本發(fā)明屬于速度測(cè)量技術(shù)領(lǐng)域。特別涉及一種適應(yīng)對(duì)象運(yùn)動(dòng)特性的互相關(guān)測(cè)速方法。

背景技術(shù)：

隨著工業(yè)4.0時(shí)代的到來，準(zhǔn)確實(shí)時(shí)測(cè)量工業(yè)過程中各類運(yùn)動(dòng)對(duì)象的移動(dòng)速度對(duì)精確控制和調(diào)整生產(chǎn)過程參數(shù)具有重要的現(xiàn)實(shí)意義。

傳統(tǒng)的互相關(guān)算法已經(jīng)廣泛應(yīng)用于測(cè)量工業(yè)中的流體和平動(dòng)物體的速度，它通過計(jì)算布置在被測(cè)對(duì)象運(yùn)動(dòng)方向前、后兩個(gè)傳感器輸出信號(hào)的互相關(guān)函數(shù)的峰值來獲得渡越時(shí)間，進(jìn)而利用兩個(gè)傳感器的距離得到運(yùn)動(dòng)速度。然而該算法的精度和速度都有待優(yōu)化。

現(xiàn)有的互相關(guān)優(yōu)化算法包含極性相關(guān)法、拋物線擬合算法、自適應(yīng)相關(guān)算法等。極性相關(guān)法將兩個(gè)傳感器信號(hào)1比特量化后進(jìn)行互相關(guān)運(yùn)算，因而運(yùn)算量大大減小、運(yùn)算速度提高，但測(cè)量精度下降，若仍保證較高的測(cè)量精度，測(cè)量范圍將受限制。拋物線擬合算法是對(duì)互相關(guān)函數(shù)值峰值附近的3個(gè)點(diǎn)使用拋物線擬合的方法求出了最大峰值的準(zhǔn)確位置從而得到渡越時(shí)間，該方法在采樣間隔較大的條件下提高了互相關(guān)運(yùn)算的精度，然而若這3個(gè)代表點(diǎn)中有1點(diǎn)由于實(shí)際測(cè)量條件等因素的干擾而偏離真值，計(jì)算結(jié)果將出現(xiàn)較大的誤差。北京航空航天大學(xué)徐立軍等提出的“一種用于渡越時(shí)間測(cè)量的自適應(yīng)相關(guān)算法”更適用于被測(cè)速度平穩(wěn)或者變化緩慢的情況。當(dāng)被測(cè)速度變化較大時(shí)不能截得理想的下游擾動(dòng)信號(hào)，而影響計(jì)算速率，甚至不能得到正確的測(cè)量結(jié)果。因此，需要一種適應(yīng)對(duì)象運(yùn)動(dòng)特性的互相關(guān)測(cè)速來有效地提高測(cè)速精度和速度。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明目的在于提供一種適應(yīng)對(duì)象運(yùn)動(dòng)特性的互相關(guān)測(cè)速方法，其特征在于，包括以下步驟：

步驟1，由已知被測(cè)對(duì)象速度的上限值v1和下限值v2(v1≥v2)，依據(jù)下式(1)確定初始渡越時(shí)間的上限值τ1和下限值τ2(τ1≥τ2)：

其中，l為布置于被測(cè)對(duì)象移動(dòng)方向前、后兩個(gè)傳感器的間距；所述前、后兩個(gè)傳感器為超聲傳感器或靜電傳感器，則將v1、v2分別設(shè)為被測(cè)對(duì)象在合理客觀條件下或理論上的最大值和最小值；所述前、后兩個(gè)傳感器為與測(cè)量被測(cè)對(duì)象特性的相關(guān)類型的傳感器；

步驟2，從t0時(shí)刻開始，利用兩個(gè)傳感器以采樣率f0采集信號(hào)，其中f0滿足香農(nóng)采樣定理，且能使采樣信號(hào)保持原始模擬信號(hào)的主要特征；

步驟3，根據(jù)上述被測(cè)速度下限值v2和前、后側(cè)傳感器信號(hào)的波動(dòng)情況合理選取采樣時(shí)間長度t值，至少選取略大于2τ1的值；

步驟4.以t0時(shí)刻為起始位置，截取采樣時(shí)間長度為t的前側(cè)傳感器信號(hào)，以(t0+τ2-δt)時(shí)刻為起始位置截取采樣時(shí)間長度為t的后側(cè)傳感器信號(hào)，其中δt的選取根據(jù)被測(cè)對(duì)象速度變化特性確定；

步驟5.根據(jù)速度測(cè)量精度要求判斷是否需要對(duì)原數(shù)據(jù)列進(jìn)行稀疏化處理；當(dāng)精度要求較低時(shí)，等間隔抽取一部分采樣數(shù)據(jù)，對(duì)原數(shù)據(jù)列進(jìn)行稀疏化處理。

