CN116985183B - 一种近红外光谱分析仪质量监测管理方法及系统 - Google Patents
一种近红外光谱分析仪质量监测管理方法及系统 Download PDFInfo
- Publication number
- CN116985183B CN116985183B CN202311253205.6A CN202311253205A CN116985183B CN 116985183 B CN116985183 B CN 116985183B CN 202311253205 A CN202311253205 A CN 202311253205A CN 116985183 B CN116985183 B CN 116985183B
- Authority
- CN
- China
- Prior art keywords
- vibration
- signal
- index
- near infrared
- data set
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 153
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 97
- 238000007726 management method Methods 0.000 title claims abstract description 9
- 238000005070 sampling Methods 0.000 claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000013507 mapping Methods 0.000 claims abstract description 19
- 238000001514 detection method Methods 0.000 claims description 45
- 230000035945 sensitivity Effects 0.000 claims description 39
- 238000001228 spectrum Methods 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 21
- 230000002159 abnormal effect Effects 0.000 claims description 16
- 230000003595 spectral effect Effects 0.000 claims description 13
- 230000003321 amplification Effects 0.000 claims description 12
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 12
- 238000011897 real-time detection Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 10
- 230000001360 synchronised effect Effects 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 abstract description 24
- 230000000694 effects Effects 0.000 abstract description 4
- 238000004164 analytical calibration Methods 0.000 abstract description 3
- 238000007619 statistical method Methods 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 7
- 239000000126 substance Substances 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 3
- 238000013136 deep learning model Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
- G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/0095—Means or methods for testing manipulators
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Mechanical Engineering (AREA)
- Robotics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及红外光测试分析技术领域，提供一种近红外光谱分析仪质量监测管理方法及系统，包括：获取近红外光谱分析仪的集成机械臂；监测集成机械臂并采集获取第一震动监测数据集；监测近红外光谱分析仪采集获取第二震动监测数据集；信号采样并根据信号采样结果确定预设震动指标；震动指标计算并建立指标映射模型；输入指标映射模型中定位得到机械臂震动指标，对集成机械臂进行运动平稳性监测提醒，解决过多依赖于标准样品、仪器标定和统计分析，而未考虑机械臂运动的干扰，质量监测过程的稳定性不佳技术问题，实现结合了近红外光谱分析仪和震动监测技术，提高质量监测过程的可控性和稳定性，从而改善质量监测的有效性技术效果。
