基于传感器的压力容器异常信息检测
周链 邱白晶
摘 要： 对压力容器中的异常传感信息准确检测能实现压力容器故障诊断排除。针对压力容器异常传感信息宽平稳性强，检测准确度不高的问题，提出一种基于传感器鉴频特征提取的压力容器异常信息检测方法。首先对压力容器中的异常传感信息进行数据采样，对采样数据进行非线性时间序列信息流建模，采用ARMA模型分析压力容器异常信息的时频特征，结合传感器鉴频特征提取实现信号检测。仿真结果表明，采用该方法进行压力容器传感器信息检测的准确检测概率较高。
关键词： 传感器； 压力容器； 异常信息； 信号检测
中图分类号： TN911.23?34； TP391 文献标识码： A 文章编号： 1004?373X（2017）20?0143?03
Abstract： The accurate detection of abnormal sensing information in pressure vessel can achieve fault diagnosis and elimination of pressure vessels. A method of pressure vessel abnormal information detection based on extraction of the sensor frequency discrimination characteristics is put forward in allusion to wide stationarity and low detection accuracy of abnormal sensing information. The data sampling for the abnormal sensing information in pressure vessel is performed， and then the nonlinear time series information flow modeling of the sampling data is conducted. ARMA model is used to analyze the time?frequency characteristics of pressure vessel abnormal information to realize signal detection in combination with the sensor frequency discrimination feature extraction. The simulation results show that the method has the high detection probability for pressure vessel sensing information accurate detection.
Keywords： sensor； pressure vessel； abnormal information； signal detection
0 引 言
传感器是实现信息采集和信息传输的敏感装置，压力传感器是常用的传感器之一，压力传感器是利用外部产生的压力作用在传感器的换能器敏感元件。在传感器基阵中，换能器基陣接收到压力信息转换为电信号，结合信号与信息处理芯片实现信息处理，获得相关的数据信息特征，并实现对应的功能应用。压力传感器是压力容器的重要组成部件，压力容器作为一种高精度的容器装置，在油液制动、液压气动等领域都具有广泛的应用价值。压力容器在工作中，受到容器中液体温度和外界环境等因素的影响，容易导致传感器工况失稳，产生异常信息，需要对压力容器的异常信息进行有效检测，实现压力容器故障诊断排除[1]。
近年来，已经有不少学者开展了对压力容器的异常传感信息检测算法的研究，主要有基于统计特征分析的压力容器异常传感信息检测算法以及基于时频分析的检测方法等[2]。上述方法存在抗干扰能力不强，检测准确性不高的问题，对此，本文提出一种基于传感器鉴频特征提取的压力容器异常信息检测方法。首先对压力容器中的异常传感信息的分布特征进行信息流建模，进行异常传感信息的鉴频响应特征提取，实现异常信息准确检测，最后进行实验分析，得出有效性结论。
1 异常传感信息的分布特征分析
1.1 数据采样
为了实现对压力容器中异常传感信息的优化检测，提高压力容器的故障分析和诊断能力，首先对压力容器中的异常传感信息进行数据采样，令压力容器的传感器阵列为一组均匀分布的圆形阵列，假设压力容器的传感器基阵采集的数据集[S={s1，s2，…，sk}]，用向量[x=x1 x2…xk]表示压力容器的传感器基阵的信息采集接收单元，压力容器中传感器数据采集通道是一个多径的宽平稳传输信道，采用时间?频率联合特征分析方法[3]，构建压力容器传感器分布的信道模型，描述为：
式中：[k]表示时域采样频率；[v]表示压力容器的频域采样信息；[Wx]为时间窗口的宽度。式（5）、式（6）分别表示压力容器的信道中的时域和频域的伸缩尺度。根据上述设计，实现了对压力容器的传感器数据信息采样，为进行异常信息提取提供准确的数据基础。
1.2 压力容器中的异常信息时间序列分析
对采样数据进行非线性时间序列信息流建模，采用时间序列分析与信号处理方法进行压力容器中的异常信息检测，设压力容器中的异常信息的振荡幅度为[A]，压力容器异常传感信息的Fourier变换为：
