参数检测（共9篇）
参数检测 篇1
1 概述
为提高汽车行驶安全性, 降低公路交通事故率, 实施强制性的汽车安全性能定期检测制度, 尽力保障在用汽车安全技术状况良好, 是世界各国车辆管理部门加强车辆管理的重要措施。汽车制动性是汽车主动安全性的主要性能之一, 总体上, 汽车制动性能检测方法可分为道路试验检测法和台架试验检测法。道路试验检测法是评定汽车制动性能的最基本的方法, 但路试制动检测只能判定制动系的总体状况, 不易判别故障发生的具体部位;受试验场地和气候条件制约较大;且效率低。台架试验检测法检测过程是:受检汽车驶上测试台架、检测制动、驶离台架, 便完成了检测作业。台架会自动显示、打印出检测数据和结果, 并给出制动性能合格与否的评价结论。因此, 面广量大的在用汽车制动性检测一般都是采用台架试验检测法。路试检测主要针对轴荷超过检验设备允许承载能力的车辆, 多轴无法上线的车辆或只是在必要时用来验证台试结果的可靠性。
2 汽车制动性能主要检测参数分析
2.1 制动协调时间分析
汽车在道路上实际行驶时, 汽车制动减速过程基本上要经历这样几个阶段:驾驶员得到制动信息、发出制动指令 (这里所经过时间与制动检测无关, 属人为因素) ;制动器起作用产生制动力、路面生成制动力、出现减速度汽车稳定减速直到停车;解除制动, 彻底释放制动力。将汽车一次制动过程的各个阶段适当简化, 按时间为横坐标 (t) 分解显示, 汽车制动减速过程见图1。图1 a) 为制动时踏板力与制动时间的关系;图1b) 为制动力 (制动减速度) 与制动时间的关系;图1c) 为制动时车速与制动时间的关系;图1d) 为制动时制动距离与制动时间的关系。
汽车行驶过程, 从驾驶员意识到需要制动, 到出现制动踏板力的这段时间, 一般称为驾驶员反应时间, 即图1a) 和b) 中的t1这段时间。驾驶员反应时间取决于驾驶员的反应灵敏性, 与汽车制动系技术状况无关, t1一般为0.3~ls。驾驶员开始踩制动踏板, 经消除踏板自由行程后, 制动踏板力 (Fp) 才开始增长。制动踏板力由零增大到最大值也需要一定的时间, 图1a) 中的t2为制动踏板力增长时间。由于制动传动系统存在间隙, 制动蹄片与制动鼓 (盘) 间存在间隙, 以及要克服蹄片复位弹簧的拉力等原因, 虽然出现了制动踏板力, 却要经过一定的时间才出现路面制动力。制动力不随踏板力同步出现的时间差, 如图1b) 中的t21所示, 称为制动系响应时间一般液压制动系的响应时间为0.015~0.03s, 气压制动系为0.05~0.06s。从出现路面制动力到路面制动力增至最大值所经历的时间, 称为制动力增长时间, 如图1b) 中的t22。液压制动系制动力增长时间为0.15~0.3s, 气压制动系制动力增长时间为0.3~0.8s。
t2=t21+t22总称为制动系的作用时间, t2一般在0.2~0.9s之间。对于制动器结构形式确定的在用汽车, t2的长、短不仅与驾驶员踩踏板的速度有关, 还与制动系统的技术状况 (如踏板自由行程、制动传动系统间隙和制动器间隙等因素) 直接相关。制动力达最大值后, 其值基本不变, 称为持续制动过程, 即图1b) 中t3所示的过程, t3称为持续制动时间。制动结束, 驾驶员松开踏板, 制动踏板力立即消失, 但制动力的消除还需要一定的时间, 如图1 b) 中的t4所示, 称为制动释放时间。
通过分析可知, 仅用制动力参数是不能全面评价制动性能的。因此, GB7258规定, 在用制动减速度参数或制动力参数评价制动性能时, 必须同时测量制动协调时间, 两个参数必须同时达到要求, 才能判定为合格。
2.2 制动力平衡
汽车制动方向稳定性路试检测的常用参数是制动跑偏量。制动跑偏是汽车直线行驶制动时, 在转向盘固定小动的条件下, 汽车自动向左侧或右侧偏驶的现象。汽车制动跑偏主要是山于汽车左右轮制动力小相等或制动力增长的快慢小一致造成的, 特别是转向轴左右车轮制动器的制动力小相等或制动力增长快慢小一致。因此, GB7258和GA468都规定在制动力增长全过程中同时测得的同轴左右轮制动力必须满足平衡要求。在汽车检测实践中, 时常会出现这样的情况:有的汽车路试制动时, 方向稳定性比较好, 没有明显的制动跑偏现象, 但是在台架检测中却发现该车个别车轴的制动小平衡率超出国家标准而被判定为小合格:有的汽车路试中制动稳定性小好, 出现明显的制动跑偏现象, 但在台架测试中因为该车的制动不平衡没有超出国家标准而被判定为合格。这类情况在多轴车的检测中尤为突出。
2.3 制动力大小
汽车制动减速是由于制动时产生了制动力, 制动力是制动效能的基础, 是制动系工作过程的基本的输出参数。通常所说的制动力都是指路面制动力, 路面制动力不是凭空而生, 它是制动器的摩擦力矩 (即制动力矩) 在具体道路条件下的体现。制动器制动力是路面制动力的源泉, 只有在足够大的制动器制动力的条件下, 才能充分利用路面附着条件产生最大的路面制动力。在用汽车的制动器制动力的大小完全取决于制动系的状况, 制动系结构参数的变化最终都体现为制动器制动力的变化, 制动器制动力是最重要的表征制动系技术状况的参数。当前国内外制动系台试检查标准, 普遍采用制动器制动力作为制动性检测参数。
在汽车制动过程中, 瞬时制动力的曲线的形状复杂, 图2显示的制动力与制动时间关系的图形, 是EQ1090型汽车制动试验 (制动初速度29.7km/h, 制动气压0.6Mpa) 时的右前轮制动过程的实测数据。从图可见, 驾驶员踩着制动踏板后, 经过一定的传递时间, 制动力逐渐增大达最大值, 车轮已充分利用路面附着条件, 车轮立即抱死, 车轮将迅速由滚动变为滑动, 制动力也随之降低, 且不断波动。对此, 我国车辆制动性检测标准或法规中未明确规定, 但是在用反力式制动台检测制动力的具体实践中, 都是以峰值制动力作为检测参数的。制动力是产生汽车制动减速度的原因, 制动力的变化方式不同导致制动减速度的变化方式改变, 汽车的制动性能不宜用最大制动减速度来评价, 汽车持续制动阶段的MFDD可较好地评价汽车的制动性能, 因此, 若用制动力参数来评价汽车的制动性能, 则应采用类似MFDD方式定义的制动持续阶段的平均制动力参数。此外, 不管是普通制动系统还是装备ABS的制动系统, 若其制动器存在制动鼓失圆或制动盘翘曲变形、磨损不均匀、局部材质变化及脏污等问题, 导致制动蹄 (块) 与制动鼓 (盘) 接触状况不佳, 则持续制动阶段制动力的波动幅度会更大, 为更全面评价制动性能, 还应增加制动持续阶段的制动力变化范围参数。因此, 为全面评价汽车的制动性能, 应当采用制动持续阶段平均制动力和制动力变化范围两个制动力参数, 并结合制动协调时间参数。
参考文献
[1]刘洋.关于汽车制动性能有关问题的探讨[J].盘锦市运输管理处.北方交通, 2006.
[2]陈凯.汽车制动性能检测方法研究[J].机械与电子, 2005.
[3]肖永清.国内外汽车检测技术发展状况[J].中国机电工业, 2003.