Description
技术领域
本发明涉及红外光测试分析相关技术领域，具体涉及一种近红外光谱分析仪质量监测管理方法及系统。
背景技术
通过测量物质在近红外光谱范围内的吸收和反射来确定成分，通常用于化学、生物和食品工业等领域，对于需要高精度的分析，机械臂在执行任务时会产生震动能进而影响光谱分析的准确性。
常见的，在分析之前，需要采集一批已知质量的样品作为标准；然后，使用近红外光谱仪对这些标准样品进行分析，并建立一个标准光谱库；在实际生产中，通过比对待测样品的光谱与标准光谱库中的光谱，来判断样品的质量，但，这种方法的缺点是需要维护大量标准样品和光谱库，并且可能无法检测到机械臂运动引起的问题。
综上所述，现有技术中存在的过多依赖于标准样品、仪器标定和统计分析，而未考虑机械臂运动的干扰，质量监测过程的稳定性不佳的技术问题。
发明内容
本申请通过提供了一种近红外光谱分析仪质量监测管理方法及系统，旨在解决现有技术中的过多依赖于标准样品、仪器标定和统计分析，而未考虑机械臂运动的干扰，质量监测过程的稳定性不佳的技术问题。
鉴于上述问题，本申请提供了一种近红外光谱分析仪质量监测管理方法及系统。
本申请公开的第一个方面，提供了一种近红外光谱分析仪质量监测管理方法，其中，所述方法包括：获取近红外光谱分析仪的集成机械臂；根据第一震动传感器对所述集成机械臂的预设运动轨迹进行数据采集，获取第一震动监测数据集，其中，所述第一震动传感器设置于所述集成机械臂上；根据第二震动传感器对所述近红外光谱分析仪在所述预设运动轨迹进行数据采集，获取第二震动监测数据集，其中，所述第二震动传感器设置于所述近红外光谱分析仪上；对所述近红外光谱分析仪进行信号采样，并根据信号采样结果确定预设震动指标；以所述第一震动监测数据集和所述第二震动监测数据集进行震动指标计算，获取第一震动指标集和第二震动指标集，以所述第一震动指标集和所述第二震动指标集建立指标映射模型；基于所述预设震动指标输入所述指标映射模型中进行定位，得到机械臂震动指标按照所述机械臂震动指标对所述集成机械臂进行运动平稳性监测提醒。
本申请公开的另一个方面，提供了一种近红外光谱分析仪质量监测管理系统，其中，所述系统包括：集成机械臂模块，用于获取近红外光谱分析仪的集成机械臂；第一数据采集模块，用于根据第一震动传感器对所述集成机械臂的预设运动轨迹进行数据采集，获取第一震动监测数据集，其中，所述第一震动传感器设置于所述集成机械臂上；第二数据采集模块，用于根据第二震动传感器对所述近红外光谱分析仪在所述预设运动轨迹进行数据采集，获取第二震动监测数据集，其中，所述第二震动传感器设置于所述近红外光谱分析仪上；信号采样模块，用于对所述近红外光谱分析仪进行信号采样，并根据信号采样结果确定预设震动指标；震动指标计算模块，用于以所述第一震动监测数据集和所述第二震动监测数据集进行震动指标计算，获取第一震动指标集和第二震动指标集，以所述第一震动指标集和所述第二震动指标集建立指标映射模型；运动平稳性监测模块，用于基于所述预设震动指标输入所述指标映射模型中进行定位，得到机械臂震动指标按照所述机械臂震动指标对所述集成机械臂进行运动平稳性监测提醒。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了获取近红外光谱分析仪的集成机械臂；监测集成机械臂并采集获取第一震动监测数据集；监测近红外光谱分析仪采集获取第二震动监测数据集；对近红外光谱分析仪进行信号采样，并根据信号采样结果确定预设震动指标；以第一震动监测数据集和第二震动监测数据集进行震动指标计算，获取第一震动指标集和第二震动指标集并建立指标映射模型；基于预设震动指标输入指标映射模型中进行定位，得到机械臂震动指标按照机械臂震动指标对集成机械臂进行运动平稳性监测提醒，实现了结合了近红外光谱分析仪和震动监测技术，提高质量监测过程的可控性和稳定性，从而改善质量监测的有效性的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种近红外光谱分析仪质量监测管理方法可能的流程示意图；
图2为本申请实施例提供了一种近红外光谱分析仪质量监测管理方法中震动指标计算可能的流程示意图；
图3为本申请实施例提供了一种近红外光谱分析仪质量监测管理系统可能的结构示意图。
附图标记说明：集成机械臂模块100，第一数据采集模块200，第二数据采集模块300，信号采样模块400，震动指标计算模块500，运动平稳性监测模块600。
具体实施方式
以下结合附图对本发明的示范性实施例作出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
实施例一
如图1所示，本申请实施例提供了一种近红外光谱分析仪质量监测管理方法，其中，所述方法包括：
Step-1：获取近红外光谱分析仪的集成机械臂；
Step-2：根据第一震动传感器对所述集成机械臂的预设运动轨迹进行数据采集，获取第一震动监测数据集，其中，所述第一震动传感器设置于所述集成机械臂上；
Step-3：根据第二震动传感器对所述近红外光谱分析仪在所述预设运动轨迹进行数据采集，获取第二震动监测数据集，其中，所述第二震动传感器设置于所述近红外光谱分析仪上；
