CN112308049A - 基于电敏感区多类粒子的脉冲信号的特征提取识别方法 - Google Patents

Abstract

本发明涉及一种基于电敏感区多类粒子的脉冲信号的特征提取识别方法，包括以下步骤：步骤1、获取脉冲波形信号P_i；步骤2、标准化步骤1中获取的每个脉冲波形；步骤3、提取步骤2中标准化脉冲波形的特征；步骤4、制作标准数据集；步骤5、使用聚类方法对步骤4的标准数据集进行聚类划分，实现气泡与硬颗粒的识别。本发明根据硬颗粒与气泡之间的差异，通过分析两者之间的瞬态运动状态，提取了五类脉冲特征，实现有效识别不同属性间的颗粒脉冲信号。

Description

基于电敏感区多类粒子的脉冲信号的特征提取识别方法

技术领域

本发明属于脉冲信号识别技术领域，涉及脉冲信号的特征提取识别方法，尤其是一种基于电敏感区多类粒子的脉冲信号的特征提取识别方法。

背景技术

在电敏感区法检测颗粒方法中，对于识别脉冲信号的波形有着至关重要的作用。研究者围绕着颗粒密度、形状、大小以及粒子经过微孔时的离轴等现象做了大量数值模拟工作。研究者通过数值模拟提出了不同密度和尺寸的颗粒经过小孔时运动的差异。颗粒及气泡等可变形颗粒进入小孔时的瞬态形变也会造成明显的信号脉冲的差异。上述研究的结论对现实中的颗粒脉冲识别起着指导作用。

但在真正的实际应用中，能够进行不同性质颗粒信号的精准识别对于区分、统计各自的数量及分布有着重要意义。可以实现精确地识别出每类颗粒的分布信息，减少颗粒之间的相互干扰。

迄今为止在科学和专利文献中公开的电敏感区法脉冲信号识别方法中还没有对于硬颗粒与气泡信号脉冲识别之间的实际测量研究。对于实际测得的信号脉冲波形的区分也没有研究者进行深入研究。更多的信号分类仅限于幅值、脉宽、面积等一些基本特征定义。对于更深层次的能够区分硬颗粒与气泡的脉冲特征的定义并不完善，这也是不同种类的脉冲信号处理与识别的挑战和难点。

经检索，未发现与本发明相同或相似的技术方案。

发明内容

本发明的目的在于克服现有技术的不足，提出一种基于电敏感区多类粒子的脉冲信号的特征提取识别方法，解决了在线、原位测量任务中小气泡的干扰的问题。

本发明解决其现实问题是采取以下技术方案实现的：

一种基于电敏感区多类粒子的脉冲信号的特征提取识别方法，包括以下步骤：

步骤1、获取脉冲波形信号P_i；

步骤2、标准化步骤1中获取的每个脉冲波形；

步骤3、提取步骤2中标准化脉冲波形的特征；

步骤4、制作标准数据集；

步骤5、使用聚类方法对步骤4的标准数据集进行聚类划分，实现气泡与硬颗粒的识别。

而且，所述步骤1的具体方法为：

采用纳米气盘模拟产生气相搅拌时存在的气泡，对α类-粒径名义尺寸为57.9μm和β类-粒径名义尺寸为80μm的聚四氟乙烯标准颗粒进行检测，以200KHz采样频率采集以上两类数据，并将单个脉冲信号序列表示为P＝{p₁,p₂,...,p_N}，获取每个脉冲波形信号P_i。

而且，所述步骤2的具体方法为：

对每个脉冲波形进行标准化，对采集截取到的脉冲统一按照峰值标准化为对应颗粒粒径幅度值，对气泡按照幅值所在范围进行标准化。

而且，所述步骤3所提取的标准化脉冲波形的特征包括：

(1)超过幅度20％高度的脉冲宽度：

I₃＝card{i||p_i|＞0.2p_max}

(2)脉冲由10％的峰值高度上升到90％峰值高度的上升时间I₄；

(3)最大上升斜率：

I₅＝max{p_i+1-p_i},i∈(1,N-1)

(4)脉冲FFT后的偏度:

其中，

表示为脉冲经FFT后的幅度平均值；p_Ti表示为FFT后的频域信号；

(5)小波域第三层近似分量能量：

其中，w_j＝3,k是以coif3为小波基函数经小波分解后的第三层近似分量的k点小波系数。

而且，所述步骤4的具体方法为：

定义A类数据为搅拌釜中液固两相工作下检测溶液同时含α类和β类颗粒的数据；B类数据为搅拌釜中气液两相工作下检测溶液中只含气泡时的数据；对A类数据和B类数据分别进行处理，按幅值分为两组，制作含样本标签的可验证分类结果的样本集。