参数检测 篇2
成果承担单位：河北省自动化研究所 项目负责人：连翠玲 联系人：刘祥乔
联系电话：0311-83018762
一、成果简介
“多参数铁路轨道检测仪”是一种检测铁路轨道轨距、水平、轨向、高低、正矢、行走距离和三角坑、轨距变化率等轨道长波不平顺参数的自动化仪器。它以右轨为基准轨，利用激光准直技术、高精度传感器和内置的数学模型，得出以上参数,并将结果作为指导铁路维护的重要依据。
检测仪由激光发射装置和检测接收车两部分组成。检测时，将激光发射装置与检测接收车间隔一定距离锁紧固定在钢轨上（直线轨最远检测距离200米，半径900米轨最远检测距离50米），系统工作时，通过瞄准镜将激光光斑打在检测接收车的激光接收器上，接收器的接收范围360mm×270mm。以一定速度连续推动检测接收车行进，激光接收器实时接收激光信号，根据陀螺仪、位移传感器、编码器以及系统内置的数学模型测得轨道轨距、水平、轨向、高低、正矢、行走距离和三角坑、轨距变化率等轨道长波不平顺参数，并将结果按查询条件进行显示。
该项目已研制完成“多参数铁路轨道检测仪”样机一台，并通过河北省科技厅组织的验收。
二、技术指标
项目 轨距 水平轨向 高低
检测范围
检测精度
1415～1480mm
±0.5mm
±100mm
±100mm
±0.5mm
±0.5mm
±75mm
±0.5mm 正矢
200mm
±0.5mm 行走距离
0～1000km
1‰
三、应用说明
1．应用实例与效果
“多参数铁路轨道检测仪”在北京铁路局石家庄工务段上行线路车间试用，上线测量了线路的轨距、水平、里程等参数。在试用过程中，该系统运行稳定，推行方便，并能够根据线路情况调整参数的设置，达到了铁路养护操作指导规范所要求的内容，降低了我们对于线路的养护劳动强度，在一定程度上节约了人力，提高了劳动效率。
“多参数铁路轨道检测仪”在石家庄铁路工务工程队试用，使用情况如下：该检测仪的操作性和测量参数的可靠性都达到了预期的要求，在操作上较为简便，测量时无需太多步骤，可方便的上线测量；其人机界面友好，能够做到各项功能一目了然；上线测量的铁路轨道的轨距和水平等参数，与经验数据对比，精度能够达到预期；但该检测仪对光稍显繁琐，主要是对光时所用的望远镜功能不足，需要频繁的调整焦距，可能会降低测量效率。
总体来说，该检测仪的使用情况良好，达到了预期的目标。
四、成果推广简介
1．应用范围：该检测仪可应用于全国铁路系统。
2．成果转化方式：我们采用自行转化方式进行成果转化。
参数检测 篇3
关键词： 微结构检测； 表面重构； 可视化测量； 累加弦长双三次样条
中图分类号： O 439/TP 391文献标识码： Adoi： 10.3969/j.issn.10055630.2012.05.002
引言随着科学技术的发展，IC行业和精密加工与制造中对常见的微尺寸和轮廓的检测提出了越来越高的要求。光学共聚焦显微系统以其非接触，高精度等特点在生物医学检测、IC业和精密制造业的微尺寸和微形貌精密测量领域发挥着重要作用[1]。随着激光的出现和运动控制技术的提高，激光扫描共焦系统采用横向扫描方式有效地扩大了系统的视场，应用于微形貌检测的激光扫描共焦系统已经实现了商品化。近年来随着微光机电技术的发展，涌现了所谓的并行共焦系统[23]。其采用微光机电器件进行光束分割，通过光束的并行探测扩大视场，提高测量效率。但是并行光学系统的像差及各类干扰影响了系统对并行测点的正焦信息的萃取精度，为此将像散原理引入并行共焦检测系统[45]，实现基于像散原理的并行共焦检测系统，利用并行测点所对应光场的差动光能统计值与物点轴向位置之间形成的S曲线的局部线性关系来辨识测点正焦位置，即被测轮廓上Z轴坐标，差动原理具有较强的抗干扰能力，所以系统实现了物点正焦位置的高精度辨识。通过光学系统的横向特性以及轮廓上Z轴坐标获得被测微轮廓的三维坐标，进而实现微尺寸和微形貌的精密测量。基于被测表面的三维数据实现表面重构，通过放大、显示，拾取被测表面的轮廓要素实现微结构的可视化测量。目前以样条函数为工具的曲面拟合方法已被证明是最有用的方法之一[6]。样条曲面可分为逼近样条曲面和插值样条曲面：前者受附近控制顶点的共同控制，不一定通过控制顶点，后者要求曲面通过控制顶点。根据微结构表面的特点及表面重构精度的要求，采用累加弦长双三次样条函数来拟合曲面，它属于插值样条函数，且具有保凸、保形及几何不变性，保证了表面重构的精度。在主流的三维开发平台上利用三角面片来表达曲面，为了提高可视化测量的精度，文中提出了“要素拾取”的概念，即通过拾取重构表面上三角面片上的点所对应的拟合曲面上的点实现“要素拾取”，避免局部三角面片与实际拟合曲面之间的误差，提高轮廓要素的拾取精度，保证微结构表面参数的测量精度。1微结构表面三维数据的萃取并行像散共焦微结构形貌检测系统见图1所示，由并行像散共焦光学系统和纳米微动台组成。纳米微动台实现Z方向上的运动和测量，被测物放在此台上进行观测，图2呈现了测量过程中序列图片获取过程，将要观测的表面放入观测位置，随着微动台的Z向移动，依此采集序列图片Ⅲ、Ⅱ和Ⅰ…，并记录图片采集时的微动台Z向位置。基于像散原理，在序列图片上，正焦测点对应圆形的光场分布，近焦和远焦测点对应着椭圆形的光场分布，图3呈现了将一块3级量块作为被测物时，得到在extraction flow chart序列图片。在实际测量时，根据图4所示的表面三维坐标萃取流程，先将一个一级量块放在微动台上，并使其处于正焦位置，采集此模板图像。模板图像的作用在于确定各个并行像散光场的中心位置，确定测量时各个光斑的X与Y坐标。再将被测表面置于微动台上，拍摄序列图片；根据模板图片上各并行像散光场中心位置，分割测点场；依据像散原理的差动光能统计算法，计算各个并行光场的差动光能统计值；结合每幅图片所对应微动台Z向位置构建并行检测曲线，萃取各个检测曲线的零点。萃取检测曲线上的零点所对应的Z向坐标就是该测点测得的被测表面Z向坐标。软件系统的萃取功能又分为：“定点萃取”即以“模板”所决定的各光场位置为中心划分差动光能统计区域；“浮点萃取”即每次都要重新搜索各光场的中心位置，以此划分光能统计区域。因为微结构的几何变化剧烈时，反射光的方向变化较大，为减小外部干扰，故采用“浮点萃取”的方法求取各个光场中心位置的零点高度值最为可靠。2微结构表面重构在微结构的可视化测量中，除了微结构的三维信息的萃取部分外，最为关键的部分是微结构表面重构。目前属于插值样条函数的拟合方法中最为常用的是双三次样条函数和累加弦长双三次样条插值函数，其中累加弦长双三次样条有以下优点[7]：（1）累加弦长双三次样条插值函数在大挠度情况下具有保凸性、保形性以及几何不变性，而双三次样条插值拟合函数只在小挠度的情况下才能有保凸性和几何不变性。图5表面重构流程
Fig.5Surface reconstruction flow chart（2）双三次样条插值函数只适合均匀插值，而微透镜阵列的针孔间距会有微小误差及环境和像散的特点会使成像点的中心位置之间的间距出现不均匀的情况，则用双三次样条插值会产生误差，累加弦长双三次样条可以有效地排除此干扰。鉴于累加弦长双三次样条以上两个优点，在此选择累加弦长双三次样条作为表面重构的方法。累加弦长双三次样条函数[8]的建立过程，可以看成沿着X、Y方向分别建立累加弦长三次样条函数。首先，沿着X方向确定f（xi，yj）/x；其次，沿着Y方向确定f（xi，yj）/y；最后，利用f（xi，yj）/x沿着Y方向确定f（xi，yj）/xy。而累加弦长三次样条插值函数[9]是在三次样条插值函数的基础上给定一组型值点Pi（xi，yi，zi），i=0，1，…，n，即廓形上的三维数据。构造关于参数μ的插值三次样条函数：x=x（μ）、y=y（μ）、z=z（μ）；它们分别插值于点集（μi，xi）、（μi，yi）和（μi，zi），i=0，1，…，n。三者合并形成三次参数样条曲线P（μ）=[x（μ），y（μ），z（μ）]。关于参数μ，采用累加弦长作为参数构造样条曲线，称为累加弦长参数样条曲线。文中给定型值点Pi（xi，yi，zi），i=0，1，…，n，则与型值点Pk（k=0，1，…，n）相对应的累加弦长为s0=0；sk=∑kj=ilk，其中lk为Pi与Pi-1两点的距离，k=1，…，n代入三次样条插值公式中利用追赶法计算累加三次样条插值函数。并行像散共焦系统图片内排列着N×N个并行光场x=0，1，…，N，y=0，1，…，N；光场在X和Y方向的位置分布均匀，两光场的中心距离受制于微透镜阵列的周期（其周期为（h0，h0）），位置在O（x，y）的光场检测曲线零位值为zx，y，在X和Y方向上分别进行level倍率的细分插值，再依据OpenGL开发平台的建模机制，使用三角面片重构微结构表面廓形，表面重构流程见图5。3表面重构精度分析及测量精度分析微结构表面重构误差有两个方面：（1）累加弦长双三次样条拟合曲面与实际曲面的误差。理论证明[10]在实际曲面没有在某个局部发生用三次函数无法描述的突变（如一、二阶导数和高阶导数较大）的情况下拟合曲面与实际三次曲面是一致的；但是当数据点之间产生剧烈变化时，拟合曲面与实际曲面将有明显的误差。（2）模型的重构都是由平面表达曲面，就会存在局部平面与累加弦长双三次样条插值曲面之间的误差。若采用三角面片，设p=0，1，…，（N×level）、q=0，1，…，（N×level），level为细分倍率。局部廓形相当于在矩形Rpq=[xp，xp+1]×[yq，yq+1]上用两个三角形面片取代累加弦长双三次样条插值曲面，由于累加弦长双三次样条插值曲面基于累加弦长三次样条插值曲线，如在列方向上用直线取代三阶多项式曲线，引起的误差为Δq=S″（ζ）2！（y-yq）（y-yq+1）≤S″（ζ）8h0level2（1）图6拾取累加弦长双三次
样条插值曲面点流程
point flow chart式（1）中，ζ∈（yp，yp+1），S″（ζ）是区域[yq，yq+1]上的累加弦长三次样条函数的二阶导数的最大值。根据累加弦长三次样条公式，理论上S″（x）可以精确计算，则式（1）也是可以精确计算的，这说明直线取代局部累加弦长三次样条曲线所产生的误差是可知的。以此类推，用三角面片取代累加弦长双三次样条曲面所产生的误差也是可知的。显然，累加双三次样条差值插值倍率越高，即细分倍率越高，三角面片就越逼近拟合曲面，重构表面就越逼近实际曲面。而且用局部三角形平面取代拟合曲面引起的误差也是可以精确计算的，即在可视化测量过程中可以通过修正的办法消除该误差对廓形参数测量精度的影响。微结构参数的可视化测量基于要素拾取。要素拾取包括：点、线、面的拾取。OpenGL提供了专门方法拾取模型三维坐标[11]，即在实际的测量过程中可以按照图6所示，其中P0为鼠标在视口拾取点与渲染空间中“视点”连成的射线与表达拟合曲面的局部三角形面片的交点坐标，P1为P0在拟合曲面上对应的点，两点的Z轴坐标值之差来修正由平面表达曲面时所带来的误差，微结构表面可以分为两大类：微球面和微台阶面，由前面叙述可知微球面的要素拾取中的点拾取可以直接采用拾取拟合曲面上的点，即拾取P0点对应的P1点；线拾取是通过拾取拟合曲面上两个点，通过两点的连线来确定空间直线的位置；面拾取是通过拾取拟合曲面上任意不在同一直线上三点来确定所拾面。z=20+30sinπ12x-0.7sinπ12-0.3x=0，1，…，12；y=0，1，…，12（2）式（2）为理论球面方程，以此模拟微球面进行表面重构及测量。如图7所示为5倍细分累加双三次样条表面重构上两点的距离测量，其中：模型点是用鼠标拾取的三角面片上的点；修正后是将模型点换成拟合曲面上所对应的点；理论点是按理论曲面方程计算的点。显然，采用拟合曲面上的点减小了测量误差。图8呈现的是高度相差5 mm的台阶表面的拟合结果，即使采用累加双三次样条函数拟合曲面上的点来修正（修正后1所示），测量数据依旧与实际数据相差很大。所以要提高微台阶的测量精度，要素拾取需通过已知点来直接计算拾取点的高度值，即点拾取是通过P0点中的水平坐标（x，y）来找出最相近的四个已知点，利用四点的加权值来确定此位置的Z值；修正后2是上述点拾取法修正。显然，对于微台阶面，利用已知点获取拾取点，其测得值更接近“理论点”。线拾取是在点拾取的基础上，由两点连线来确定直线的空间位置；面拾取是通过拾取不在同一直线上的任意三点，然后再利用所拾取的三点所围成的三角形中所有已知点，代入平面公式：Z=AX+BY+C，利用最小二乘拟合平面来确定平面的法向量（A，B，-1）和常数C。
4微结构的实际测量将1 mm的一级量块放在实验台上进行观察测量，测量结果如图9所示，在浏览的模式下，可以对拟合曲面进行各个方向的缩放和旋转、平移及细分倍率的改变等操作；在测量模式下，包含对表面参数测量的各个项目，每次只能选择一项进行测量。点击确定按钮即可把想要的结果显示在对应的输出框里。其中点与线和点与面的距离显示共用一个输出窗口，线与线和线与面的距离及角度显示共用一对输出窗口。图9实际测量结果
5结论基于并行像散共焦微结构探测系统萃取序列图片中并行光场探测曲线的“零”点，实现物点正焦位置辨识，并基于探测曲线的“零”点获取微结构的三维信息，采用累加弦长双三次样条插值函数曲面进行微结构三维廓形重构，选择高的插值细分倍率获得连续光顺廓形表面，廓形精度也得以提高。在微结构的可视化测量过程中，通过拾取累加弦长双三次样条插值函数曲面上的点，而不是廓形局部三角面片上的点，实现三维廓形参数评定，消除了由平面表达曲面时所产生的误差。并针对表面的重构和简单的形貌参数测量进行了简单的模拟分析，经研究发现，用累加弦长双三次样条样条函数拟合曲面，可以有效地达到对微结构表面参数精确测量的要求。参考文献：
[1]李海燕，张琢，浦昭邦，等.共焦显微扫描探测技术的发展[J].光学技术，2008，34（1）：94-97.
