[发明专利]WMS检测瓶内氧气浓度的实时扣背景非线性校正方法有效
申请号: | 201710840734.4 | 申请日: | 2017-09-18 |
公开(公告)号: | CN107643252B | 公开(公告)日: | 2020-02-04 |
发明(设计)人: | 阳春华;朱高峰;桂卫华;贺建军;朱红求;李新华;朱剑平 | 申请(专利权)人: | 中南大学 |
主分类号: | G01N21/25 | 分类号: | G01N21/25 |
代理公司: | 43114 长沙市融智专利事务所(普通合伙) | 代理人: | 欧阳迪奇 |
地址: | 410083 *** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 波长 调制 光谱 检测 玻璃瓶 氧气 浓度 实时 背景 非线性 校正 方法 | ||
1.WMS检测瓶内氧气浓度的实时扣背景非线性校正方法,其特征在于,包括以下步骤:
步骤1,使用包括氧气浓度为0%的多个已知氧气浓度且各不相同的玻璃瓶样本作为初始建模样本,采集激光照射下的多个相应二次谐波数据,并进行数据预处理后,提取相应的谐波峰值,然后将不同氧气浓度样本的谐波峰值减去0%氧气浓度样本的谐波峰值,作为标准数据库中各不同氧气浓度样本的特征峰值数据,再取每种氧气浓度下多个玻璃瓶样本,重复前述采集二次谐波数据进行处理后得到特征峰值数据的步骤,将得到的同一氧气浓度下的特征峰值算术平均,最后将算术平均后的特征峰值与相应浓度值进行最小二乘线性拟合,作为氧气浓度反演模型;
步骤2,采集检测区域和已知氧气浓度为0%玻璃瓶的二次谐波数据;
步骤3,分别对步骤2中得到的二次谐波进行数据预处理后,提取检测区域的谐波特征峰值P和已知氧气浓度为0%玻璃瓶的谐波特征峰值P0,将两者相减得到P-P0,作为实时扣背景后的特征峰值;
步骤4,将步骤1中氧气浓度为0%玻璃瓶的特征峰值P0'除以当前的特征峰值P0,获得乘法校正因子k=P0'/P0;
步骤5,将步骤4中的乘法校正因子k和步骤3中的差值P-P0相乘,得到实时扣背景及非线性校正后的实际待测样本峰值PP;
步骤6,将步骤5中得到的数据PP代入氧气浓度反演模型中,实现浓度预测。
2.根据权利要求1所述的方法,其特征在于,步骤2中,在计算实时扣背景后的特征峰值之前,还包括将P与预设的阈值相比较,以确定检测区域是否存在待测的玻璃瓶的步骤,当P大于阈值时,则判断检测区域不存在待测的玻璃瓶,并重复步骤2,否则继续执行后续步骤。
3.根据权利要求2所述的方法,其特征在于,预设的阈值,是分别采集检测区域大气的氧气二次谐波数据和氧气浓度为21%玻璃瓶的氧气二次谐波数据,并将这两个数据分别进行数据预处理后得到的两个谐波特征峰值之和的一半作为阈值。
4.根据权利要求1所述的方法,其特征在于,所述的数据预处理包括对二次谐波进行粗大误差剔除及多周期平均、窗口滑动加权平均滤波和基于L-M算法的非线性校正。
5.根据权利要求4所述的方法,其特征在于,所述的二次谐波进行粗大误差剔除及多周期平均包括以下步骤:
对每个初始建模样本取20个周期的二次谐波信号进行粗大误差剔除及平均处理,即将20列采样数据去掉最大值和最小值再进行平均,得到相应的一列二次谐波数据。
6.根据权利要求4所述的方法,其特征在于,所述的窗口滑动加权平均滤波包括以下步骤:
窗口大小设置为19,用3次多项式进行最小二乘拟合,用拟合所得的多项式计算出需计算的测量点的值,作为平滑结果。
7.根据权利要求4所述的方法,其特征在于,所述的基于L-M算法的非线性校正包括以下步骤:
选用高斯线型的二阶导数作为吸收的二次谐波波形标准表达式,高斯线型及其二阶导数的表达式分布如公式(1)、(2)所示,其中a、b、c为高斯线型参数,x为采样数据点,
以所测波形数据和标准数据的误差的平方和及迭代次数作为L-M优化算法的终止标志,以迭代前后偏差大小作为信赖域放大或缩小的依据,经过不断迭代,计算得到曲线校正的最优化参数,从而获取校正后的信号来替代被测信号完成非线性校正。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中南大学,未经中南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710840734.4/1.html,转载请声明来源钻瓜专利网。
- 上一篇:电梯开门位置指示装置和电梯
- 下一篇:改良的电梯制动的检出机构