所述近红外光谱分析仪是一种用于分析物质的化学成分和特性的科学仪器，通过测量物质在近红外光谱范围内的吸收和散射来获取化学和物理信息，通常用于化学、食品、医学等领域的研究和分析；所述集成机械臂通常由多个关节组成，可以执行各种预设运动轨迹，用于移动或定位工具或其他设备，以执行特定任务；第一震动传感器和第二震动传感器是用于监测机械臂和近红外光谱分析仪的震动或振动的传感器，其中，第一震动传感器放置在机械臂上，而第二震动传感器放置在近红外光谱分析仪上，用于捕捉在执行预设运动轨迹时产生的振动数据。
预设运动轨迹是机械臂和近红外光谱分析仪被要求按照的特定路径或轨迹进行移动的指令，所述预设运动轨迹通常是根据具体应用的需求事先定义的；通过使用震动传感器，可以捕捉到机械臂和光谱分析仪在执行预设轨迹时产生的震动数据。
通过实时监测机械臂和仪器的振动，一方面，能够在运行过程中即时检测到异常情况，从而及时采取纠正措施，确保数据的质量和准确性；另一方面，监测在移动机械臂上所受到的干扰和震动，并在后续用于消除外界干扰，进而提高红外的抗震性能；总的来说，优化近红外光谱分析仪的数据采集过程，以确保在特定运动轨迹下获得高质量的数据，并实时监测机械臂和仪器的状态，有助于提高分析结果的可靠性和精度。
Step-4：对所述近红外光谱分析仪进行信号采样，并根据信号采样结果确定预设震动指标；
Step-5：以所述第一震动监测数据集和所述第二震动监测数据集进行震动指标计算，获取第一震动指标集和第二震动指标集，以所述第一震动指标集和所述第二震动指标集建立指标映射模型；
Step-6：基于所述预设震动指标输入所述指标映射模型中进行定位，得到机械臂震动指标按照所述机械臂震动指标对所述集成机械臂进行运动平稳性监测提醒。
对近红外光谱分析仪进行信号采样，并在采样的基础上确定预设的震动指标，然后使用这些指标来监测机械臂的运动平稳性，包括：从近红外光谱分析仪中获取数据或信号的过程，通常，信号采样所得到的信号采样结果用于后续的分析和处理；所述预设震动指标能是一组预先定义的参数，表示目前仪器的信号不被干扰，所受到的最大震动指标，用于评估机械臂在运动过程中的震动程度；震动指标计算是根据采样数据计算出的与机械臂震动相关的数值。
指标映射模型用于将采样数据中的震动指标映射到机械臂的运动平稳性监测结果上，可以帮助确定机械臂是否在特定运动轨迹下运行稳定；机械臂震动指标是用来描述机械臂震动程度的数值或参数；所述集成机械臂是指包含机械臂和其他组件的整个机械臂系统，该机械臂系统用于某种特定的任务或应用。
一方面，可以根据震动指标对数据进行校正，提高了近红外光谱分析仪数据采集的准确性；另一方面，实时监测机械臂的运动平稳性，有助于避免由于机械臂震动引起的误差或问题；总的来说，由于机械臂的运动平稳性对于分析的精确性很重要，推导可知上述操作提高了分析结果的可靠性和精度。
对所述近红外光谱分析仪进行信号采样，并根据信号采样结果确定预设震动指标，Step-4包括：
获取第一信号原始样本和多个震动指标；
以所述第一信号原始样本和所述多个震动指标对所述近红外光谱分析仪进行信号采样，得到信号采样结果，其中，所述信号采样结果包括多组信号检测样本，所述多组信号检测样本对应多个震动指标，在每个震动指标条件下测试所述近红外光谱分析仪基于所述第一信号原始样本的检测信号，得到每组信号检测样本；
通过对所述多组信号检测样本和所述第一信号原始样本分别进行信号比对，得到多个信号干扰指标；
以所述多个震动指标和所述多个信号干扰指标，确定预设震动指标。
在近红外光谱分析仪进行信号采样的过程，还包括：所述信号原始样本是从近红外光谱分析仪中采集的原始数据或信号；所述信号采样结果用于表征通过对信号原始样本进行处理和分析后得到的结果，包括多组信号检测样本和信号干扰指标；所述信号检测样本是指根据多个震动指标对信号原始样本进行测试后获得的数据样本，用于评估近红外光谱分析仪的性能；所述信号干扰指标是通过比对多组信号检测样本和第一信号原始样本确定在不同条件下可能影响近红外光谱分析仪性能的指标或参数。
提高了近红外光谱分析仪的质量监测准确性和及时性。通过对多组信号检测样本和信号干扰指标的分析，可以更准确地评估分析仪器的性能，并及时检测并纠正任何可能的信号干扰或性能问题，有助于确保近红外光谱分析的可靠性和准确性，从而提高了其在不同应用领域的实用性。
以所述多个震动指标和所述多个信号干扰指标，确定预设震动指标，Step-4包括：
获取所述近红外光谱分析仪的信号处理参数，由所述信号处理参数确定信号过滤性能；
根据所述信号过滤性能，确定所述近红外光谱分析仪的第一信号干扰指标，其中，所述第一信号干扰指标为所受最大干扰指标；
以所述第一信号干扰指标从所述多个震动指标中匹配基于所述第一信号干扰指标对应的预设震动指标。
确定近红外光谱分析仪的质量监测参数，以确保其信号处理性能和准确性，包括：所述信号处理参数是指用于处理从光谱仪器收集到的信号的设置和参数，例如，光谱数据的滤波、校正和平滑等。
所述信号过滤性能是指信号处理参数的设置如何影响光谱信号的质量和准确性，包括去除干扰信号和提取所需信息的能力。
所述信号干扰指标是指用于量化信号中的干扰程度的参数或标志，用于评估信号的准确性和纯度；所述震动指标是指用于描述仪器在受到外部震动或振动时的稳定性和性能的参数；所述预设震动指标是在先前确定的条件下，根据信号处理参数和信号过滤性能，预先设置的用于评估仪器在不同震动条件下性能的指标。
提高近红外光谱分析仪在受到震动或振动干扰时的性能，从而增强了信号的准确性和稳定性。通过根据信号处理参数和信号过滤性能来确定预设震动指标，更好地应对可能的干扰，提高仪器的可靠性，有助于确保光谱分析在不同应用领域中的准确性和可靠性。