而且，所述步骤5的使用聚类方法对步骤4的标准数据集进行聚类划分的具体步骤包括：

使用BIRCH聚类算法进行聚类划分，创建初始化CF树的步骤如下：

(1)从根节点向下寻找和新样本距离最近的叶子节点和叶子节点里最近的CF节点；

(2)如果新样本加入后，CF节点对应的超球体半径仍然满足小于阈值T，则更新路径上所有的CF三元组，插入结束，否则转入(3)。

(3)如果当前叶子节点的CF节点个数小于阈值L，则创建一个新的CF节点，放入新样本，将新的CF节点放入这个叶子节点，更新路径上所有的CF三元组，插入结束，否则转入(4)；

(4)将当前叶子节点划分为两个新叶子节点，选择旧叶子节点中所有CF元组里超球体距离最远的两个CF元组，分布作为两个新叶子节点的第一个CF节点；将其他元组和新样本元组按照距离远近原则放入对应的叶子节点；依次向上检查父节点是否也要分裂，如果需要按和叶子节点分裂方式相同。

本发明的优点和有益效果：

本发明提出了一种基于电敏感区多类粒子的脉冲信号的特征提取识别方法，直接对提取到的脉冲信号进行特征定义，并依据硬颗粒和气泡经过小孔时的瞬态变化运动过程以及运动特征差异，结合实际采集的脉冲波形，从形态学、几何学、时频域等方向定义了区分脉冲波形的关键性特征，实现硬颗粒与气泡的精确刻画。再利用BIRCH聚类算法实现气泡与硬颗粒间的脉冲特征的无监督分类。采用本发明的方法识别出的颗粒粒径分布与离线测量结果吻合表明了本发明的有效性。

附图说明

图1为本发明的截取的硬颗粒脉冲波形图；

图2为本发明的截取的气泡脉冲波形图；

图3为本发明的两类的硬颗粒脉冲标准化脉冲信号图；

图4为本发明的两类的气泡脉冲标准化脉冲信号图；

图5(a)为对粒径名义尺寸为57.9μm的颗粒及近似尺寸的气泡使用BIRCH层次聚类方法实现的硬颗粒与气泡脉冲识别的结果图；

图5(b)为对粒径名义尺寸为57.9μm的颗粒及近似尺寸的气泡的真实数据样本的特征分布图；灰色正方形代表硬颗粒，灰色圆点代表气泡，黑色叉号代表错误分类样本；

图6(a)为对粒径名义尺寸为80μm的颗粒及近似尺寸的气泡使用BIRCH层次聚类方法实现的硬颗粒与气泡脉冲识别的结果图；

图6(b)为对粒径名义尺寸为80μm的颗粒及近似尺寸的气泡的真实数据样本的特征分布图；灰色正方形代表硬颗粒，灰色圆点代表气泡，黑色叉号代表错误分类样本；

图7为本发明的数据1和数据2的粒径分布与离线颗粒分布对比图；

图8为本发明的数据1和数据2经过BIRCH聚类识别出的颗粒粒径分布与离线颗粒分布对比图；

图9为本发明的数据1和数据2经过BIRCH聚类识别出的气泡粒径与离线颗粒分布对比图；

图10为本发明的特征提取识别流程图。

具体实施方式

以下结合附图对本发明实施例作进一步详述：

一种基于电敏感区多类粒子的脉冲信号的特征提取识别方法，如图10所示，包括以下步骤：

步骤1、获取脉冲波形信号P_i；

所述步骤1的具体方法为：

采用纳米气盘模拟产生气相搅拌时存在的气泡，对α类(粒径名义尺寸为57.9μm)和β类(粒径名义尺寸为80μm)的聚四氟乙烯标准颗粒进行检测，以200KHz采样频率采集以上两类数据，并将单个脉冲信号序列表示为P＝{p₁,p₂,...,p_N}，获取每个脉冲波形信号P_i；图1为一组颗粒脉冲波形，图2为一组气泡脉冲波形。

