信号奇异性将产生小波模极大值线，噪声分量也将产生一些次要的小波模极大值线，但这些线较短，由噪声分量产生的一些极值点，当其“模”小于某个阈值，这些点将被丢弃；搜索小波模极大值点的过程如下：
①从定义中得到不同尺度信号的小波系数的局部极值点，并保留各尺度小波系数的模极大值，其中局部极大值点的符号设置为1，局部最小点的符号设置为-1，非极值点设置为零；
②在最大尺度M上假定有一模极大值点，然后通过尺度缩减寻找传播点尺度；传播点被定义为：如果两个相邻尺度之间的两个模极大值点，它们的符号是一致的，它们的位置是接近的，它们可以被视为传播点，关于传播点有两点需要注意：
a).满足条件的传播点：新的传播点与t上一传播点t0的距离满足|t-t0|≤Ca，C为小波的支撑长度，a为尺度；
b).如果不存在这样的传播点，我们丢弃该模极大值点，并停止在下一个尺度中寻找它的传播点；
根据以上，继续在其他尺度上寻找小波模极大值点，直到尺度为1而止。
小波变换的基本方法如下：
根据卷积的定义，信号的小波变换(CWT)可视为信号通过系统的输出，用一个平滑函数θa(t)来处理它作为脉冲响应或低通滤波器，这里使用的一个典型的平滑函数是高斯函数，设
母小波可以表示为光滑函数θa(t)的导数，设ψ(1)(t)和ψ(2)(t)为定义为：
信号x(t)经过小波变换得：
由式(4)和式(5)可知，小波变换
和
分别与x(t)*θa(t)的一阶和二阶导数成正比，
的局部模极大值点对应于x(t)的拐点，
的过零点对应于x(t)*θa(t)的局部极大曲率；引入小波变换的局部模极大值，如果WTx(a，t)在某一点满足：
将其称之为(a0，t0)局部极值点，对于一个固定尺度a0，当t属于t0左右的邻域时，满足|WTx(a0，t)|≤|WTx(a0，t0)|，我们称|WTx(a0，t0)|为小波变换模极大值，在尺度空间(a，t)中的任何连接曲线，所有点都是小波变换模极大值，它被称为模极大值线。
本发明的方法利用小波模极大值原理，能在各个负载情况下对电动升降桌的负载情况有效识别。
附图说明
图1是电动升降桌及其控制结构示意图。
图2是电动升降桌的驱动电路框图。
图3是电动升降桌运行过程电流波形图。
图4.1是对电动升降桌运行过程原始电流信号进行傅里叶分析的结果示意图。
图4.2是滤除高频后的电流信号进行傅里叶分析的结果示意图。
图5是对电流信号进行滤波平均的结果示意图。
图6是信号的边缘在小波变换中的反映示意图，
图7是模极大值点选取算法图。
图8是正常情况下小波变换系数灰度图与模极大值线示意图。
图9是20kg负荷上升条件下小波变换系数灰度图与模极大值线示意图。
图10是50kg负荷上升条件下小波变换系数灰度图与模极大值线示意图。
图11是无负荷下降条件下小波变换系数灰度图与模极大值线示意图。
图12是20kg负荷下降条件下小波变换系数灰度图与模极大值线示意图。
图13是50kg负荷下降条件下小波变换系数灰度图与模极大值线示意图。
具体实施方式
电动升降桌是电动升降桌的主要形式如图1所示：如图1所示，自动升降桌的机械结构分为桌面、支架、连接轴、电机控制器、立柱和底座六个部分。桌面1通过连接轴2与支架3相连接，通过螺丝螺栓固定。立柱4中间结构为两根连杆嵌套，电机控制器5控制立柱4顶端的电机，整体上通过单片机对多电机的同步控制，实现自动升降桌的高度精准升降。立柱4通过连接轴连接底座6，为整个桌子提供稳定支撑。
为提升产品市场竞争力，电机电流采集采用母线电阻采样方式，转速信号采用霍尔检测方式利，是现有电动升降桌主流做法。其检测回路示意图如下图2所示，图中M表示电机(限于尺寸图中只标注了2个，在实际中电机的数目可能是2-3个)。升降桌在运动过程中，根据电机负载的大小，采样电阻上会通过不同的电流，从而电阻上便具备了不同的电压，通过电压采集，运算放大等环节，得到相应的电流信号。其中，以正常信号为例，其电流信号如图3所示，由于运行过程中有大量的噪声信号，首先需要对其进行滤波。对其进行FFT分析，得到如图4.1所示的波形，通过对其进行傅里叶(FFT)分析，电动机脉动电流的频率集中在300-500Hz左右。为了消除高频噪声，用db3小波对600Hz以上的高频噪声进行了滤波，如图4.2。将原始信号分解为六层时，第一层到第四层的小波系数是原始信号的高频分量，因此将小波系数设为零。
每100个数据，如图5所示，不仅有助于观察和处理信号，而且可以满足电动可调桌面系统的实时性。到目前为止，信号的预处理已经完成。
由图5可知，从时间域上看，电流波动较大，虽然可以看到中间有个突变点，但是在运行过程中，其他点的波动也比较大，单纯对电流的变化量设置阈值难以取得较好的信号。考虑到小波变换对信号的奇异性识别效果较好，因此，本发明引入小波变换来进行遇阻的识别。
首先，小波变换的基本方法如下：
根据卷积的定义，信号的小波变换(CWT)可视为信号通过系统的输出。用一个平滑函数θa(t)来处理它作为脉冲响应或低通滤波器，这里使用的一个典型的平滑函数是高斯函数。设