如图2所示，以所述第一震动监测数据集和所述第二震动监测数据集进行震动指标计算，Step-5还包括：
将所述第一震动监测数据集和所述第二震动监测数据集输入时序同步检测模块中，根据所述时序同步检测模块进行时序同步检测，得到第一时序同步性；
判断所述第一时序同步性是否大于等于预设时序同步性；
若所述第一时序同步性大于等于所述预设时序同步性再对所述第一震动监测数据集和所述第二震动监测数据集进行震动指标计算。
在需要高精度震动分析的应用领域，包括：所述第一震动监测数据集、第二震动监测数据集是指从传感器或其他数据源收集到的关于震动或振动的数据集，可能包括时间序列数据，用于分析和评估震动的性质和特征；所述震动指标计算指的是根据震动监测数据集计算出一系列指标或参数，以描述震动的性质，如振幅、频率、波形等，可以用于进一步的分析或用于判断系统的状态。
时序同步检测模块是一个用于对比两个数据集的时间序列以检测它们的同步性或相关性的模块，包括一些算法或技术，用于确定数据集之间的时间关系；所述第一时序同步性是通过时序同步检测模块得出的一个值，用来表示第一震动监测数据集和第二震动监测数据集之间的时间同步程度，可以反映数据集是否在同一时间范围内采集或表现出类似的时间特性；预设时序同步性是一个预先设定的阈值或标准，用于判断第一时序同步性是否满足某种条件：如果第一时序同步性大于等于预设时序同步性，那么将执行震动指标计算。通过在数据分析之前进行时序同步检测，有助于确保分析的准确性，并提高质量监测的可靠性，增强了震动监测系统的稳定性和准确性。
判断所述第一时序同步性是否大于等于预设时序同步性，Step-5还包括：
若所述第一时序同步性小于所述预设时序同步性，定位异常震动监测数据集；
将所述异常震动监测数据集进行归置后，分别对归置后的第一震动监测数据集和归置后的第二震动监测数据集进行归置位数据的预测，生成校正后的第一震动监测数据集和校正后的第二震动监测数据集；
以校正后的第一震动监测数据集和校正后的第二震动监测数据集进行震动指标计算。
判断第一时序同步性是否大于等于预设时序同步性，还包括：若所述第一时序同步性小于所述预设时序同步性，定位异常震动监测数据集，其中，所述第一时序同步性指的是某种震动数据的同步性质，是指数据采集的时间间隔或其他相关参数。预设时序同步性是预先设定的期望同步性水平，这一步骤的目的是比较实际同步性和预期同步性，以判断是否满足要求。若第一时序同步性小于预设时序同步性，简单来说就是如果实际同步性小于预期，说明存在问题或异常，这一步骤的目的是找出异常的震动监测数据集，也就是那些不符合同步性要求的数据。
将异常震动监测数据集进行归置后：归置指的是将异常数据进行整理或调整，以便后续分析；分别对归置后的第一震动监测数据集和归置后的第二震动监测数据集进行归置位数据的预测，生成校正后的第一震动监测数据集和校正后的第二震动监测数据集，这一步骤涉及数据处理和校正，通过模型或算法对震动数据进行处理，以获得更准确的数据集；以校正后的第一震动监测数据集和校正后的第二震动监测数据集进行震动指标计算：使用校正后的数据集进行震动指标计算；
分别对归置后的第一震动监测数据集和归置后的第二震动监测数据集进行归置位数据的预测，生成校正后的第一震动监测数据集和校正后的第二震动监测数据集，还包括：第一震动监测数据集和第二震动监测数据集是通过振动传感器采集到的机械设备振动信号的时间序列数据；要对归置位数据进行预测，可以借助深度学习模型，如长短期记忆网络（LSTM），具体的：LSTM模型是一种适用于序列数据建模的深度学习模型可以记忆和预测序列数据中的长期依赖关系，适用于处理时间序列数据的预测任务。在第一震动监测数据集和第二震动监测数据集中，可以使用LSTM模型来学习振动信号的模式和规律，并用于预测归置位数据的状态；同时，在使用这些深度学习模型之前，需要对振动监测数据集进行适当的数据预处理和特征工程，以便提高模型的性能和泛化能力，其中，数据预处理包括去除异常值、缺失值处理等，特征工程则包括选择合适的特征、提取有意义的特征、降维等步骤。
一方面，提高了震动数据分析的准确性，通过校正和处理数据，减少了不一致性和异常数据的影响；另一方面，提高了监测的可靠性，特别是在需要高精度震动分析的应用领域，这可以有助于更好地监测和管理震动相关的问题。
本申请实施例还包括：
获取所述近红外光谱分析仪的信号显示特征强度是否大于预设特征强度，若小于所述预设特征强度；
连接光谱灵敏度放大器，将所述第一信号原始样本输入所述光谱灵敏度放大器中，根据所述光谱灵敏度放大器放大所述第一信号原始样本进行光谱显示的灵敏度，得到放大原始信号；
根据所述光谱灵敏度放大器放大所述多组信号检测样本进行光谱显示的灵敏度，得到多组放大检测信号；
根据所述放大原始信号和所述多组放大检测信号进行信号比对，得到所述多个信号干扰指标。
处理近红外光谱分析仪信号，还包括：如果信号在光谱显示的特征不够好，可以采用另一种确定预设震动指标的方法，具体的，所述信号显示特征强度是指从近红外光谱分析仪中获得的信号的属性的强度，与样本的性质有关；所述预设特征强度是预先设定的参考值，用于比较信号显示特征强度，以确定是否满足监测的条件（满足GB/T 6040-2019《红外光谱分析方法通则》所设置的预设特征强度）；所述光谱灵敏度放大器是一种用于增强输入信号的强度以便更容易检测和分析设备，用于放大近红外光谱分析仪的信号；如果信号在光谱显示的特征不够好，先经过光谱特征放大，再根据所述放大原始信号和所述多组放大检测信号进行信号比对确定信号所受干扰，其中，所述信号比对是指将放大的原始信号与多组放大检测信号进行比较，以确定放大的原始信号与多组放大检测信号之间的差异的过程。