步骤2、标准化步骤1中获取的每个脉冲波形；

所述步骤2的具体方法为：

对每个脉冲波形进行标准化，对采集截取到的脉冲统一按照峰值标准化为对应颗粒粒径幅度值，对气泡按照幅值所在范围进行标准化。标准化后的信号脉冲如图3和图4所示。

步骤3、提取步骤2中标准化脉冲波形的特征；

对于不同特性的颗粒，它们之间的瞬态运动过程存在着差异。经过小孔时，气泡在剪切流和拉伸流混合作用下产生非常复杂的几何形变，如球帽形、裙状形、椭球形等。这些形状对电场扰动的不同会导致脉冲信号的不同。同时，颗粒因密度和流动阻力的差异，也会产生渡越时间的差异。对标准化脉冲提取如下五类特征；

所述步骤3所提取的标准化脉冲波形的五类特征包括：

(1)超过幅度20％高度的脉冲宽度：

I₃＝card{i||p_i|＞0.2p_max}

(2)脉冲由10％的峰值高度上升到90％峰值高度的上升时间I₄；

(3)最大上升斜率：

I₅＝max{p_i+1-p_i},i∈(1,N-1)

(4)脉冲FFT后的偏度:

其中，

表示为脉冲经FFT后的幅度平均值；p_Ti表示为FFT后的频域信号；

(5)小波域第三层近似分量能量：

其中，w_j＝3,k是以coif3为小波基函数经小波分解后的第三层近似分量的k点小波系数。

通过研究瞬态过程中的颗粒运动情况，对采集到的脉冲信号进行了理论分析，有针对性的定义和提取了相关差异性特征。有较高的可解释性。

步骤4、制作标准数据集；

所述步骤4的具体方法为：

定义A类数据为搅拌釜中液固两相工作下检测溶液同时含α类和β类颗粒的数据；B类数据为搅拌釜中气液两相工作下检测溶液中只含气泡时的数据；对A类数据和B类数据分别进行处理，按幅值分为两组，制作含样本标签的可验证分类结果的样本集。

在本实施例中，最终制作含标签α类及对应气泡的混合验证数据集1和含标签β类及对应气泡的混合验证数据集2。其中，数据集1含α类颗粒样本428个，气泡样本594个；数据集2含β类颗粒253个，气泡样本477个。

步骤5、使用聚类方法对步骤4的标准数据集进行聚类划分，实现气泡与硬颗粒的识别；

所述步骤5的使用聚类方法对步骤4的标准数据集进行聚类划分的具体步骤包括：

使用BIRCH(Balanced Iterative Reducing and Clustering UsingHierarchies)聚类算法进行聚类划分，BIRCH聚类算法中创建初始化CF树的步骤如下：

(1)从根节点向下寻找和新样本距离最近的叶子节点和叶子节点里最近的CF节点；

(2)如果新样本加入后，CF节点对应的超球体半径仍然满足小于阈值T，则更新路径上所有的CF三元组，插入结束，否则转入(3)。

(3)如果当前叶子节点的CF节点个数小于阈值L，则创建一个新的CF节点，放入新样本，将新的CF节点放入这个叶子节点，更新路径上所有的CF三元组，插入结束，否则转入(4)；

(4)将当前叶子节点划分为两个新叶子节点，选择旧叶子节点中所有CF元组里超球体距离最远的两个CF元组，分布作为两个新叶子节点的第一个CF节点；将其他元组和新样本元组按照距离远近原则放入对应的叶子节点；依次向上检查父节点是否也要分裂，如果需要按和叶子节点分裂方式相同；