[2]LUNDQUIST P M，ZHONG C F，ZHAO P Q，et al.Parallel confocal detection of single molecules in real time[J].Optics Letters，2008，33（9）：1026-1028.
[3]王昭，朱升成，谭玉山，等.集成光纤束并行共焦测量[J].中国激光，2005，32（1）：105-109.
[4]刘文文，余晓芬，范慧敏.并行像散共焦序列图片的物点正焦信息萃取[J].计量学报，2011，32（6）：485-489.
[5]范慧敏，刘文文.基于像散原理的并行共聚焦探测曲线灵敏度研究[J].光学仪器，2011，33（3）：71-76.
[6]刘玉君，朱秀莉.复杂船体外板曲面拟合研究[J].大连理工大学学报，2005，45（2）：226-229.
[7]苏步青，刘鼎元.计算几何[M].上海：上海科学技术出版社，1980：10-99.
[8]朱长青.双三次样条插值函数乘积型计算原理及其应用[J].测绘工程，1998，7（2）：17-21.
[9]李永桥，谌永祥.累加弦长法插值在反求工程中的实现研究[J].山东建筑大学学报，2008，32（3）：247-249.
[10]杨大地，王开荣.数值分析[M].北京：科学出版社.2006：127-132.
WCDMA信号检测与参数估计 篇4
目前对于周期性直扩信号的检测方法有能量法[2]、延时相乘检测法[3]、相关累积法[4]等,但对于WCDMA信号检测方面的文献很少。如果能实现对低信噪比下WCDMA信号的检测与参数估计,将对此类微弱信号在民用、军事、软件无线电和智能通信等管理与侦察方面具有重要意义。
高阶统计量能够完全抑制高斯白噪声,并且包含了比二阶统计量更加丰富的信息。根据这些特点,参考文献[5,6,7]提出了一种基于高阶累积量检测DSSS信号的方法。由于WCDMA信号与一般直扩信号在结构上具有一定的相似性,因此本文首先研究了基于四阶累积量的方法来检测WCDMA信号,这类检测方法不需要任何的先验信息,运算量小,并且具有一定的工程意义。但是由于信号的结构差别,基于四阶累积量检测WCDNA信号也有一定的差别。最后对接收到的信号通过检测二次谱[8]上出现的谱峰脉冲间的间隔,来对WCDMA信号的OVSF码周期进行有效的估计。
1 WCDMA信号模型
WCDMA信号发送的模型框图如图1所示。在WCDMA中,上行专用物理信道[9,10]包括专用物理数据信道(DPDCH)和专用物理控制信道(DPCCH)。DPDCH用来承载数据,DPCCH用来承载控制信息。在WCDMA信道中,数据的传输以时隙(slot)为单元,每一时隙的时间(Tslot)为0.625 ms,每15个时隙组成一帧。DPCCH每个时隙10 bit。DPDCH每个时隙的比特数与SF(扩频因子)有关。
发送端WCDMA信号的表达式为:
其中:A为信号的幅度;dI(t)、dQ(t)分别为DPDCH和DPCCH的输入信号;cI(t)、cQ(t)为其相对应的OVSF码,各个信道所用的信道化码各不相同,并且互相正交独立;sI(t)、sQ(t)分别为复扰码的实部与虚部,它们互相正交独立;是滚降系数α=0.22的根升余弦滤波器;n(t)是均值为零、方差为σn2的高斯白噪声。
2 理论分析
2.1 基于四阶累积量的WCDMA信号检测方法
通过随机过程[11]的理论可以知道,高斯白噪声的高阶累积量恒为零,而其二阶统计量并不具备这些特性,因此,利用高阶统计量可以提高对高斯白噪声的抑制能力。考虑二元假设检验问题:H1:r(t)=y(t)+n(t),H0:r(t)=n(t)。其中,y(t)为WCDMA信号,n(t)为均值为零、方差为σn2的高斯白噪声,并且与y(t)相互独立。根据高阶统计量的特性,均值为零的高斯白噪声的高阶统计量恒为零,即:
在H1假设下,得到接收信号r(t)的四阶累积量为:
其中,为接收信号r(t)的自相关函数,上标“*”表示信号的共轭运算,m4x(τ1,τ2,τ3)是接收信号r(t)的四阶矩。
在H0假设下,得到的接收信号r(t)的四阶累积量为:
由式(2)和式(3)可知,高斯白噪声的四阶累积量恒等于零,WCDMA信号的四阶累积量不为零,所以可以利用四阶累积量c4r(τ1,τ2,τ3)作为统计检测量,对WCDMA信号进行检测。但是由于直接对四阶累积量估计计算量比较大,工程中也难以得到很好的应用,为了减少四阶累积量计算的估计复杂度和有利于工程实现的目的,可把四阶累积量的几种切片作为检测量来考虑,从而使检测具有更加实际的应用价值。对于对称信号而言,其三阶累积量恒等于零,因此本文仅考虑WCD-MA信号四阶累积量的切片作为研究对象。下面主要考虑如下WCDMA信号四种不同的四阶累积量切片:
在对实际的信号处理过程中,可以由下面的公式对四阶累积量进行有偏估计,为:
由式(8)～式(11)估计出接收信号r(n)的检测统计量切片c4r(0,0,0)、c4r(τ,τ,τ)、c4r(0,τ,τ)、c4r(0,0,τ)之后,与事先确定好的门限值TD进行比较,如果估计值大于TD,则认为WCDMA信号存在,小于则认为其不存在。如以切片c4r(0,0,τ)为例,即当c4r(0,0,τ)>H1TD时则可判定WCDMA信号存在,当c4r(0,0,τ)
2.2 基于二次谱法估计OVSF码的周期
通过四阶累积量对接收的信号检测到WCDMA信号后,对其进行解扰,由于四阶累积量及其切片中包含了自相关函数的信息。因此,可以利用四阶累积量在较低信噪比下估计出WCDMA信号的采样个数,从而为OVSF码周期估计提供了有利保障。
由于WCDMA信号具有一般直扩信号的周期性,因而具有离散的功率谱,若对该功率谱再作傅里叶变换后并取模的平方,就可以求到WCDMA信号的二次功率谱,在OVSF码周期的整数倍处就会得到比较尖锐的脉冲,通过检测这些尖锐脉冲间的距离即可对WCDMA信号的OVSF码周期进行有效的估计。为了分析简单起见,这里只研究接收信号的基带WCDMA扩频信号,不考虑其载频,但分析结果同样适用于射频,这是因为射频信号的功率谱只是基带信号功率谱的频谱搬移。假设被高斯白噪声n(t)污染了,其解扰后的基带WCDMA信号的DPDCH直扩信号为:
其中,Sw(t)=dI(t)cI为用一周期的OVSF码来调制一位信息码并且OVSF码与信息码同步的已扩基带WCDMA信号,cI是通过OVSF码树产生的,它的周期为扩频因子SF的大小,即为OVSF码序列;为信息码序列,是一个独立等概±1的随机变量集,T0为OVSF码的周期,q(t)为一个矩形脉冲;Tw是在[0,T0]上均匀分布的随机时延;n(t)为均值为零、方差为σn2的高斯白噪声。要分析dw(t)的功率谱,首先要从接收信号dw(t)的相关函数入手,因为n(t)与Sw(t)相互独立,有E[n(t1)Sw(t2)]=0,E[n(t2)Sw(t1)]=0,E[n(t1)n(t2)]=σn2δ(t1-t2),所以:
由于信息码波形与OVSF码波形互不相关,因此有:
由于dI(t)是随机二元脉冲信息序列,p(t)为OVSF码即伪随机二元脉冲序列,可得到dI(t)、p(t)的功率谱密度:
由式(14)和傅氏变换的卷积性质可得到基带扩频DPD-CH信号ds(t)的功率谱密度:
由于T0=NTc,并且令Sa(x)=sin(x)/x,得到Sds(f)的简化形式:
在工程上,有T0>>Tc,即N>>1,并引用式(19)可简化为:
可看出基带扩频信号ds(t)的功率谱在N>>1时是一列加权离散的谱线,且谱线的间隔周期为1/NTc,对其再作傅氏变换取模平方后得到WCDMA信号功率谱的二次处理结果为:
可见,将WCDMA信号的功率谱作如上二次处理后,信号能量聚集在一些较尖锐三角形脉冲序列处,其间距为OVSF码周期的整数倍。而高斯白噪声n(t)的功率谱在作二次处理后不具有这一特性。因此,通过检测这些二次功率谱频率不为零的脉冲序列间的距离即可测出OVSF码的周期。由于WCDMA信号是上采样后的信号,通过前面所述的高阶累积量对其采样率估计后,便可结合二次谱间的距离来估计OVSF码的周期。
3 计算机仿真与分析
实验1:在仿真的实验室中,WCDMA信号的参数设置为:码片速率为3.84 Mchips/s,OVSF码选用扩频因子为64的Walsh码,扰码选用Gold码,上采样的个数为16 bit/chip,脉冲成型为衰落因子α=0.22的根升余弦滤波器,信道噪声为高斯白噪声。
由计算机仿真得到的虚警概率PF与判决门限值TD的关系曲线如图2所示;当给定某一信噪比时,检测概率PD与PF的关系如图3所示。对于给定的PF时,可以确定相应的门限TD,从而可以得到其相应的检测概率PD。从图2和图3可知,TD的值对于PF与PD有比较大的影响,当判决门限变大时,虚警概率减小,检测概率也相应地减小,即TD与PF和PD之间是一种反比的关系;并且当输入的信噪比变大时,检测概率也就越大,其检测的性能也就越好。在实际的系统当中,人们总是希望虚警概率越小越好。
图4是在不同的OVSF码长随信噪比变化的检测性能曲线,从图中可以看出,随着信噪比的增大,其检测概率也越来越大;并且当信噪比固定时,随着OVSF码的码长的增加,其相应的检测概率也随之增大。
图5是对四阶累积量切片cr(0,τ,τ)估计采样个数的仿真分析。从图中可以看出在采样率的整数倍处出现了峰值,通过检测峰值间的距离就可以得出采样率,并且有比较明显的效果,由估计出的采样率可以为后续的OVSF码周期估计提供良好的基础。
图6是对采样个数分别为32、16、8、4时用四阶累积量对其进行切片检测的性能曲线。从图6中可以看出,随着信噪比的增大,四种不同采样个数的检测性能也逐渐变大;当在同一信噪比下时,随着采样个数的增加,其检测概率也随之增大。
实验2:利用二次谱法来估计OVSF码的周期,实验条件与实验1相同。