母小波可以表示为光滑函数θa(t)的导数。设ψ(1)(t)和ψ(2)(t)为定义为：
信号x(t)经过小波变换得：
由式(4)和式(5)可知，小波变换
和
分别与x(t)*θa(t)的一阶和二阶导数成正比。
的局部模极大值点对应于x(t)的拐点，
的过零点对应于x(t)*θa(t)的局部极大曲率。
如图6所示，引入小波变换的局部模极大值。如果WTx(a，t)在某一点满足：
将其称之为(a0，t0)局部极值点。对于一个固定尺度a0，当t属于t0左右的邻域时，满足|WTx(a0，t)|≤|WTx(a0，t0)|，我们称|WTx(a0，t0)|为小波变换模极大值。在尺度空间(a，t)中的任何连接曲线，所有点都是小波变换模极大值，它被称为模极大值线。
基于上述分析，本发明选用高斯函数的二阶导墨西哥帽函数来作为母小波，所述的遇阻检测方法可以表述如下：
(1)采集电动升降桌不同工作条件下的电流数据，对原始信号进行滤除高频，取平均的预处理，得到预处理后的信号。
(2)将CWT(从1到64的尺度)应用于步骤(1)中的预处理信号以获得小波系数。
(3)利用小波变换系数在不同尺度下的灰度图像对夹手时刻或夹手区域进行定位。在遇到障碍时，会产生奇异性伴随着小波系数的模极大值的出现，从而在小波变换系数的灰度图像中会有明显的条纹锥。
(4)在影响范围内的每个尺度搜索小波模极大值。基于所找到的小波模极大值点绘制尺度上的小波模极大值线，其中线中的所有点都是小波变换模极大值。
在步骤(4)中，局部的信号奇异性将产生小波模极大值线，噪声分量也将产生一些次要的小波模极大值线，但这些线较短，由噪声分量产生的一些极值点，当其“模”小于某个阈值，这些点将被丢弃。搜索小波模极大值点的流程如下，如图7所示：
③从定义中得到不同尺度信号的小波系数的局部极值点，并保留各尺度小波系数的模极大值，其中局部极大值点的符号设置为1，局部最小点的符号设置为-1，非极值点设置为零。
④在最大尺度M上假定有一模极大值点，然后通过尺度缩减寻找传播点尺度。传播点被定义为：如果两个相邻尺度之间的两个模极大值点，它们的符号是一致的，它们的位置是接近的，它们可以被视为传播点。关于传播点有两点需要注意：
a).满足条件的传播点：新的传播点与t上一传播点t0的距离满足|t-t0|≤Ca(C为小波的支撑长度，a为尺度)。
b).如果不存在这样的传播点，我们丢弃该模极大值点，并停止在下一个尺度中寻找它的传播点。
根据以上，继续在其他尺度上寻找小波模极大值点，直到尺度为1而止。
为了验证防夹手检测算法的有效性，我们需要进行正常的操作实验，并与夹手条件进行比较。结果如图8所示，由于电机启动和停止阶段的奇异性，有两个明显的条纹锥。可以看出，在电机的停止阶段有一个比电动机的启动阶段更亮的锥形条纹。这表明在电机的停止阶段有更多的突变和更高的信号奇异性。在图8中的第三幅图，可以看到模极大值线，通过模极大值线可以检测到电机的启动和停止过程。当然，由于启动停止是升降桌都具备的正常的情况，需要在避开电机的启动和停止过程。
为验证本发明方法的有效性，对各种工况进行测试，结果如下，如图9，避开电机的启动和停止过程，可以看出在9秒左右可以看到因遇阻而产生的模极大值线，其中第一条模极大值线是升降桌开始遇到阻碍而产生的，第二条模极大值线是升降桌遇阻程度最高时产生的，第三条模极大值线是阻碍开始撤去而产生的。由于本发明中选用墨西哥帽小波作为母小波，由公式5可知，信号经过其小波变换的过零点可作为信号的转折点，故取第一条模极大值线与第二条模极大值线收敛到尺度为1的时刻的中间时刻点作为遇阻点。如图9，可以选定9.6s时刻点作为遇阻点。
如图10，避开电机的启动和停止过程，可以看出在14秒左右可以看到因遇阻而产生的模极大值线，选取中间第一条模极大值线与第二条模极大值线收敛到尺度为1的时刻的中间时刻点作为遇阻点，可以选定15.4时刻点作为遇阻点。
如图11，避开电机的启动和停止过程，可以选定9.6s时刻点作为遇阻点。
如图12，避开电机的启动和停止过程，可以选定7.8s时刻点作为遇阻点。
如图13，避开电机的启动和停止过程，可以选定12.5s时刻点作为遇阻点。
Claims (2)
1.一种电动升降桌利用小波模极大值遇阻判定方法，其特征在于，包括：
(1)采集电动升降桌不同工作条件下的电流数据，对原始信号进行滤除高频，取平均的预处理，得到预处理后的信号；
(2)将小波变换(从1到64的尺度)应用于步骤(1)中的预处理信号以获得小波系数；
(3)利用小波变换系数在不同尺度下的灰度图像对夹手时刻或夹手区域进行定位，在遇到障碍时，会产生奇异性伴随着小波系数的模极大值的出现，从而在小波变换系数的灰度图像中会有明显的条纹锥；
(4)在影响范围内的每个尺度搜索小波模极大值，基于所找到的小波模极大值点绘制尺度上的小波模极大值线，其中线中的所有点都是小波变换模极大值；