一方面，通过使用光谱灵敏度放大器，可以增强信号，可能提高了系统的可靠性和精度，尤其是在需要高精度的震动分析应用中；另一方面，通过比对不同信号，可以生成多个信号干扰指标，用于评估信号的质量或可能的干扰情况，生成有用的指标来评估信号质量，有助于更好地监测和管理相关问题；总的来说，旨在自动化信号处理和分析过程，以提高效率和数据质量，特别适用于近红外光谱分析仪的应用。
本申请实施例还包括：
获取所述光谱灵敏度放大器对实时检测信号进行光谱显示的灵敏度进行放大的放大参数；
根据所述放大参数生成解调编码信息，以所述解调编码信息对所述实时检测信号进行解调还原。
对实时检测信号进行光谱显示并提高其灵敏度，包括：所述光谱灵敏度放大器是一个用于增加输入信号的灵敏度的设备，通常用于放大信号以提高检测的精度或灵敏度，在本申请实施例中，可以用于增强实时检测信号的质量。放大参数是指用于控制光谱灵敏度放大器的参数，包括放大倍数、增益、滤波器设置等，通过调整放大参数，可以改变信号的放大程度。解调编码信息是指对信号进行解码和还原，以获得原始信息，在光谱显示中，解调编码信息是指将经过处理的信号转化为可识别和可理解的数据或图形。
一方面，通过光谱灵敏度放大器的使用和相应的放大参数设置，可以增加实时检测信号的灵敏度，使系统能够检测到更低强度的信号或更细微的变化；另一方面，通过解调编码信息，将实时检测信号转化为可视化的光谱图或其他形式的数据显示，同时，允许对信号进行实时检测，并在需要时进行解码和显示，对于需要迅速采取措施或监测信号变化的应用非常有用，有助于操作员或分析师更容易地理解和分析信号；总的来说，旨在通过光谱灵敏度放大和解码技术，提高信号的灵敏度和可视化，使之更适用于需要高灵敏度和实时监测的应用。
综上所述，本申请实施例所提供的一种近红外光谱分析仪质量监测管理方法及系统具有如下技术效果：
1．通过使用第二震动传感器在近红外光谱分析仪上采集震动数据，能够实时监测机械臂的运动情况。
2．利用采样结果和预设的震动指标，可以及时检测到机械臂的不稳定性。
3．通过计算震动指标和建立指标映射模型，能够定量评估机械臂的平稳性，并在需要时提供提醒或报警。
4．有助于提高质量监测的准确性，确保近红外光谱分析的可靠性，并可能减少不良产品的生产。
5．由于采用了若第一时序同步性小于预设时序同步性，定位异常震动监测数据集；将异常震动监测数据集进行归置后，分别对归置后的第一震动监测数据集和归置后的第二震动监测数据集进行归置位数据的预测，生成校正后的第一震动监测数据集和校正后的第二震动监测数据集；以校正后的第一震动监测数据集和校正后的第二震动监测数据集进行震动指标计算。一方面，提高了震动数据分析的准确性，通过校正和处理数据，减少了不一致性和异常数据的影响；另一方面，提高了监测的可靠性，特别是在需要高精度震动分析的应用领域，这可以有助于更好地监测和管理震动相关的问题。
实施例二
基于与前述实施例中一种近红外光谱分析仪质量监测管理方法相同的发明构思，如图3所示，本申请实施例提供了一种近红外光谱分析仪质量监测管理系统，其中，所述系统包括：
集成机械臂模块100，用于获取近红外光谱分析仪的集成机械臂；
第一数据采集模块200，用于根据第一震动传感器对所述集成机械臂的预设运动轨迹进行数据采集，获取第一震动监测数据集，其中，所述第一震动传感器设置于所述集成机械臂上；
第二数据采集模块300，用于根据第二震动传感器对所述近红外光谱分析仪在所述预设运动轨迹进行数据采集，获取第二震动监测数据集，其中，所述第二震动传感器设置于所述近红外光谱分析仪上；
信号采样模块400，用于对所述近红外光谱分析仪进行信号采样，并根据信号采样结果确定预设震动指标；
震动指标计算模块500，用于以所述第一震动监测数据集和所述第二震动监测数据集进行震动指标计算，获取第一震动指标集和第二震动指标集，以所述第一震动指标集和所述第二震动指标集建立指标映射模型；
运动平稳性监测模块600，用于基于所述预设震动指标输入所述指标映射模型中进行定位，得到机械臂震动指标按照所述机械臂震动指标对所述集成机械臂进行运动平稳性监测提醒。
进一步的，所述信号采样模块400用于执行以下步骤：
获取第一信号原始样本和多个震动指标；
以所述第一信号原始样本和所述多个震动指标对所述近红外光谱分析仪进行信号采样，得到信号采样结果，其中，所述信号采样结果包括多组信号检测样本，所述多组信号检测样本对应多个震动指标，在每个震动指标条件下测试所述近红外光谱分析仪基于所述第一信号原始样本的检测信号，得到每组信号检测样本；
通过对所述多组信号检测样本和所述第一信号原始样本分别进行信号比对，得到多个信号干扰指标；
以所述多个震动指标和所述多个信号干扰指标，确定预设震动指标。
进一步的，所述信号采样模块400还用于执行以下步骤：
获取所述近红外光谱分析仪的信号处理参数，由所述信号处理参数确定信号过滤性能；
根据所述信号过滤性能，确定所述近红外光谱分析仪的第一信号干扰指标，其中，所述第一信号干扰指标为所受最大干扰指标；
以所述第一信号干扰指标从所述多个震动指标中匹配基于所述第一信号干扰指标对应的预设震动指标。
进一步的，所述震动指标计算模块500用于执行以下步骤：
将所述第一震动监测数据集和所述第二震动监测数据集输入时序同步检测模块中，根据所述时序同步检测模块进行时序同步检测，得到第一时序同步性；