图7是对OVSF码长为64的Walsh码扩频后的WCDMA信号利用二次谱法进行码周期估计的仿真图。从图7中可以看出,相邻峰之间的距离为1 024,由前面的四阶累积量估计出的采样率为16,从而可以得到OVSF码的码长为1 024/16=64,与真实值相同,说明该方法具有有效的可行性。通过估计出的码周期为后续的解扩处理提供了很好的有利条件。
图8是在不同的信噪比下,对于OVSF码的码长分别为32、64、128和256时其平均累加次数的性能曲线。由图8可知,在估计OVSF码周期时其平均累积次数随着信噪比的增大而减小,并且在同一信噪比下,随着OVSF码码长的增大,其所需的平均累加次数相应地减少。
本文通过分析WCDMA信号四阶累积量和二次谱的特性,利用四阶累积量的切片对WCDMA信号在低信噪比下进行检测,发现四阶累积量能够较准确地估计出采样率;而WCDMA信号的二次功率谱在OVSF码周期的整数倍处会有比较尖锐的谱峰脉冲,通过检测脉冲间的距离并结合采样率即可估计出OVSF码的周期。仿真结果表明,四阶累积量与二次谱法能够有效地对WCDMA信号进行检测和OVSF码的周期估计,从而为后续的解扩处理提供了有利的保障。
参考文献
[1]张传福,卢辉斌,彭灿,等.第三代移动通信[M].北京:电子工业出版社,2009.
[2]URKOWITZ H.Energy detection of unknown deterministicsignals[J].Proceeding of IEEE,1967,55(4):523-531.
[3]袁亮,刘基南,温志津.一种低信噪比直扩信号的检测方法[J].现代电子技术,2005,28(5):50-51.
[4]REED D E,WICHERT M A.Spread spectrum signalswith low probability of chip rate detection[J].Selected Areasin Communications,1989,7(4):595-601.
[5]赵知劲,邬佳,徐春云,等.基于四阶累积量的DSSS/QPSK信号检测方法研究[J].电子学报,2007,35(6):1046-1049.
[6]沈振惠,唐斌,吕燕,等.基于四阶统计2-D切片的直扩信号多参数估计[J].信号处理,2005,21(3):304-306.
[7]Tong Lang,Xu Guanghan,KAILATH T.Blind identifica-tion and equalization based on second-order statistics:Atime domain approach[J].IEEE Trans.Inform.Theory,1994,40(2):340-349.
[8]张天骐,周正中.直扩信号伪码周期的谱检测[J].电波科学学报,2001,16(4):518-521.
[9]于澄,詹菲.WCDMA系统物理层设计[M].北京:人民邮电出版社,2003.
农用车辆状态参数检测系统研究 篇5
近些年来, 以电子技术、检测与传感技术结合的农用车辆状态参数检测技术在农业生产中得到了广泛的应用[1,2,3,4]。农用车辆状态参数对车辆自动导航技术的研究起着非常重要的作用, 如何高速、高精度地检测农用车辆的各个状态参数, 是研究精细农业的前提和基础。农用车辆状态系数检测中所应用的传感器主要有GPS、电子罗盘、激光传感器、机器视觉传感器、角度传感器和速度传感器等。
车辆在农田工作时, 主要是针对田间信息和农用车辆的自身位姿决定导航策略的, 农田信息可以利用现有的GIS、机器视觉等技术获得, 而农用车辆和作业器具的位姿则要通过各种类型传感器得到。这些位姿信息主要包括车辆前轮转角、侧倾角、俯仰角和横摆角等。如何有效地获得各状态参数, 对农用车辆的导航起着非常重要的作用。
农用车辆状态参数检测离不开各类传感器的数据采集。现有传感器的数据类型主要有两种:一是模拟量的采集, 而模拟量的采集主要是通过A/D转化后与PC机或嵌入式计算机通信的[5,6,7];二是数字量的采集, 这种数据类型主要是通过RS232串口和PC机或嵌入式计算机通信的。本文研究的是在农用车辆状态参数检测系统中两种基本状态参数的检测:一种是以模拟量输出的拉线位移传感器;另外一种是通过RS232串口和PC机进行通信的电子罗盘。
1 检测平台的构建
农用车辆导航中主要是应用在拖拉机上安装PC机或使用嵌入式计算机进行计算的。对于实验阶段, 在Windows平台上利用车载PC机进行数据采集是一种行之有效的方法。检测框图如图1所示。
1.1 检测软件的选择
MFC (Microsoft Foundation Class Library) 中的各种类结合起来构成了一个应用程序框架, 其目的就是让程序员在此基础上来建立Windows下的应用程序, 这是一种相对SDK来说更为简单的方法。总体上来说, MFC框架定义了应用程序的轮廓, 并提供了用户接口的标准实现方法。程序员所要做的就是通过预定义的接口把具体应用程序特有的东西填入这个轮廓。Microsoft Visual C++提供了相应的工具来完成这个工作:AppWizard可以用来生成初步的框架文件 (代码和资源等) ;资源编辑器用于帮助直观地设计用户接口;ClassWizard用来协助添加代码到框架文件;最后, 编译通过类库实现了应用程序特定的逻辑。基于以上优点, 本平台应用VC++6.0MFC建立数据采集框架。
1.2 RS232串行通信方法
串行端口的本质功能是作为CPU 和串行设备间的编码转换器。当数据从CPU 经过串行端口发送出去时, 字节数据转换为串行的位。在接收数据时, 串行的位被转换为字节数据。在WINDOWS环境下, 串口通信的方法主要有两种:一种是基于Windows API (Application Programming Interface 即用户程序接) 函数;另一种是利用ActiveX MSComm 控件。
API 函数由于具有比较强的通信功能, 控制手段更为灵活, 所以可编出高质量的通信程序, 特别是在CPU 处理任务比较繁重, 且与外围设备有大量的通信数据时更具有现实意义。MSComm 控件是微软公司开发的、封装了串口通信的全部API 函数, 其优点在于使用者不必花费大量时间去了解复杂的API 函数。因此, 对于农业车辆导航中RS232串口通信, 通过MSComm控件可以高效和简单地解决。
2 传感器数据采集实验
2.1 模拟量输出的传感器数据采集
模拟量输出的传感器主要是通过A/D和D/A转化后与PC机或嵌入式计算机进行通信的。在农用车辆导航中, 应用最广泛是拉线位移式传感器。本文所研究拉线位移传感器的型号如表1所示。它的工作原理为:通过改变拉线的长短来改变输出电压值;通过A/D转换卡和计算机进行通信。这种类型的传感器主要应用在拖拉机前轮转角的测量以及拖拉机与牵引器具相对夹角的测量, 是一种绝对量的测量工具。A/D转化卡是北京中泰公司生产的PCI-8333型多功能模入模出接口卡, 它提供了一个函数库, 应用时只需要对板块进行初始化的设置, 然后调用所需要的库函数即可简单有效地进行数据的采集。
本实验利用此传感器拉线的改变来检测前轮转角的变化。对传感器进行标定实验后, 通过对前轮转角应用4次多项式标定曲线进行拟合, 相似度R2=1, 如图2所示。拟合公式为
y=0.001 2x4-0.021 5x3+0.199 4x2-4.895 5x-0.109 (1)
实验是在一个固定不变的前轮转角下进行测试的, 主要测试传感器的波动范围。通过前轮转角检测, 证明由于拖拉机的机械震动、检测电流等影响采集的数据稳定性, 如图3所示。数据波动范围很大, 最大值是14.98°, 最小值是2.96°, 数据波动达到了12.02°。由于A/D转换速度为1次/10μs, 所以采用简单的算术平均滤波法对采集的数据进行了滤波, 每采集1000个数据进行一次算术平均运算, 这样每采集一个有效数据所用时间为10ms, 完全可以满足应用需要。滤波后的数据如图4所示。由图4可以看出:通过滤波后的数据波动范围在0.34°内, 最大值8.33°, 最小值7.99°, 可以满足拖拉机对于前轮转角以及拖拉机与牵引农具的相对角的测量精度。
2.2 RS232接口的电子罗盘数据采集
RS232串口通信采用MSComm控件建立通信。控件包括一系列的属性、方法和事件, 它提供两种处理通信的方式: 事件驱动方式和查询方式。其中, 事件驱动方式是处理串行端口交互作用的一种非常有效的方法。MSComm控件中主要的属性如表2所示, 利用这些属性可以简单有效的完成电子罗盘的数据采集工作。
2.2.1 电子罗盘数据格式
实验用的电子罗盘是由陕西航天城科技有限公司生产的FNN-3300型, 可以测量拖拉机的侧倾角 (roll) 、俯仰角 (pitch) 和横摆角 (yaw) , 其主要技术指标如表3所示。输出RS232格式数据, 格式为“9 600, n, 8, 1”。每帧输出20字节16进制数。第7和第8字节输出俯仰角, 可测量导航车辆在农田中的坡度;第9和第10字节输出侧倾角, 可以测量拖拉机的侧倾量;第17和第18字节输出罗盘与磁北夹角, 在农用车辆导航中可以应用于横摆角的测量, 然后把输出的字节转换成10进制整数。俯仰角和侧倾角的计算公式为
角度值=整数/1 000/3.141 59*180 (2)
横摆角的计算公式为
角度值=整数/100 (3)
2.2.2 电子罗盘采集实验
本实验是利用MSComm控件在VC++6.0MFC平台上进行测量的, 分别测量了当前拖拉机的横摆角、侧倾角和俯仰角, 数据如图5、图6和图7所示。
通过实验得到电子罗检测速度平均为11.9个/s。从采集的数据可以看出, 横摆角检测波动是0.23°, 侧倾角度检测波动是0.12°, 俯仰角检测波动是0.18°, 可以满足农业车辆以及农具导航的速度与精度的需要。由于检测速度的影响, 需要高精度的数据可以采用基于车辆数学模型的卡尔曼滤波法对数据进行滤波, 这种滤波法不会影响数据的采集速度, 可以得到更加稳定的数据。