步驟6.利用下式(2)使信號(hào)幅度歸一化：

其中，序列ai、bi(i＝1,2,…,n)分別表示前、后側(cè)傳感器信號(hào)的第i個(gè)采樣值，amin、bmin分別表示前、后側(cè)傳感器信號(hào)中采樣數(shù)據(jù)的最小值，amax、bmax分別表示采樣數(shù)據(jù)的最大值，序列ai,norm、bi,norm(i＝1,2,…,n)分別表示歸一化處理后的ai、bi；

步驟7.從歸一化處理后的采樣值(a1,norm,a2,norm,…,an,norm)中，以a1,norm為起始點(diǎn)截取前側(cè)傳感器信號(hào)(a1,norm,a2,norm,…,an,norm)，定義為序列ai,norm；從歸一化處理后的采樣值(b1,norm,b2,norm,…,bn,norm)中以b1,norm為起始點(diǎn)截取后側(cè)傳感器信號(hào)(b1,norm,b2,norm,…,bn,norm)，定義為序列bi,norm；m為位移量，0≤m≤n-n，序列bi,norm隨m值變化而不斷更新，m值每增加1，序列bi,norm向右移動(dòng)一位，得到的新序列(b1+m,norm,b2+m,norm,…,bn+m,norm)，定義為序列bi+m,norm；

步驟8.對(duì)上述的每一數(shù)據(jù)序列進(jìn)行零均值化處理，以簡化互相關(guān)函數(shù)運(yùn)算：

其中，是序列ai,norm的平均值，是序列bi+m,norm的平均值，序列xi和序列yi+m分別為序列ai,norm和序列bi+m,norm經(jīng)零均值化處理后的結(jié)果；

為簡化計(jì)算，以(b1,norm,b2,norm,…,bn,norm)的均值來近似代替序列bi+m,norm的均值即利用下式對(duì)序列ai,norm和序列bi+m,norm進(jìn)行零均值化處理：

步驟9.利用互相關(guān)函數(shù)方程計(jì)算相關(guān)系數(shù)r(m)：

測(cè)量數(shù)據(jù)序列在時(shí)間上的連續(xù)性使得第i和第i+1個(gè)相關(guān)系數(shù)中分母變化很小，因此只計(jì)算上式分子，并找出最大值所對(duì)應(yīng)的位移量；

步驟10.由展開式和可到互相關(guān)函數(shù)分母部分的迭代公式：

此時(shí)互相關(guān)函數(shù)分母里的采用上式滾動(dòng)更新的方法來加快計(jì)算速度，即計(jì)算下一步時(shí)，從求和值中減去原數(shù)列的第一個(gè)元素(y1+m²)，再加上新數(shù)列中的最后一個(gè)元素(yn+m+1²)；

根據(jù)對(duì)象運(yùn)動(dòng)特征在上一步得到的位移量前后分別取若干個(gè)鄰近位移量依次代入互相關(guān)函數(shù)方程(5)中計(jì)算，并作相鄰兩點(diǎn)間插值樣條運(yùn)算,獲得細(xì)化的互相關(guān)函數(shù)局部曲線，得到曲線達(dá)峰值時(shí)所對(duì)應(yīng)的位移量進(jìn)而得到剩余渡越時(shí)間τr；

步驟11.計(jì)算渡越時(shí)間τ＝τ2-δt+τr從而得到相關(guān)速度v＝l/τ。

本發(fā)明的有益效果是：

1.該方法根據(jù)被測(cè)速度范圍和速度測(cè)量精度要求來改變處理的采樣時(shí)間長度和采樣值數(shù)量，可適應(yīng)實(shí)際工況中被測(cè)速度變化較大的情況，有效地減少了不必要的運(yùn)算、提高了實(shí)時(shí)處理速度，達(dá)到更準(zhǔn)確、快速地測(cè)量工業(yè)過程中各類運(yùn)動(dòng)對(duì)象移動(dòng)速度的目的。

2.本發(fā)明對(duì)采樣信號(hào)進(jìn)行幅度歸一化處理，消除了測(cè)量傳感器測(cè)量特性差別并加快了算法的收斂速度，有利于運(yùn)用到智能嵌入式信號(hào)處理系統(tǒng)進(jìn)行快速運(yùn)算。

3.發(fā)明中計(jì)算互相關(guān)函數(shù)時(shí)先粗略得到函數(shù)峰值對(duì)應(yīng)的位移量，再精確計(jì)算實(shí)際位移量，利用插值樣條運(yùn)算得到準(zhǔn)確的渡越時(shí)間，并利用滾動(dòng)更新的方法提高運(yùn)算速度，達(dá)到快速、精確確定運(yùn)動(dòng)對(duì)象速度的目的。