BIRCH层次聚类方法能够清晰的发现类的层次关系，合理设置CF Tree结构的三个参数，可以有效地达到分层聚类的效果。

图5为混合验证数据集1聚类结果展示，图6为混合验证数据集2聚类结果展示。

步骤6、绘制步骤5聚类划分后的粒径分布图；

图7为未识别分类前的粒径分布图，图8展示了识别分类后的粒径统计结果，图9为识别出的气泡的粒径分布图。

步骤7、使用准确率和召回率评价分类聚类的结果好坏。

在本实施例中，分类结果如表1和表2所示，

其中，TP是正类判定为正类的数目；TN是负类判定为负类的数目；FN是正类判定为负类的数目；FP是负类判定为正类的数目。

表一：数据1的分类结果表

表二：数据2的分类结果表

本发明的工作原理是：

本发明根据硬颗粒与气泡之间的差异，通过分析两者之间的瞬态运动状态，提取了五类脉冲特征，实现有效识别不同属性间的颗粒脉冲信号。本方法结合硬颗粒与气泡的瞬态运动情况，提取的五种典型特征。通过聚类，可以有效区分硬颗粒与气泡。通过分析实际采集信号中的气泡和硬颗粒波形的差异，气泡有着较短的渡越时间。这是由于气泡密度较小以及受到较小的流动阻力，其加速度较大，导致渡越时间较短。此外，渡越时间前半段的差异更为突出。这表明液体在小孔处形成射流，硬颗粒与气泡进入孔前的加速度高于孔后。同时，气泡的波形存在峰值衰减和起伏。这是由于气泡表面张力较小，受到拉伸流的作用，发生椭球形变。这对电场的扰动相对较低，导致电阻下降。此外，气泡容易发生形变。随机的形状变化也会产生阻值的改变，造成波形的起伏。此类算法能够有效区分不同属性的颗粒，能够达到含有微小气泡干扰情况下的微颗粒在线粒径统计。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

Claims (6)

1.一种基于电敏感区多类粒子的脉冲信号的特征提取识别方法，其特征在于：包括以下步骤：

步骤1、获取脉冲波形信号P_i；

步骤2、标准化步骤1中获取的每个脉冲波形；

步骤3、提取步骤2中标准化脉冲波形的特征；

步骤4、制作标准数据集；

步骤5、使用聚类方法对步骤4的标准数据集进行聚类划分，实现气泡与硬颗粒的识别。

2.根据权利要求1所述的一种基于电敏感区多类粒子的脉冲信号的特征提取识别方法，其特征在于：所述步骤1的具体方法为：

采用纳米气盘模拟产生气相搅拌时存在的气泡，对α类-粒径名义尺寸为57.9μm和β类-粒径名义尺寸为80μm的聚四氟乙烯标准颗粒进行检测，以200KHz采样频率采集以上两类数据，并将单个脉冲信号序列表示为P＝{p₁,p₂,...,p_N}，获取每个脉冲波形信号P_i。

3.根据权利要求1或2所述的一种基于电敏感区多类粒子的脉冲信号的特征提取识别方法，其特征在于：所述步骤2的具体方法为：

对每个脉冲波形进行标准化，对采集截取到的脉冲统一按照峰值标准化为对应颗粒粒径幅度值，对气泡按照幅值所在范围进行标准化。

4.根据权利要求1或2所述的一种基于电敏感区多类粒子的脉冲信号的特征提取识别方法，其特征在于：所述步骤3所提取的标准化脉冲波形的特征包括：

(1)超过幅度20％高度的脉冲宽度：

I₃＝card{i||p_i|＞0.2p_max}

(2)脉冲由10％的峰值高度上升到90％峰值高度的上升时间I₄；

(3)最大上升斜率：

I₅＝max{p_i+1-p_i},i∈(1,N-1)

(4)脉冲FFT后的偏度:

其中，

表示为脉冲经FFT后的幅度平均值；p_Ti表示为FFT后的频域信号；

(5)小波域第三层近似分量能量：

其中，w_j＝3,k是以coif3为小波基函数经小波分解后的第三层近似分量的k点小波系数。

5.根据权利要求1或2所述的一种基于电敏感区多类粒子的脉冲信号的特征提取识别方法，其特征在于：所述步骤4的具体方法为：

定义A类数据为搅拌釜中液固两相工作下检测溶液同时含α类和β类颗粒的数据；B类数据为搅拌釜中气液两相工作下检测溶液中只含气泡时的数据；对A类数据和B类数据分别进行处理，按幅值分为两组，制作含样本标签的可验证分类结果的样本集。

6.根据权利要求1或2所述的一种基于电敏感区多类粒子的脉冲信号的特征提取识别方法，其特征在于：所述步骤5的使用聚类方法对步骤4的标准数据集进行聚类划分的具体步骤包括：

使用BIRCH聚类算法进行聚类划分，创建初始化CF树的步骤如下：

(1)从根节点向下寻找和新样本距离最近的叶子节点和叶子节点里最近的CF节点；

(2)如果新样本加入后，CF节点对应的超球体半径仍然满足小于阈值T，则更新路径上所有的CF三元组，插入结束，否则转入(3)；

(3)如果当前叶子节点的CF节点个数小于阈值L，则创建一个新的CF节点，放入新样本，将新的CF节点放入这个叶子节点，更新路径上所有的CF三元组，插入结束，否则转入(4)；

(4)将当前叶子节点划分为两个新叶子节点，选择旧叶子节点中所有CF元组里超球体距离最远的两个CF元组，分布作为两个新叶子节点的第一个CF节点；将其他元组和新样本元组按照距离远近原则放入对应的叶子节点；依次向上检查父节点是否也要分裂，如果需要按和叶子节点分裂方式相同。

Images