3 结论
本文研究并分析了应用于农用车辆状态参数检测系统中两种类型传感器的检测方法, 分别提出了以模拟量输出与RS232输出格式的传感器检测方法。采用拉线位移传感器和电子罗盘分别对拖拉机的前轮转角、横摆角、侧倾角和俯仰角进行了采集实验。由实验分析得知, 检测方法可以满足采集速度和精度的要求。
参考文献
[1]N D Tillett.Automatic guidance sensors for agricultural fieldmachines:A review[J].Journal of Agricultural EngineeringResearch, 1991, 50:167-181.
[2]T Chateau, C Debain, F Collange, et al.Automatic guid-ance of agricultural vehicles using a laser sensor[J].Com-puters and Electronics in Agriculture, 2000, 28 (3) :135-149.
[3]Bj.o.rn A strand, Albert-Jan Baerveldt.A vision based row-following system for agricultural field machinery[J].Mechatronics, 2005, 15 (2) :251-269.
[4]吴延霞, 赵博, 毛恩荣.农业车辆自动导航系统综述[J].农机化研究, 2009, 31 (3) :242-245.
[5]周俊, 姬长英.自主车辆导航系统中的多传感器融合技术[J].农业机械学报, 2002, 33 (5) :113-116.
[6]乔爱民, 程荣龙, 张燕, 等.基于PCI数据采集板卡的高精度传感器检测系统[J].工业控制计算机, 2008, 21 (5) :12-14.
多参数监护仪的质量检测 篇6
1 监护仪的质量检测
多参数监护仪的检测主要有性能检测和电气安全检测。
1.1 检测设备
我院购进美国Fluke公司生产的Pro Sim8型生命体征模拟器和ESA612型电气安全分析仪,可以分别对多参数监护仪性能和电气安全进行检测。
1.2 监护仪的性能检测
监护仪技术参数众多,标准6参数为心电图、呼吸、无创血压、血氧饱和度、脉搏、体温,此外可选的参数为有创血压、呼吸末二氧化碳、麻醉气体、心输出量(有创和无创)、脑电双频指数(BIS)等。在实际工作中如对其全部参数进行检测,常常是不实际的。决定多参数监护仪性能的核心参数及其在临床中使用的常规参数是心电图、呼吸、无创血压及血氧饱和度这4类参数,因此可以认为对这4类参数进行测试,就可以判断监护仪的性能状况。另外还要对监护仪进行声光报警检测、上下限报警检测、静音功能检测等性能检测。
1.2.1 监护仪的外观检查
首先查看监护仪的铭牌信息,应标有:仪器名称、制造厂家、型号、出厂编号、生产日期等信息,然后查看外壳是否破损,最后查看开关、按键、旋钮触摸屏等是否可以正常对监护仪相关参数进行设置。
1.2.2 心电检测
连接好模拟仪与监护仪,设置监护仪上的心率来源为心电,依次检测临床常用心率信号30,60,100,120,180次/min等的示值,观察监护仪上显示的波形是否与模拟器显示的波形一致,记录下实测心率数值并计算误差。
误差=(实测值-标准值)/标准值×100%
另外可以通过设置模拟器产生心动过速、室颤等心律失常信号,查看监护仪有无心律失常显示及声光报警来检测监护仪的心律失常功能。
1.2.3 呼吸频率检测
连接好模拟仪与监护仪,设置模拟仪产生的呼吸频率15,20,40,60,80等示值并记录下实测呼吸频率值并计算误差。
误差=(实测值-标准值)/标准值×100%
注意:如果监护仪上没有呼吸频率示值,则按“SPECIAL FUNC”键选择呼吸选项,设置呼吸频率检测的导联(“LA/LL”),即可正常显示。
1.2.4 无创血压检测
连接好模拟仪与监护仪的血压管路(不同型号的监护仪需要选择相应连接管接头),依次设置60/30(40)mm Hg、80/50(60)mm Hg、100/65(76)mm Hg、120/80(93)mm Hg、150/100(116)mm Hg等不同的压力值,然后进行检测,并记录下实测无创血压值并计算误差。误差=(实测值-标准值)/标准值×100%。
1.2.5 血氧饱和度检测
将Pro Sim SPOT血氧饱和度检测仪连接在Pro Sim8型生命体征模拟器上,把监护仪血氧饱和度探头夹在血氧饱和度检测仪上,不同品牌厂家使用的血氧探头参数不一样,需要选择恰当的探头类型(Nellor、Masimo、Philips、Mindray等),再设置血氧饱和度数值,分别为85%、88%、90%、98%、100%,并记录下实测血氧饱和度值并计算误差。误差=(实测值-标准值)/标准值×100%。
1.3 监护仪的电气安全检测
根据GB9706.1-2007《医用电气设备第一部分:安全通用要求》,监护仪的电气安全级别最高,其应用部分CF型(预期直接作用于心脏),血压、呼吸部分为B型应用部分。监护仪的电气安全非常重要,直接关系到患者和医护人员的生命安全,因此定期对监护仪进行电气安全检测可有效地防止安全事故的发生。
1.3.1 电源电压
监护仪电源电压正常应为交流220 V,对于使用稳压电源或UPS供电的监护仪,可以直接对稳压电源或UPS输出的电压进行测量,如果发现电源电压不在正常范围、火线零线接反、地线断开等要及时维修电源[2]。
1.3.2 保护接地阻抗
用电气安全分析仪测试表笔连接被检测监护仪保护接地,检测前先按“Zero Leads”键进行电阻清零后进行保护接地阻抗测量,其测量结果应不大于200 mΩ。
1.3.3 绝缘阻抗(电源一地、应用部分一地)
绝缘阻抗检测是对被测监护仪施加最高500 V电压,检测绝缘部分之间的漏电流,来测试在规定时间内监护仪的绝缘性能。
用电气安全分析仪测试表笔连接被测试监护仪表面的金属部分或用监护仪的导联线连接到电气安全分析仪的ECG接头上,按“MΩ”键,进行绝缘阻抗(电源-地)或者绝缘阻抗(应用部分-地)的测试。
1.3.4 对地漏电流
对地漏电流是指由网电源部分穿过或跨过绝缘流入保护接地导线的电流(保护接地是把仪器的外壳进行接地以防止电击的一种保护方法),如果对地漏电流过大,表明设备内部绝缘部分破损,存在安全隐患。
连接好电气安全分析仪和监护仪的电源线,按“μA”键,选择“Earth”进行测量,对地漏电流检测。这项检测需要测试“电源正常状态、正常状态电源反向、断开一根电源线、断开一根电源线电源反向”这4种情况的数据。
1.3.5 外壳漏电流
外壳漏电流是指正常使用时医护人员或患者可能触及的外壳或外壳部件(应用部分除外),经外部导电连接而不是保护接地导线流入大地或外壳其他部分的电流。外壳漏电流中测量的是监护仪外壳经由人体导出的电流。若外壳漏电流过大,当医护人员或患者接触到监护仪外壳时,就会有过多的电流通过人体,引起电击事故。
用电气安全分析仪测试表笔连接被测试监护仪表面的裸露金属部分,按“μA”键,选择“Enclousure”进行测量,这项检测需要测试“电源正常状态、正常状态电源反向、断开一根电源线、断开一根电源线电源反向、断开一根地线、断开一根地线电源反向”这6种情况的数据。
1.3.6 患者漏电流
患者漏电流是指从应用部分经患者流入地的电流。或是由于在患者身上意外出现一个来自外部电源的电压而从患者经F型应用部分流入地的电流。由于患者经应用部分与设备直接相连,如果漏电流超标,极易对患者造成伤害。
用监护仪的应用部分(心电导联线)连接到电气安全分析仪的ECG接头上,按“μA”键,选择“Patient Auxiliany”,通过按方向键选择导联,进行测试。这项检测需要测试“电源正常状态、正常状态电源反向、断开一根电源线、断开一根电源线电源反向、断开一根地线、断开一根地线电源反向”这六种情况的数据。
1.3.7 患者辅助漏电流
患者辅助漏电流是指正常使用时,流入处于应用部分之间的患者的电流,此电流预期不产生生理效应。
用监护仪的应用部分(心电导联线)连接到电气安全分析仪的ECG接头上,按“μA”键,按“MORE”再按“Select”进入患者辅助漏电流检测,选择“Patient”,通过按方向键选择导联组合或单个导联,进行测试。这项检测需要测试“电源正常状态,正常状态电源反向,断开一根电源线,断开一根电源线电源反向,断开一根地线,断开一根地线电源反向”这6种情况的数据。
2 检测后的处理
通过对监护仪的质量检测,发现影响质量检测主要是心电导联线破损或者断裂、血氧探头老化损坏、血压袖带破损漏气或者袖带黏度不够捆绑不紧等附件问题,通过更换附件后一般都可以通过检测。
影响电气安全检测情况主要有:对地漏电流超标,检查发现是电源线地线断开,更换电源线后可以通过检测;外壳漏电流超标,检查发现是电源板地线虚焊,对虚焊点进行补焊后可以通过检测;接地阻抗大,检查发现是监护仪使用年限较长接地端子表面氧化,更换接地端子或者去除表面氧化后可以通过检测[3]。
3 小结
我院于2012年和2015年先后两次通过的JCI认证,按照JCI要求我院对多参数监护仪做了风险评估,得出多参数监护仪属于中风险设备,每年至少检测1次。我们采用PDCA的方法对新购入监护仪进行验收检测、修后检测与定期检测相结合的方式对全院的多参数监护仪进行检测。在对多参数监护仪检测后由质控检测工程师填写检测报告,对检测合格的多参数监护仪粘贴测试通过标签,只有通过检测的多参数监护仪才可以投入临床使用。
参考文献
[1]美国福禄克公司著,卫生部医院管理研究所组织翻译.临床工程指引:医疗仪器设备临床应用分析评估[M].北京:中国计量出版,2009.