判断所述第一时序同步性是否大于等于预设时序同步性；
若所述第一时序同步性大于等于所述预设时序同步性再对所述第一震动监测数据集和所述第二震动监测数据集进行震动指标计算。
进一步的，所述震动指标计算模块500还用于执行以下步骤：
若所述第一时序同步性小于所述预设时序同步性，定位异常震动监测数据集；
将所述异常震动监测数据集进行归置后，分别对归置后的第一震动监测数据集和归置后的第二震动监测数据集进行归置位数据的预测，生成校正后的第一震动监测数据集和校正后的第二震动监测数据集；
以校正后的第一震动监测数据集和校正后的第二震动监测数据集进行震动指标计算。
进一步的，所述信号采样模块400还用于执行以下步骤：
获取所述近红外光谱分析仪的信号显示特征强度是否大于预设特征强度，若小于所述预设特征强度；
连接光谱灵敏度放大器，将所述第一信号原始样本输入所述光谱灵敏度放大器中，根据所述光谱灵敏度放大器放大所述第一信号原始样本进行光谱显示的灵敏度，得到放大原始信号；
根据所述光谱灵敏度放大器放大所述多组信号检测样本进行光谱显示的灵敏度，得到多组放大检测信号；
根据所述放大原始信号和所述多组放大检测信号进行信号比对，得到所述多个信号干扰指标。
进一步的，所述信号采样模块400还用于执行以下步骤：
获取所述光谱灵敏度放大器对实时检测信号进行光谱显示的灵敏度进行放大的放大参数；
根据所述放大参数生成解调编码信息，以所述解调编码信息对所述实时检测信号进行解调还原。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中，并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法，在此不做多余限制。
进一步的，综上所述的第一或第二可能不止代表次序关系，也可能代表某项特指概念，和/或指的是多个元素之间可单独或全部选择。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
Claims (4)
1.一种近红外光谱分析仪质量监测管理方法，其特征在于，所述方法包括：
获取近红外光谱分析仪的集成机械臂；
根据第一震动传感器对所述集成机械臂的预设运动轨迹进行数据采集，获取第一震动监测数据集，其中，所述第一震动传感器设置于所述集成机械臂上；
根据第二震动传感器对所述近红外光谱分析仪在所述预设运动轨迹进行数据采集，获取第二震动监测数据集，其中，所述第二震动传感器设置于所述近红外光谱分析仪上；
对所述近红外光谱分析仪进行信号采样，并根据信号采样结果确定预设震动指标；
以所述第一震动监测数据集和所述第二震动监测数据集进行震动指标计算，获取第一震动指标集和第二震动指标集，以所述第一震动指标集和所述第二震动指标集建立指标映射模型；
基于所述预设震动指标输入所述指标映射模型中进行定位，得到机械臂震动指标，按照所述机械臂震动指标对所述集成机械臂进行运动平稳性监测提醒；
对所述近红外光谱分析仪进行信号采样，并根据信号采样结果确定预设震动指标，方法包括：
获取第一信号原始样本和多个震动指标，所述第一信号原始样本为近红外光谱分析仪中采集的原始信号；
以所述第一信号原始样本和所述多个震动指标对所述近红外光谱分析仪进行信号采样，得到信号采样结果，其中，所述信号采样结果包括多组信号检测样本，所述多组信号检测样本对应多个震动指标，在每个震动指标条件下测试所述近红外光谱分析仪基于所述第一信号原始样本的检测信号，得到每组信号检测样本；
通过对所述多组信号检测样本和所述第一信号原始样本分别进行信号比对，得到多个信号干扰指标；
以所述多个震动指标和所述多个信号干扰指标，确定预设震动指标；
以所述多个震动指标和所述多个信号干扰指标，确定预设震动指标，方法包括：
获取所述近红外光谱分析仪的信号处理参数，由所述信号处理参数确定信号过滤性能；
根据所述信号过滤性能，确定所述近红外光谱分析仪的第一信号干扰指标，其中，所述第一信号干扰指标为所受最大干扰指标；
以所述第一信号干扰指标从所述多个震动指标中匹配基于所述第一信号干扰指标对应的预设震动指标；
以所述第一震动监测数据集和所述第二震动监测数据集进行震动指标计算，方法还包括：
将所述第一震动监测数据集和所述第二震动监测数据集输入时序同步检测模块中，根据所述时序同步检测模块进行时序同步检测，得到第一时序同步性；
判断所述第一时序同步性是否大于等于预设时序同步性；
若所述第一时序同步性大于等于所述预设时序同步性再对所述第一震动监测数据集和所述第二震动监测数据集进行震动指标计算；
判断所述第一时序同步性是否大于等于预设时序同步性，方法还包括：
若所述第一时序同步性小于所述预设时序同步性，定位异常震动监测数据集；
将所述异常震动监测数据集进行归置后，分别对归置后的第一震动监测数据集和归置后的第二震动监测数据集进行归置位数据的预测，生成校正后的第一震动监测数据集和校正后的第二震动监测数据集；
以校正后的第一震动监测数据集和校正后的第二震动监测数据集进行震动指标计算。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述近红外光谱分析仪的信号显示特征强度是否大于预设特征强度，若小于所述预设特征强度；
连接光谱灵敏度放大器，将所述第一信号原始样本输入所述光谱灵敏度放大器中，根据所述光谱灵敏度放大器放大所述第一信号原始样本进行光谱显示的灵敏度，得到放大原始信号；
根据所述光谱灵敏度放大器放大所述多组信号检测样本进行光谱显示的灵敏度，得到多组放大检测信号；