在步骤(4)中，局部的信号奇异性将产生小波模极大值线，噪声分量也将产生一些次要的小波模极大值线，但这些线较短，由噪声分量产生的一些极值点，当其“模”小于某个阈值，这些点将被丢弃；搜索小波模极大值点的过程如下：
①从定义中得到不同尺度信号的小波系数的局部极值点，并保留各尺度小波系数的模极大值，其中局部极大值点的符号设置为1，局部最小点的符号设置为-1，非极值点设置为零；
②在最大尺度M上假定有一模极大值点，然后通过尺度缩减寻找传播点尺度；传播点被定义为：如果两个相邻尺度之间的两个模极大值点，它们的符号是一致的，它们的位置是接近的，它们可以被视为传播点，关于传播点有两点需要注意：
a).满足条件的传播点：新的传播点与t上一传播点t0的距离满足|t-t0|≤Ca，C为小波的支撑长度，a为尺度；
b).如果不存在这样的传播点，我们丢弃该模极大值点，并停止在下一个尺度中寻找它的传播点；
根据以上，继续在其他尺度上寻找小波模极大值点，直到尺度为1而止。
2.根据权利要求1所述的电动升降桌利用小波模极大值遇阻判定方法，其特征在于，小波变换的基本方法如下：
根据卷积的定义，信号的小波变换(CWT)可视为信号通过系统的输出，用一个平滑函数θa(t)来处理它作为脉冲响应或低通滤波器，这里使用的一个典型的平滑函数是高斯函数，设
母小波可以表示为光滑函数θa(t)的导数，设ψ(1)(t)和ψ(2)(t)为定义为：
信号x(t)经过小波变换得：
由式(4)和式(5)可知，小波变换
和
分别与x(t)*θa(t)的一阶和二阶导数成正比，
的局部模极大值点对应于x(t)的拐点，
的过零点对应于x(t)*θa(t)的局部极大曲率；引入小波变换的局部模极大值，如果WTx(a，t)在某一点满足：
将其称之为(a0，t0)局部极值点，对于一个固定尺度a0，当t属于t0左右的邻域时，满足|WTx(a0，t)|≤|WTx(a0，t0)|，我们称|WTx(a0，t0)|为小波变换模极大值，在尺度空间(a，t)中的任何连接曲线，所有点都是小波变换模极大值，它被称为模极大值线。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010139067.9A CN111368718A (zh) | 2020-03-03 | 2020-03-03 | 一种电动升降桌利用小波模极大值遇阻判定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010139067.9A CN111368718A (zh) | 2020-03-03 | 2020-03-03 | 一种电动升降桌利用小波模极大值遇阻判定方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111368718A true CN111368718A (zh) | 2020-07-03 |
Family
ID=71210348
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010139067.9A Pending CN111368718A (zh) | 2020-03-03 | 2020-03-03 | 一种电动升降桌利用小波模极大值遇阻判定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111368718A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112366987A (zh) * | 2020-09-18 | 2021-02-12 | 浙江理工大学 | 一种双电机耦合条件下利用电流实现电机遇阻检测的方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2640176A1 (en) * | 2007-10-04 | 2009-04-04 | Schlumberger Canada Limited | Analysis of time-series data using singularities |
| US7515763B1 (en) * | 2004-04-29 | 2009-04-07 | University Of Rochester | Image denoising based on wavelets and multifractals for singularity detection and multiscale anisotropic diffusion |
| CN104460697A (zh) * | 2014-10-31 | 2015-03-25 | 浙江捷昌线性驱动科技股份有限公司 | 一种电流双滤波方式实现电动升降桌遇阻回退的方法及装置 |
| CN110262332A (zh) * | 2019-06-13 | 2019-09-20 | 浙江理工大学 | 一种电动升降桌遇阻回退的方法及装置 |
-
2020