附圖說明

圖1為在采樣時(shí)間長度t內(nèi)的a,前側(cè)傳感器信號(hào)；b，后側(cè)傳感器信號(hào)。

圖2為截取得到的a,前側(cè)傳感器信號(hào)序列；b，后側(cè)傳感器信號(hào)序列。

圖3為適應(yīng)對(duì)象運(yùn)動(dòng)特性的互相關(guān)測(cè)速方法的流程圖。

具體實(shí)施方式：

本發(fā)明提供一種適應(yīng)對(duì)象運(yùn)動(dòng)特性的互相關(guān)測(cè)速方法。下面結(jié)合附圖和實(shí)例對(duì)本發(fā)明予以說明如下：

1.布置于被測(cè)對(duì)象移動(dòng)方向前、后的兩個(gè)傳感器間距為0.2m，根據(jù)經(jīng)驗(yàn)被測(cè)對(duì)象速度范圍在v2＝6.8m/s至v1＝7.2m/s間，確定初始渡越時(shí)間范圍在27.8ms至29.4ms之間；其中，所述前、后兩個(gè)傳感器為與測(cè)量被測(cè)對(duì)象特性的相關(guān)類型的傳感器；比如，本實(shí)施例為速度傳感器或時(shí)間傳感器；

2.利用兩個(gè)傳感器以采樣率50khz采集信號(hào)。

3.如圖1所示，圖1為采樣得到的前、后側(cè)傳感器信號(hào)。根據(jù)初始被測(cè)速度下限值6.8m/s和前、后側(cè)傳感器信號(hào)的波動(dòng)情況將采樣時(shí)間長度設(shè)置為60ms；以20.2ms時(shí)刻為起始位置截取采樣時(shí)間長度為60ms的前側(cè)傳感器信號(hào)，δt設(shè)為1ms，以47ms時(shí)刻為起始位置截取采樣時(shí)間長度為60ms的后側(cè)傳感器信號(hào)。

4.根據(jù)速度測(cè)量精度要求判斷是否需要對(duì)原數(shù)據(jù)列進(jìn)行稀疏化處理。本方案精度要求較低，截取得到的前、后側(cè)傳感器信號(hào)采樣點(diǎn)數(shù)分別為3000個(gè)，等間隔抽取600個(gè)采樣數(shù)據(jù)進(jìn)行處理便可達(dá)到精度要求。

5.信號(hào)幅度歸一化，序列ai,norm、bi,norm(i＝1,2,…,600)分別表示歸一化處理后的采樣數(shù)據(jù)。

6.參見附圖2，圖2是截取信號(hào)得到前側(cè)傳感器信號(hào)序列ai,norm和后側(cè)傳感器信號(hào)序列bi+m,norm的過程。從歸一化處理后的采樣值(a1,norm,a2,norm,…,a600,norm)中以a1,norm為起始點(diǎn)截取前側(cè)傳感器信號(hào)(a1,norm,a2,norm,…,a400,norm)，定義為序列ai,norm；從歸一化處理后的采樣值(b1,norm,b2,norm,…,b600,norm)中以b1,norm為起始點(diǎn)截取后側(cè)傳感器信號(hào)(b1,norm,b2,norm,…,b400,norm)，定義為序列bi,norm。m為位移量，0≤m≤200，序列bi,norm隨m值變化而不斷更新后得到的新序列(b1+m,norm,b2+m,norm,…,b400+m,norm)，定義為序列bi+m,norm。

7.對(duì)序列ai,norm和序列bi+m,norm進(jìn)行零均值化處理后分別得到序列xi和序列yi+m。

8.根據(jù)互相關(guān)函數(shù)方程僅計(jì)算相關(guān)系數(shù)r(m)的分子部分，并找出最大值所對(duì)應(yīng)的位移量21。

9.在位移量21前后分別取5個(gè)鄰近位移量依次代入互相關(guān)函數(shù)中計(jì)算，即將位移量16–26代入計(jì)算，方程分母里的采用滾動(dòng)更新的方法。并作相鄰兩點(diǎn)間9點(diǎn)三次插值運(yùn)算,獲得細(xì)化的、含101個(gè)點(diǎn)的互相關(guān)函數(shù)局部曲線，計(jì)算得到r(m)達(dá)到最大值時(shí)所對(duì)應(yīng)的位移量19.3，進(jìn)而得到剩余渡越時(shí)間1.93ms。

10.計(jì)算渡越時(shí)間τ＝τ2-δt+τr＝27.8ms-1ms+1.93ms＝28.73ms從而得到互相關(guān)速度6.96m/s。

由實(shí)驗(yàn)裝置設(shè)定得到的參考移動(dòng)速度為7.0m/s，本方法的相對(duì)誤差為0.6％。利用傳統(tǒng)互相關(guān)方法得到的相關(guān)速度為6.88m/s，相對(duì)誤差為1.7％，通過與參考速度對(duì)比,采用適應(yīng)被測(cè)對(duì)象的互相關(guān)方法測(cè)量移動(dòng)速度的相對(duì)誤差比傳統(tǒng)互相關(guān)算法減小了1.1％；運(yùn)算量比傳統(tǒng)互相關(guān)算法減小了88.79％。