[2]刘晓雯.多参数监护仪的质量控制对应用安全的影响[J].中国医疗设备,2010,25(8):103-104.
猕猴眼屈光生物学参数的检测 篇7
1材料与方法
1.1实验动物年龄0.5岁~4.5岁健康笼养猕猴47只93眼 (由福建省人口和计划生育科学技术研究所非人灵长类实验动物中心提供, 动物质量合格证号为350004000000008) , 性别不限, 体重0.9~4.9 kg, 猕猴健康状况良好, 排除实验过程在猕猴眼意外受伤1眼。
1.2实验动物饲养方法实验选择的猕猴0.5岁前均与其母亲住在同一笼中, 纯母乳喂养。0.5岁以后的均与母亲分开单笼生活, 由人工来饲养, 一日进食三顿, 由专人定时定量投放食物, 饮水不限, 猕猴仅在笼内活动, 生活环境的温度控制在19~26 ℃, 相对湿度维持在40%~70%, 动物房照度要求为100~200 LX, 昼夜明暗交替时间为10 h/14 h。
1.3实验仪器电脑自动验光曲率仪:日本Canon RK-5; 光学生物测量仪IOL Master:德国Zeiss公司;眼部A超测量仪:日本TOMEY UD-6000;角膜超声测厚仪:日本TOMEY SP-100。
1.4实验分组共分为5组, 分别为:0.5岁组, 平均年龄 (6±1) 个月;1.5岁组, 平均年龄 (18±1) 个月;2.5岁组, 平均年龄 (30±1) ;3.5岁组, 平均年龄 (42±1) 个月;4.5岁组, 平均年龄 (54±1) 个月。
1.5观察项目先用动物用盐酸氯胺酮注射液 (5~ 10 mg/kg) 进行肌肉注射全身麻醉后, 采用电脑验光曲率仪测量眼球屈光度数 (测量3次取平均值) , 屈光度数按等效球镜法计算 (等效球镜度数= 球镜度数+1/2柱镜度数) , 远视眼:>0.5 D范围, 正视眼:±0.5 D范围内, 近视眼:<-0.5 D范围;再用IOL Master测量眼轴长度 (测量5次取平均值, 信噪比SNR值均≥ 1.6) 和角膜曲率半径 (测量3次取平均值) ;盐酸丙美卡因滴眼液 (美国爱尔康公司) 进行眼球表面麻醉后, 角膜超声测厚仪测量角膜厚度 (测量10次取平均值) , 由操作熟练的3位医师完成检查, 每台仪器固定同一位医师。
1.6统计学方法所有数据均采用SPSS19.0统计学软件进行分析, 呈正态分布的计量资料以均数±标准差 (x±s) 来表示, 采用方差分析, 相关性检验采用Pearson相关性分析, P<0.05为差异具有统计学意义。
2结果
2.1各组屈光状态分布情况以等效球镜为±0.5DS范围内为正视眼, 5组47只猕猴93眼中共筛查到70只近视眼, 近视眼数比例高达75.27%。见表1。
2.2各组中央角膜厚度、眼轴、角膜曲率半径、轴率比、屈光度比较, 见表2。
2.2.1中央角膜厚度与眼轴各组中央角膜厚度比较无统计学差异 (P>0.05) 。随着年龄的增长, 眼轴长度不断变长, 0.5岁组与其他各组比较差异均有高度统计学意义 (P<0.01) , 1.5岁组与2.5岁组比较差异有统计学意义 (P<0.05) , 2.5岁、3.5岁和4.5岁组两两比较差异无统计学意义 (P>0.05) 。提示猕猴可能在2.5岁以后眼轴不再变长, 而是趋于一个稳定范围。
2.2.2平均角膜曲率半径0.5岁组与其他各组比较差异均有高度统计学意义 (P<0.01) , 1.5岁组与3.5岁和4.5岁组比较差异均有统计学意义 (P<0.05) , 1.5岁组与2.5岁组差异无统计学意义 (P>0.05) , 3.5岁组与4.5岁组比较差异无统计学意义 (P>0.05) 。提示猕猴眼角膜曲率半径在1.5岁以后可能不再发生变化, 趋于一个稳定范围。
2.2.3轴率比 (眼轴/ 平均角膜曲率半径) 0.5岁组与其他各组比较差异均有高度统计学意义 (P<0.01) , 1.5岁组与更大年龄的3组比较差异均有高度统计学意义 (P<0.01) , 2.5岁、 3.5岁和4.5岁组两两比较差异无统计学意义 (P均>0.05) 。在人类轴率比被认为是评价近视状态的敏感指标之一, 等效球镜屈光度数越小, 轴率比就越大。本研究结果提示猕猴眼轴率比随年龄增长而逐渐变大, 2.5岁~4.5岁期间轴率比维持在一个稳定范围内, 屈光度与轴率比呈负相关关系 (r=-0.336, P<0.01) , 即轴率比越大, 屈光度数越低。
2.2.4等效球镜屈光度及与眼轴的关系0.5岁组与其他各组比较差异均有高度统计学意义 (P<0.01) , 1.5岁组与更大年龄的3组比较差异有统计学意义 (P<0.05) , 2.5岁组、3.5岁组和4.5岁组各组间比较差异无统计学意义 (P>0.05) 。提示0.5岁~ 2.5岁期间等效球镜屈光度数逐渐变小, 逐渐往近视化发展, 2.5岁~4.5岁期间屈光度数渐渐稳定。屈光度与眼轴呈负相关关系 (r=-0.517, P<0.01) , 即眼轴越长, 屈光度数越低。
3讨论
猕猴在生物进化、解剖结构和生理机能上都与人类接近, 猕猴4岁左右成熟, 相当于人类18岁, 猕猴的生长速度约4倍于人类[1]。本研究选用的0.5岁~4.5岁的青幼年猕猴47只93眼, 其中0.5岁组 (5只10眼) 远视眼较多, 而近视眼更多见于1.5岁~ 4.5岁组 (42只83眼) 的猕猴, 近视眼数比例虽高达75.27%, 可能与猕猴集中在年龄较大组有关。同时猕猴随年龄的增长, 眼轴也渐渐变长, 眼屈光状态亦往近视发展, 2.5岁以后眼轴趋于一个稳定范围, 屈光状态也较稳定。在人类有研究表明8岁~ 12岁及12岁~18岁患儿近视屈光度数较为稳定, 而18岁以后近视屈光度数比8岁~12岁及12岁~18岁组更高[2]。但亦有多项研究表明3岁~14岁和5岁~12岁儿童近视屈光度逐年增加[3,4], 可能与抽样及各组年龄跨度不一有关。
角膜曲率半径是眼球重要的屈光生物学参数, 本研究发现0.5岁组猕猴眼平均角膜曲率半径最小, 与其他各组比较均有高度统计学差异, 而1.5岁、2.5岁、3.5岁和4.5岁组平均角膜曲率半径趋于稳定, 提示猕猴在1.5岁以前随年龄增长角膜曲率半径可能逐渐变大, 而1.5岁~4.5岁角膜曲率半径无明显变化。与人类3岁~15岁儿童角膜曲率半径 (7.79 mm) 相比[5], 猕猴眼角膜曲率半径 (6.60 mm) 明显偏小, 本研究未继续筛查4.5岁以后的猕猴眼球生物学参数, 更大年龄的猕猴眼球屈光度数、 角膜曲率半径等还有待进一步观察。
角膜厚度是眼屈光手术前极其重要的治疗指标之一, 本研究结果显示0.5岁~4.5岁的青幼年猕猴眼角膜厚度未随年龄增长而改变, 与人类儿童角膜厚度与年龄无相关性的研究结论一致, 但青幼年猕猴眼平均中央角膜厚度 (481.58±27.15) μm较文献报道的儿童角膜厚度 (546.575±33.470) μm和 (543.6± 32.0) μm更薄[6,7]。提示进行猕猴眼角膜屈光手术或测量眼压时要考虑猕猴眼角膜薄的这一特点。
远视力是儿童筛查近视的常用监控指标, 但对动物而言, 无法进行视力检查。而轴率比 (眼轴长度与平均角膜曲率半径的比值) 被认为是评价近视的敏感客观指标之一[8], 在眼球正视化发育过程中, 平均角膜曲率半径逐渐增大以代偿眼轴的变长, 而当眼轴过长角膜曲率半径无法代偿时就容易形成近视, 因此眼轴越长就越容易发生近视。本研究结果显示随猕猴年龄增长轴率比呈逐渐变大趋势, 轴率比越大, 屈光度数越低。2.5岁组~4.5岁组趋于稳定, 相应的屈光度数 (平均屈光度数属近视范围) 也稳定在一定的范围。查阅相关文献, 尚未见到关于猕猴眼轴率比的报道, 筛查轴率比可能是一个不错的评估猕猴眼近视风险的客观指标。
总之, 猕猴眼的中央角膜厚度、眼轴、平均角膜曲率半径、 轴率比等的变化情况与人类比较有相近之处, 也存在着一定的差异。我们在研究中也对部分猕猴眼的眼压、角膜直径、角膜地形图等生物学参数进行了测量, 但较难获得可靠的重复性佳的数据, 还有待进一步研究测量的方法。我们认为猕猴可以作为理想的动物眼实验模型, 而在进行猕猴眼相应实验前要熟悉其与人眼的不同之处, 以便更好地的进行动物实验研究。
参考文献
[1]徐延山, 李志雄, 周建华, 等.正常及白内障猕猴眼组织结构的研究[J].眼科研究, 2000, 18 (5) :418-420.