- 2020-03-03 CN CN202010139067.9A patent/CN111368718A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7515763B1 (en) * | 2004-04-29 | 2009-04-07 | University Of Rochester | Image denoising based on wavelets and multifractals for singularity detection and multiscale anisotropic diffusion |
| CA2640176A1 (en) * | 2007-10-04 | 2009-04-04 | Schlumberger Canada Limited | Analysis of time-series data using singularities |
| CN104460697A (zh) * | 2014-10-31 | 2015-03-25 | 浙江捷昌线性驱动科技股份有限公司 | 一种电流双滤波方式实现电动升降桌遇阻回退的方法及装置 |
| CN110262332A (zh) * | 2019-06-13 | 2019-09-20 | 浙江理工大学 | 一种电动升降桌遇阻回退的方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| 刘毅华;赵光宙;: "基于滤波预处理的小波故障检测方法" * |
| 李文光;刘昕戈;: "基于小波变换的血压信号特征提取方法研究" * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112366987A (zh) * | 2020-09-18 | 2021-02-12 | 浙江理工大学 | 一种双电机耦合条件下利用电流实现电机遇阻检测的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103393435B (zh) | 一种胎心音信号包络的取得方法及装置 | |
| CN111368718A (zh) | 一种电动升降桌利用小波模极大值遇阻判定方法 | |
| CN112488011B (zh) | 一种模块化多电平换流器故障分类方法 | |
| CN104808035A (zh) | 一种基于广义双曲s变换的电压暂降检测方法 | |
| CN108344924B (zh) | 一种直流输电线路行波故障测距装置启动方法及系统 | |
| CN110361627A (zh) | 一种基于mmc-hvdc的单端行波故障测距方法 | |
| CN209513470U (zh) | 一种机器人电缆2d直/曲扭转试验机 | |
| CN102937672A (zh) | 一种用于并网设备的三相交流电相序检测方法及其检测装置 | |
| CN110775758B (zh) | 一种基于轿厢加速度信号解析的电梯运行健康度评价方法 | |
| CN105527539A (zh) | 一种微电网故障诊断过程中的故障信号特征值提取方法 | |
| CN108592812B (zh) | 风机叶片光纤载荷应变特征提取及裂纹监测方法 | |
| CN106125032B (zh) | 一种基于程控恒流源的互感器测试机 | |
| CN111157843A (zh) | 一种基于时频域行波信息的配电网选线方法 | |
| CN111456983A (zh) | 一种基于小波分析的液压调速阀检测分析方法 | |
| CN106019186A (zh) | 一种基于空载电流法的变压器铁心剩磁检测方法 | |
| CN112036436A (zh) | 一种调相机油温预测系统的数据噪声处理方法及处理系统 | |
| CN117289087A (zh) | 一种基于czt变换的串联故障电弧检测方法 | |
| CN105671596B (zh) | 一种铝电解槽单个阳极数学模型的确定方法 | |
| CN113009299B (zh) | 一种电缆耐压和局部放电一体化试验系统及其操作方法 | |
| CN203164400U (zh) | 一种压缩机转子反电动势检测设备 | |
| CN109039208A (zh) | 一种开关磁阻电机增量电感特性在线检测方法 | |
| CN114384312A (zh) | 一种变频电动机保护相量的计算方法 | |
| CN110685972B (zh) | 一种液压油缸高精度省油性能测试系统 | |
| CN108107293B (zh) | 一种变频空调功能测试的方法及系统 | |
| CN204347202U (zh) | 电路板检测机 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200703 |