2 检测算法实现
在上述进行了压力容器中异常传感信息的时间序列分析和时频分布描述的基础上，进行信息检测设计。本文提出一种基于传感器鉴频特征提取的压力容器异常信息检测方法。通过前期统计测量的压力容器的压力数据采样时间序列[{x（t0+iΔt）}]， [i=0，1，2，…，N-1]，构建ARMA模型为：
3 实验分析
在Matlab的Simulink平台中构建压力容器的传感器分布的阵列结构模型，进行压力容器异常信息检测的仿真实验分析，对压力容器中的压力数据采样时间间隔为2 s，数据的特征采样频率为12 kHz，取干扰信噪比为0～20 dB，异常信息调制的信号采用2～10 kHz、时宽为1.5 ms的线性调频信号，根据上述仿真环境和参数设定，进行压力容器中的异常信息检测，采用1 000次蒙特卡洛实验，分析不同方法进行异常信息检测的准确检测概率，得到检测结果如图1所示，收敛性曲线对比结果如图2所示。
4 结 语
本文提出一种基于传感器鉴频特征提取的压力容器异常信息检测方法。首先对压力容器中的异常传感信息进行数据采样，对采样数据进行非线性时间序列信息流建模，采用ARMA模型分析压力容器异常信息的时频特征，结合传感器鉴频特征提取实现信号检测。通过分析得出：采用该方法进行压力容器传感器信息检测的准确检测概率较高，能在较短的迭代步数下实现收敛，具有较好的鲁棒性。
参考文献
[1] 王磊，刘海涛，梁滔，等.低频伺服力激励下进给系统建模与动态响应分析[J].机械工程学报，2015，51（3）：18?28.
[2] 乔良，辛吉荣，郑辉.单载波通信系统的迭代频域合成均衡算法[J].电子与信息学报，2015，37（8）：1950?1956.
[3] 潘加亮，熊智，王丽娜，等.一种简化的发射系下SINS/GPS/CNS组合导航系统无迹卡尔曼滤波算法[J].兵工学报，2015，36（3）：484?491.
[4] 张林，史豪斌，吴佳斌.基于改进CBR的机器人足球对抗决策技术研究[J].西北工业大学学报，2013，31（6）：991?996.
[5] 郭静波，谭博，蔡雄.基于反相双峰指数模型的微弱瞬态极低频信号的估计与检测[J].仪器仪表学报，2015，36（8）：1682?1691.
[6] 王维猛，焦荣华，李晓辉.TD?SCDMA系统DOA?TOA定位技术研究[J].现代电子技术，2014，37（8）：1?4.
摘 要： 对压力容器中的异常传感信息准确检测能实现压力容器故障诊断排除。针对压力容器异常传感信息宽平稳性强，检测准确度不高的问题，提出一种基于传感器鉴频特征提取的压力容器异常信息检测方法。首先对压力容器中的异常传感信息进行数据采样，对采样数据进行非线性时间序列信息流建模，采用ARMA模型分析压力容器异常信息的时频特征，结合传感器鉴频特征提取实现信号检测。仿真结果表明，采用该方法进行压力容器传感器信息检测的准确检测概率较高。
关键词： 传感器； 压力容器； 异常信息； 信号检测
中图分类号： TN911.23?34； TP391 文献标识码： A 文章编号： 1004?373X（2017）20?0143?03
Abstract： The accurate detection of abnormal sensing information in pressure vessel can achieve fault diagnosis and elimination of pressure vessels. A method of pressure vessel abnormal information detection based on extraction of the sensor frequency discrimination characteristics is put forward in allusion to wide stationarity and low detection accuracy of abnormal sensing information. The data sampling for the abnormal sensing information in pressure vessel is performed， and then the nonlinear time series information flow modeling of the sampling data is conducted. ARMA model is used to analyze the time?frequency characteristics of pressure vessel abnormal information to realize signal detection in combination with the sensor frequency discrimination feature extraction. The simulation results show that the method has the high detection probability for pressure vessel sensing information accurate detection.