[2]薛雨顺, 李裕钦, 石蕊, 等.青少年近视眼屈光度与眼轴长度及眼内压的相关性分析[J].国际眼科杂志, 2008, 8 (9) :1847-1849.
[3]刘月君, 高丰.襄阳市3岁~14岁儿童屈光发育状况及相关原因[J].中国妇幼保健, 2015, 30 (31) :5377-5379.
[4]王万鹏, 周然, 张婧, 等.兰州市5岁~12岁学龄儿童屈光状态与屈光参数相关性研究[J].国际眼科杂志, 2013, 13 (11) :2299-2302.
[5]陈丽萍, 赵堪兴, 郑日忠, 等.3岁~15岁儿童角膜曲率调查与分析[J].天津医科大学学报, 2005, 11 (4) :611-613.
[6]乔芳, 刘畅, 伍友春, 等.6岁~18岁儿童角膜厚度及相关因素分析[J].临床眼科杂志, 2012, 20 (5) :433-435.
[7]TONG L, SAW S M, SIAK J K, et al.Corneal thickness determination and correlates in Singaporean schoolchildren[J].Invest Ophthalmol Vis Sci, 2004, 45 (11) :4004-4009.
参数检测 篇8
随着电力系统中非线性负载和时变负载的广泛使用,电能质量尤其是谐波问题日益严重。电力系统中的谐波会引起电能损失、过电压及电压不平衡、电压闪变、延时、误操作等问题[1,2,3,4]。目前,用来检测谐波、间谐波和次谐波的方法主要有小波变换算法[2,5,6]、快速傅里叶变换算法、谱估计方法[7,8,9,10]等。小波变换算法可以有效地检测非平稳的谐波信号,但是存在小波基选择问题,同时对噪声敏感。快速傅里叶变换算法由于其独特的优点而被广泛应用,但是当基波频率变动时,会导致非同步采样,引起严重的频谱泄露问题,同时谐波之间的相互影响也会严重降低谐波和非整数次谐波的检测精度。
本文分析了AR(自回归)模型,深入研究了Yule Walker,Burg和Covariance这3 种参数谱估计方法的原理,并提出了一种改进Covariance检测方法。利用计算机对4 种参数谱估计方法进行仿真,结果表明,参数谱估计方法对谐波、间谐波、次谐波具有很好的检测效果。
1 AR模型基本原理
参数谱估计方法的原理是用参数模型来逼近真实,其在信号频谱分析上具有很大优势。AR模型、MA(滑动平均)模型和ARMA(自回归滑动平均)模型[11]是3种常用的参数模型,其中AR模型不需要对非线性方程求解,只需要对AR参数进行估计,因此,计算过程相对简单。此外,无论是在功率谱分辨率上还是平滑性上,AR模型都表现良好,因而应用广泛。
对电网系统中的连续信号进行采样,获得一个离散信号序列x(n),n=1,2,…,N(N为采样点数),在AR模型中,用式(1)表示该序列:
式中:p为AR模型的阶次;ak为AR模型参数,k=1,2,…,p;e(n)为白噪声序列。
由式(1)可知,将激励的现在值和多次过去值通过加权线性组合之后,可得到采样序列的现在值。因此,也可以把离散信号序列的第n个值看作是之前有限个过去值线性组合的预测结果。
根据随机信号功率谱密度的定义可以直接得到x(n)的功率谱公式[8,12,13]:
式中σ2为白噪声序列e(n)的方差。
由式(2)可以看出,只要得到AR模型参数(σ2和a1,a2,…,ak),即可求出所分析信号的功率谱P(f)。
2 参数谱估计方法
2.1 Yule Walker方法
Yule Walker方法的AR模型参数通过预测误差估计值最小原理得到,方差估计值为
由于白噪声序列的长度大于x(n)的长度,将无法观测到的采样点的采样值看成是0。预测误差功率的最小估计值通过模型参数ak的实部和虚部加以区分,可以利用复梯度法[14,15]得到:
式(4)也可以通过自相关函数估计,给出,即
其中:
联立式(5)和式(6)可以估计AR模型的参数:
白噪声方差估计值通过式(8)计算:
利用Yule Walker方法可得功率谱密度估计为
2.2 Burg方法
Burg方法利用前向、后向预测误差平均功率最小准则和反射系数对模型参数进行估计。先估计反射系数,再用Levinson递推公式依次求取AR模型参数。
第p阶模型的前向、后向预测误差分别为
与反射系数相关的AR模型参数为
为了使前向和后向预测误差和的平均功率最小,对其求偏导,得到反射系数:
各阶预测误差和由Levinson递推公式求出,即
通过式(14)和(15)求得前向、后向预测误差,再由式(13)估计出反射系数,将反射系数代入式(12)求出AR参数,最终可得Burg方法功率谱:
式中,是总体最小二乘误差。
2.3 Covariance方法
Covariance方法与Burg方法最主要的区别在于预测误差功率求和式的上下限不同。 在Covariance方法中,预测误差功率的求和式的区间为[p,N-1]。利用复梯度方法使预测误差功率达到最小,可得
其中:
将式(17)表示为,可得到AR模型参数的估计值:
白噪声方差估计值由式(20)估计:
通过上面的计算可得Covariance方法的功率谱:
2.4 改进Covariance方法
改进Covariance方法是基于前向、后向预测误差平均功率最小准则,其AR模型参数估计矩阵计算与Covariance方法相同,只是自相关估计值计算方法不同,在改进Covariance方法中,自相关估计值为
AR模型参数和白噪声方差估计与Covariance方法相同,因而有
3 Matlab仿真及分析
为了验证4 种功率谱估计方法的正确性,在Matlab中对4个谐波样本进行谐波分析,采样频率和时间窗口分别为10kHz和200ms。
4个谐波样本A1—A4的具体表达式如下:
A1—A4的波形如图1所示,其中纵坐标M为幅值。
利用4 种谐波分析方法,对谐波样本A1—A4进行仿真,仿真结果如图2—图5所示,其中纵坐标PSD表示功率谱估计。
样本A1中包含基波、5次谐波和7次谐波。从图2可以发现,4种方法均能有效检测原始信号。
样本A2中包含基波、3 次谐波和30 Hz次谐波。从图3可以发现,Yule Walker方法只能检测基波和3次谐波成分,其他3种方法均可以有效检测原始信号。
样本A3中包含基波、3次谐波、5次谐波、7次谐波、9 次谐波、26 Hz次谐波、180 Hz间谐波、230Hz间谐波。从图4可以发现,Yule Walker方法没有检测到26Hz次谐波,而对其他整数次谐波和间谐波都有很好的检测效果;Burg、Covariance和改进Covariance方法对各种次谐波都可以检测。
样本A4中包含基波、40 Hz次谐波、18 Hz次谐波。从图5 的仿真结果可以看出,Yule Walker方法只能检测出基波成分,不能检测40 Hz次谐波和18Hz次谐波,Covariance方法在检测中出现了错误,Burg和改进Covariance方法对谐波样本均能很好检测。
综合4 种参数谱估计方法的仿真结果可以发现,整数次谐波最容易被有效检测,尤其是3,5,7次这些在电力系统中危害较大的谐波;另外,间谐波也比较容易检测,而次谐波的检测难度较大。
4 结语
垃圾焚烧炉火焰参数自动检测方法 篇9
近十几年来,国外垃圾焚烧发电技术已相对成熟,同时由于现实需要,国内许多城市相继引进国外长期验证过的先进焚烧技术,国内垃圾焚烧发电厂发展迅速。自动焚烧控制系统在实际运行中,由于国内的垃圾与国外垃圾成分不同,导致燃烧工况不稳定。 一般自动焚烧控制系统采用蒸汽流量与炉排速度给定值的固定参数换算公式,不能根据工况的变化及时调整进料量和配风量,需要人工观察垃圾焚烧情况适时调整。炉膛内的垃圾焚烧状况一般通过测量料层厚度、一次风量、二次风量等参数间接反映,运行人员根据这些检测数据,不间断地观察火焰监视画面,判断焚烧工况,人工调整控制策略。一旦焚烧工况转变或人工调整不及时,容易出现炉排或焚烧炉墙结焦、 炉排片损坏、炉温过低产生二恶英等后果。人工观察的缺点是反应较慢,准确率低,耗费操作人员大量精力,并且垃圾焚烧炉容易出现灭火事故。一般采用火检探头进行检测,但火检探头在实际应用中存在灵敏度不足、误动或拒动的情况。
针对垃圾焚烧过程中需要根据火焰状况判断焚烧工况的需求,本文提出一种基于图像处理技术的火焰状况检测方法,在线采集炉膛火焰监视摄像头的图像,进行图像处理及分析,检测出火焰的亮度、位置、 变化趋势等参数,反映实时的焚烧状况。