根据所述放大原始信号和所述多组放大检测信号进行信号比对，得到所述多个信号干扰指标。
3.如权利要求2所述的方法，其特征在于，所述方法还包括：
获取所述光谱灵敏度放大器对实时检测信号进行光谱显示的灵敏度进行放大的放大参数；
根据所述放大参数生成解调编码信息，以所述解调编码信息对所述实时检测信号进行解调还原。
4.一种近红外光谱分析仪质量监测管理系统，其特征在于，用于实施权利要求1-3任意一项所述的一种近红外光谱分析仪质量监测管理方法，包括：
集成机械臂模块，用于获取近红外光谱分析仪的集成机械臂；
第一数据采集模块，用于根据第一震动传感器对所述集成机械臂的预设运动轨迹进行数据采集，获取第一震动监测数据集，其中，所述第一震动传感器设置于所述集成机械臂上；
第二数据采集模块，用于根据第二震动传感器对所述近红外光谱分析仪在所述预设运动轨迹进行数据采集，获取第二震动监测数据集，其中，所述第二震动传感器设置于所述近红外光谱分析仪上；
信号采样模块，用于对所述近红外光谱分析仪进行信号采样，并根据信号采样结果确定预设震动指标；
震动指标计算模块，用于以所述第一震动监测数据集和所述第二震动监测数据集进行震动指标计算，获取第一震动指标集和第二震动指标集，以所述第一震动指标集和所述第二震动指标集建立指标映射模型；
运动平稳性监测模块，用于基于所述预设震动指标输入所述指标映射模型中进行定位，得到机械臂震动指标，按照所述机械臂震动指标对所述集成机械臂进行运动平稳性监测提醒。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311253205.6A CN116985183B (zh) | 2023-09-27 | 2023-09-27 | 一种近红外光谱分析仪质量监测管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311253205.6A CN116985183B (zh) | 2023-09-27 | 2023-09-27 | 一种近红外光谱分析仪质量监测管理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116985183A CN116985183A (zh) | 2023-11-03 |
| CN116985183B true CN116985183B (zh) | 2023-12-08 |
Family
ID=88530564
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311253205.6A Active CN116985183B (zh) | 2023-09-27 | 2023-09-27 | 一种近红外光谱分析仪质量监测管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116985183B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117653920B (zh) * | 2023-12-29 | 2024-05-07 | 广州市芯科电子科技有限公司 | 一种稳定性好的美容用光谱仪系统及稳定方法 |
| CN117517240B (zh) * | 2024-01-08 | 2024-03-19 | 新仟意能源科技(成都)集团有限责任公司 | 基于红外光的轻烃组分在线检测方法及系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102303315A (zh) * | 2011-08-22 | 2012-01-04 | 华南理工大学 | 气动驱动二自由度柔性机械臂装置和控制方法 |
| CN104089790A (zh) * | 2014-07-09 | 2014-10-08 | 合肥奥博特自动化设备有限公司 | 一种振动式码垛机器人故障预测方法 |
| KR20160004591A (ko) * | 2014-07-03 | 2016-01-13 | (주)파인원커뮤니케이션즈 | 유연 스케쥴링 기능을 구비한 근적외선 분석 시스템 |
| CN110980036A (zh) * | 2020-01-06 | 2020-04-10 | 沙洲职业工学院 | 一种智能垃圾分类装置及其分类方法 |
| CN111687413A (zh) * | 2020-06-08 | 2020-09-22 | 武汉大学 | 一种用于激光近净成形的实时监测装置、成形设备及方法 |
| CN113406013A (zh) * | 2021-04-13 | 2021-09-17 | 江苏师范大学 | 基于高光谱和近红外融合的肉制品品质检测设备与方法 |
| CN215727621U (zh) * | 2021-08-05 | 2022-02-01 | 苏州斌智科技有限公司 | 一种近红外光谱仪使用的机械臂装置 |
| WO2022230531A1 (ja) * | 2021-04-26 | 2022-11-03 | ナブテスコ株式会社 | 診断システム |
| CN219201370U (zh) * | 2022-11-21 | 2023-06-16 | 苏州斌智科技有限公司 | 一种新型近红外在线液体循环检测装置 |
-
2023