Keywords： sensor； pressure vessel； abnormal information； signal detection
0 引 言
传感器是实现信息采集和信息传输的敏感装置，压力传感器是常用的传感器之一，压力传感器是利用外部产生的压力作用在传感器的换能器敏感元件。在传感器基阵中，换能器基陣接收到压力信息转换为电信号，结合信号与信息处理芯片实现信息处理，获得相关的数据信息特征，并实现对应的功能应用。压力传感器是压力容器的重要组成部件，压力容器作为一种高精度的容器装置，在油液制动、液压气动等领域都具有广泛的应用价值。压力容器在工作中，受到容器中液体温度和外界环境等因素的影响，容易导致传感器工况失稳，产生异常信息，需要对压力容器的异常信息进行有效检测，实现压力容器故障诊断排除[1]。
近年来，已经有不少学者开展了对压力容器的异常传感信息检测算法的研究，主要有基于统计特征分析的压力容器异常传感信息检测算法以及基于时频分析的检测方法等[2]。上述方法存在抗干扰能力不强，检测准确性不高的问题，对此，本文提出一种基于传感器鉴频特征提取的压力容器异常信息检测方法。首先对压力容器中的异常传感信息的分布特征进行信息流建模，进行异常传感信息的鉴频响应特征提取，实现异常信息准确检测，最后进行实验分析，得出有效性结论。
1 异常传感信息的分布特征分析
1.1 数据采样
为了实现对压力容器中异常传感信息的优化检测，提高压力容器的故障分析和诊断能力，首先对压力容器中的异常传感信息进行数据采样，令压力容器的传感器阵列为一组均匀分布的圆形阵列，假设压力容器的传感器基阵采集的数据集[S={s1，s2，…，sk}]，用向量[x=x1 x2…xk]表示压力容器的传感器基阵的信息采集接收单元，压力容器中传感器数据采集通道是一个多径的宽平稳传输信道，采用时间?频率联合特征分析方法[3]，构建压力容器传感器分布的信道模型，描述为：
式中：[k]表示时域采样频率；[v]表示压力容器的频域采样信息；[Wx]为时间窗口的宽度。式（5）、式（6）分别表示压力容器的信道中的时域和频域的伸缩尺度。根据上述设计，实现了对压力容器的传感器数据信息采样，为进行异常信息提取提供准确的数据基础。
1.2 压力容器中的异常信息时间序列分析
对采样数据进行非线性时间序列信息流建模，采用时间序列分析与信号处理方法进行压力容器中的异常信息检测，设压力容器中的异常信息的振荡幅度为[A]，压力容器异常传感信息的Fourier变换为：
2 检测算法实现
在上述进行了压力容器中异常传感信息的时间序列分析和时频分布描述的基础上，进行信息检测设计。本文提出一种基于传感器鉴频特征提取的压力容器异常信息检测方法。通过前期统计测量的压力容器的压力数据采样时间序列[{x（t0+iΔt）}]， [i=0，1，2，…，N-1]，构建ARMA模型为：
3 实验分析
在Matlab的Simulink平台中构建压力容器的传感器分布的阵列结构模型，进行压力容器异常信息检测的仿真实验分析，对压力容器中的压力数据采样时间间隔为2 s，数据的特征采样频率为12 kHz，取干扰信噪比为0～20 dB，异常信息调制的信号采用2～10 kHz、时宽为1.5 ms的线性调频信号，根据上述仿真环境和参数设定，进行压力容器中的异常信息检测，采用1 000次蒙特卡洛实验，分析不同方法进行异常信息检测的准确检测概率，得到检测结果如图1所示，收敛性曲线对比结果如图2所示。
4 结 语
本文提出一种基于传感器鉴频特征提取的压力容器异常信息检测方法。首先对压力容器中的异常传感信息进行数据采样，对采样数据进行非线性时间序列信息流建模，采用ARMA模型分析压力容器异常信息的时频特征，结合传感器鉴频特征提取实现信号检测。通过分析得出：采用该方法进行压力容器传感器信息检测的准确检测概率较高，能在较短的迭代步数下实现收敛，具有较好的鲁棒性。
参考文献
[1] 王磊，刘海涛，梁滔，等.低频伺服力激励下进给系统建模与动态响应分析[J].机械工程学报，2015，51（3）：18?28.
[2] 乔良，辛吉荣，郑辉.单载波通信系统的迭代频域合成均衡算法[J].电子与信息学报，2015，37（8）：1950?1956.
[3] 潘加亮，熊智，王丽娜，等.一种简化的发射系下SINS/GPS/CNS组合导航系统无迹卡尔曼滤波算法[J].兵工学报，2015，36（3）：484?491.
[4] 张林，史豪斌，吴佳斌.基于改进CBR的机器人足球对抗决策技术研究[J].西北工业大学学报，2013，31（6）：991?996.
[5] 郭静波，谭博，蔡雄.基于反相双峰指数模型的微弱瞬态极低频信号的估计与检测[J].仪器仪表学报，2015，36（8）：1682?1691.
[6] 王维猛，焦荣华，李晓辉.TD?SCDMA系统DOA?TOA定位技术研究[J].现代电子技术，2014，37（8）：1?4.