1火焰参数自动检测综述
垃圾焚烧炉火焰参数主要包括各级炉排火焰比例、火焰位置和火焰亮度数据(火焰像素点的Y值)。 垃圾焚烧炉火焰参数自动检测利用炉膛火焰监控摄像头实时采集炉膛内火焰图像,并传输到火焰检测机;利用Visual Studio软件对火焰图像进行图像预处理和分析处理;分析结果通过RS-485等通讯协议输出到自动焚烧控制系统的操作员站监控画面,用于代替操作人员的人工观察,辅助操作人员判断当前焚烧状况,根据火焰参数变化的趋势进行人工调整。例如当自动检测燃烬段的火焰参数变大时,表示主燃烧段上的焚烧不充分,应及时减慢炉排速度,同时增大主燃烧段和燃烬段的一次风量,改善主燃烧段和燃烬段的焚烧条件。
此外,利用自动检测得出的火焰参数,可以作为常规火检探头信号的辅助,完成灭火保护等联锁保护逻辑,增强系统的安全性和可靠性。
2火焰参数自动检测设计
2.1设备选型
GB50049-2011小型火力发电厂设计规范[1]规定, 电厂锅炉的主要运行参数包括炉膛火焰监视。因此在设计垃圾电厂时,需要配备炉膛火焰监视显示系统, 便于运行人员在中控室实时观察炉膛内焚烧情况。本文利用电厂原有火焰监视探头,对火焰监视画面进行处理和分析,无需额外增加火焰探头设备。
一般摄像机的最高工作温度为50℃,而炉内火焰中心温度高达1600℃以上,本文利用可耐高温的潜望管,将图像由棱镜转向后直接投射在安装于炉膛保温层外、温度合适的摄像机靶面上[2]。同时要求摄像头的观察视场为不少于60°转角的90°锥面范围。保护罩工作环境(炉外温度)温度范围-10℃~70℃。
摄像机输出PAL制式,通过图像采集卡实现A/D转换及信号放大,经过同轴电缆传给监视器。监视器把信号分为2路:一路传到中控室大屏幕进行人工监视,另一路传到火焰检测机进行火焰参数自动检测。
2.2图像预处理
由于现场环境复杂,通过摄像机得到的火焰视频信号需要进行一系列的图像预处理,得到更准确的现场图像数据,以便对火焰参数进行量化判断。
首先,模拟视频信号通过火焰检测机的图像视频采集卡进行采集编码,得到火焰图像的数字编码信息。视频采集卡采用DH-CG410图像采集卡,支持标准PAL/NTSC(CCIR/EIA)视频输入,每通道最大分辨率可达768×576×32 bit,可以满足系统的采集速度及性能要求。
其次,经图像采集编码处理后得到640×480@30f/s的YUV图像数据。为提升图像处理的准确性,需要对图像编码数据进行二次处理—平滑处理,消除火焰图像中随机噪声。常用的平滑方法有中值法、平均法、空间频率域带通滤波等。综合考虑效率与性能的要求,本文采用中值法对图像进行降噪处理,对一段时间内的图像信息进行采集,然后排序,按照中值计算的方式取出中值作为图像信息[3]。
最后,需要把图像转换成YUV色彩空间。图像的原始格式为RGB,其原理是每种颜色都可用红 (R)、绿(G)、蓝(B)3个颜色变量来表示,其优点是与人眼观察的规律一致,便于理解。然而RGB格式的图像无法体现图像亮度及色差的变化,不适合使用计算机语言从图像中识别出火焰,因此需要把图像转换成YUV色彩空间。在图像处理领域YUV色彩空间的使用更为广泛,因为它从亮度、色差方面进行了分离,利于图像分析处理。在YUV空间中,每种颜色由1个亮度信号Y、2个色差信号U和V进行定义。YUV空间利用RGB的信息进行转化,利用Y通道信息可以从全彩色图像中产生一个黑白图像,通过U、V信息描述颜色,更有利于后续的火焰识别工作。
为了能更好地描述图像信息,每个像素以图像坐标表示,连续选取N帧背景图像进行YUV空间转换处理后,按中值计算方式得到该图像的YUV值描述。
2.3算法设计及实现
本文提出基于图像处理技术的火焰状况分析算法,实时利用Visual Studio软件对炉膛火焰监控画面进行分析,结合运行人员经验,自动判断每级炉排上的焚烧状况等级,作为人工调整环节的参考输入。
本文采用Open CV实现火焰检测子系统算法。 Open CV视觉处理库提供各种常用的图像处理方法, 如边缘检测、轮廓检测、高斯背景、卡尔曼滤波等, 可以快速开发各类图像识别、目标跟踪、模式识别等程序。火焰检测算法实现的流程图如图1所示。
由于每台火焰监控摄像头安装位置与炉排的相对位置和角度可能有差异,所以必须对图像的检测区域进行设定。在图像中定义左、右侧边界线,并在左、 右边界线上定义3个分界点,把左、右边界线之间的区域划分为4个部分,分别对应四级炉排。检测区域划分结果如图2所示。
火焰状态的识别是火焰图像处理过程中最重要的部分,其可通过采集图像内高温区的分布进行定性。利用Y分量的亮度分量在图像中的统计分布,反映火焰高温区的分布,进而对火焰状态进行定量计算。转换后的Y、U、V值,根据预先设置的火焰判别规则进行判断,识别出图像中属于火焰的像素点, 并统计火焰像素点占每级炉排的比例。
火焰监视摄像头的图像原图如图3所示,处理后的火焰识别图像如图4所示。火焰判别规则:亮度(Y) 大于150的像素点,判断为亮火焰,在图4中用浅灰色表示;图3中火焰边沿的深灰色部分,亮度不高, 通过U、V值修正处理,判断为暗火焰,即当Y > 40且V >110且U >150,用深灰色表示;判断为非火焰的其他部分用白色表示。在统计火焰参数时,亮火焰的权重为0.9,暗火焰的权重为0.1。
火焰参数结果=(亮火焰点×0 .9+暗火焰点×0.1) /该级面积总和。
利用程序统计火焰点占图像画面的比例,火焰识别图像分析结果如图5所示。
图5中ret1~ret4表示自下而上的第四~第一级炉排的火焰像素点数量;ratio为火焰占所该级画面的比例。分析结果显示:第三级炉排火焰比例为49.1%; 第二级炉排火焰比例为62.0%;第一级炉排火焰比例为14.7%。同时把火焰位置和亮度数据传输到控制系统,作为焚烧状况变化趋势分析的原始数据。
2.4火焰检测结果传输
火焰参数自动检测机检测出的火焰参数结果在输出前需进行数据处理,使输出结果精确到小数后2位,火焰识别子系统与自动焚烧控制系统通信协议格式如表1所示。自动焚烧控制系统在接收检测结果后, 根据通讯协议进行相应的逆处理,得到对应的4级检测结果。
2.5火焰参数自动检测机与系统的连接
火焰参数自动检测机接收火焰监视摄像机输出的PAL制式模拟视频信号,在火焰检测机中完成图像处理、算法处理、输出处理,通过RS485串口以Modbus协议方式输入到自动焚烧控制系统的过程站。
2.6火焰检测结果的利用
火焰检测结果包括各级炉排火焰比例、火焰位置和火焰亮度数据。其中各级炉排火焰比例显示在自动焚烧控制系统的操作员站(上位机)画面上,供运行人员作为人工调整的参考,如图6所示。
同时各级炉排火焰比例、火焰位置、火焰亮度数据参与自动焚烧控制,根据火焰比例、火焰位置的变化趋势结合一次、二次风风量、风压等数据更准确地判断垃圾焚烧状况,及时调整炉排移动速度和一次、 二次风风量。
3火焰参数自动检测结果分析
本火焰参数自动检测机应用在某垃圾电厂,进行了为期30天的试验。分析单个时刻的自动检测效果, 准确率较高,与人工观察判断基本一致;而自动检测判断速度约0.5秒,比人工观察快1~2秒。
运行期间,火焰参数自动检测准确率保持良好, 且能有效消除不同班次操作人员的判断差异,达到辅助操作人员进行人工调整的效果。
4总结与展望
针对我国垃圾电厂垃圾热值变化大,扰动作用强,焚烧工况多变的特点,提出基于视频的火焰参数自动检测方法。参照运行人员观察炉膛火焰情况的经验,对炉膛火焰监控摄像头采集的视频画面进行图像处理,通过算法运算检测出火焰参数信息,传输到自动焚烧控制系统的操作员站画面中显示,供运行人员调整炉排速度和助燃风量的参考。
由于工作条件所限,本文所提出的基于视频的火焰参数自动检测方案,出于安全考虑,在研究成熟之前,只用于在操作员站画面上进行显示,并不参与控制。有待深入研究和更多情况的仿真验证试验,后续工作是设计替代人工调整作用的专家控制器,模仿运行专家的经验,利用自动检测得出的火焰参数和炉膛温度等参数,智能判断炉排速度和助燃风量调整参数,更大程度地替代人工调整。
随着垃圾焚烧处理技术的发展,垃圾焚烧自动控制系统将在垃圾无害化处理领域起不可或缺的作用, 提高焚烧控制的自动化程度,提高控制的准确性,具有积极的实际应用意义。
参考文献
[1]GB50049-2011,中华人民共和国国家标准:小型火力发电厂设计规范[S].中华人民共和国电力工业部,2011.
[2]王丽英,刘佳.炉膛火焰电视监视系统的应用[J].当代化工,2008,37(4):446-448.