- 2023-09-27 CN CN202311253205.6A patent/CN116985183B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102303315A (zh) * | 2011-08-22 | 2012-01-04 | 华南理工大学 | 气动驱动二自由度柔性机械臂装置和控制方法 |
| KR20160004591A (ko) * | 2014-07-03 | 2016-01-13 | (주)파인원커뮤니케이션즈 | 유연 스케쥴링 기능을 구비한 근적외선 분석 시스템 |
| CN104089790A (zh) * | 2014-07-09 | 2014-10-08 | 合肥奥博特自动化设备有限公司 | 一种振动式码垛机器人故障预测方法 |
| CN110980036A (zh) * | 2020-01-06 | 2020-04-10 | 沙洲职业工学院 | 一种智能垃圾分类装置及其分类方法 |
| CN111687413A (zh) * | 2020-06-08 | 2020-09-22 | 武汉大学 | 一种用于激光近净成形的实时监测装置、成形设备及方法 |
| CN113406013A (zh) * | 2021-04-13 | 2021-09-17 | 江苏师范大学 | 基于高光谱和近红外融合的肉制品品质检测设备与方法 |
| WO2022230531A1 (ja) * | 2021-04-26 | 2022-11-03 | ナブテスコ株式会社 | 診断システム |
| CN215727621U (zh) * | 2021-08-05 | 2022-02-01 | 苏州斌智科技有限公司 | 一种近红外光谱仪使用的机械臂装置 |
| CN219201370U (zh) * | 2022-11-21 | 2023-06-16 | 苏州斌智科技有限公司 | 一种新型近红外在线液体循环检测装置 |
Non-Patent Citations (1)
| Title |
|---|
| 基于六维加速度传感器的大型机械臂柔性关节振动抑制;倪风雷;林鹏飞;邹添;;空间控制技术与应用(第05期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116985183A (zh) | 2023-11-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116985183B (zh) | 一种近红外光谱分析仪质量监测管理方法及系统 | |
| CN105300923B (zh) | 一种近红外光谱分析仪在线应用时无测点温度补偿模型修正方法 | |
| CN101246369B (zh) | 一种汽车零部件尺寸质量控制系统和方法 | |
| CN111611294B (zh) | 星敏感器数据异常检测方法 | |
| CN117109487B (zh) | 一种金属厚度自动化无损测量方法 | |
| CN105466885B (zh) | 基于无测点温度补偿机制的近红外在线测量方法 | |
| EP2580772B1 (en) | A method computer program and system to analyze mass spectra | |
| WO2016148898A1 (en) | Detecting a transient error in a body fluid sample | |
| CN111220571B (zh) | 一种基于幅值离散度的二次谐波信号拟合方法及系统 | |
| CN105259136A (zh) | 近红外校正模型的无测点温度修正方法 | |
| CN116432054A (zh) | 一种基于聚类分析的局部放电严重程度识别方法 | |
| CN115659271A (zh) | 传感器异常检测方法、模型训练方法、系统、设备及介质 | |
| CN113295674B (zh) | 一种基于s变换的激光诱导击穿光谱特征非线性处理方法 | |
| CN112861411A (zh) | 基于近红外光谱主成分和神经网络的生物质钠含量测量与建模方法 | |
| CN112861412A (zh) | 基于近红外光谱主成分和神经网络的生物质挥发分含量测量与建模方法 | |
| CN112257017A (zh) | 标准化残差检验法一元线性逐点分析方法及系统和装置 | |
| CN105259135B (zh) | 适用于实时在线的无测点温度补偿近红外测量方法 | |
| CN111830451A (zh) | 一种非成像传感器的检验方法 | |
| CN118518311B (zh) | 一种氢燃料电池的冲击检测设备及检测方法 | |
| CN115792141B (zh) | 一种提高水活度仪平衡检测效率的方法及系统 | |
| CN117969774B (zh) | 一种自动化燕窝检测与分级系统 | |
| CN114924237B (zh) | 一种用于动态检测雷达数据异常值的滤波方法 | |
| CN118427577B (zh) | 用于农产品的农药残留检测方法及装置 | |
| CN118566173B (zh) | 一种噪声抑制效果检验方法及装置 | |
| CN118047351B (zh) | 一种高纯氢气生产制备系统及方法 |
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 |