[发明专利]一种烟草卷接包车间的通风流场测量方法

权利要求书

1.一种烟草卷接包车间的通风流场测量方法，从目前烟草卷接包车间风速检测的实际应用环境出发，将现代传感技术、机器学习技术、数学建模融合到风速检测之中，将聚类方法和数据处理技术相结合，通过采集到的传感器电流数据而得到风速数据，以满足烟草卷接包车间各检测点风速的初步快速测定，包括以下步骤：

(一)、安装设备

在烟草卷接包车间工艺设备区铺设导轨，导轨上面安装行走小车，导轨上装有用于推动行走小车沿导轨行走的伺服电机，行走小车上方装有用于调节高度的垂直升降平台，垂直升降平台上装有传感器支架，传感器支架上装有若干均布的风速传感器，风速传感器经数据采集器与计算机数据口相连，伺服电机经RS485总线与控制主机PC的USB接口相连；

(二)、风速数据采集

在控制主机PC的控制下，启动伺服电机，驱动行走小车运动到检测点，经垂直升降平台调整传感器支架的高度，在检测点采集数据，将传感器置于采集点检测采集数据，采集完一个检测点数据后，驱动行走小车移向下一个检测点，重复3-4次，完成检测点数据的采集；当行走小车到达极限位置时，在控制主机PC的控制下，开始返回运动，直至数据采集操作结束，由于单个风速传感器反馈的数据不一定精确，因此，采用多个传感器同时检测并将其采集的数据进行数据融合，来得到检测点的最终数据；

(三)、测量方法：

用传感器采集数据，选择采集到的电流信号作为辅助变量，待检测风速数据作为主要变量，通过建立数学模型，由电流信号推导出风速数据的值，方法是：

1.标定风速传感器

(1)首先利用标准风洞对传感器进行校准和标定：

(2)计算风洞内标准风速，得出喷嘴处的风速V_e和单位时间内通过喷嘴喷出的风量Q，接着求出风洞内标准风速V_wt；

(3)利用最小二乘法，对采集的数据进行拟合，从而完成风速传感器的标定；

2.传感器数据预处理

在获取的数据建立测量模型之前，通过聚类方法对传感器数据进行预处理，方法是：

(1)对采集到的样本集合X，随机从中选择k个样本作为聚类初始中心，计算并形成初始的k个聚类；

(2)计算样本x_p到各聚类中心u_i的距离d_i；

(3)判定距离样本x_p最近的聚类C_j，并将样本x_p归为C_j聚类；

(4)计算新的聚类中心；

(5)根据设置的结束条件，判定迭代过程是否终止；

当迭代过程终止时，得到电流数据对应标准风速数据的聚类分布，作为下一步测量模型的输入；

3.建立测量模型：

测量模型有三层，将上一步得到的电流数据作为测量模型的输入，拟推导的空间流场风速数据作为测量模型的输出，借助模型处理层的自主学习能力，由电流数据推导出风速数据。方法如下：

(1)将得到的n个电流数据作为输入样本X，计算处理层第i个节点的输出g_i；

(2)计算处理层、输出层之间的迭代权值w；

(3)将处理层映射到输出层；

(4)利用目标误差函数式对n个电流数据X进行训练，最终得出预测风速Y；

4.获取测量数据

测量模型建立后，对于采集到的风速数据电流信号，将其输入测量模型，测量出烟草卷接包车间的通风流场风速数据。

2.根据权利要求1所述的烟草卷接包车间的通风流场测量方法，其特征在于，包括以下步骤：

(一)、安装设备

在烟草卷接包车间(5)工艺设备区(4)周边铺设环形导轨(1)，导轨上面安装行走小车(2)，导轨上装有用于推动行走小车沿导轨行走的伺服电机(3)，行走小车上方装有用于调节高度的垂直升降平台(7)，垂直升降平台上装有传感器支架(3)，传感器支架呈方形框架，方形框架的8个角上分别装有风速传感器(6)，8个风速传感器P1-P8经数据采集器P10与计算机PC1数据口相连，伺服电机经插口P9和串联的数据通讯卡P11与控制主机PC的USB接口相连；

(二)、风速数据采集，包括以下步骤：

1.设置系统配置参数：系统配置参数包括串口通讯设置、电机参数设置以及检测点设置，串口通讯设置主要是选择合适的波特率，串行通讯速率选用19.2kbit/s，通信协议为Modbus协议，其中，控制主机工作于主机模式，伺服电机工作于从机模式；设置电机运行速度、测试点位置以及限位位置；电机运行速度大小合适，太快会造成传感器支架抖动，太慢影响测量时间，为避免支架抖动，添加停留时间，使得传感器支架运动到位后，停止晃动再采集数据，将小车运动速度设置为0.25米/秒，小车停留时间2秒，设置30个检测点及其三维坐标；

2.主控主机利用数据通讯卡P11，按照Modbus协议，将运动指令经传送给伺服电机，同时，获取行走小车的当前坐标位置并根据当前的位置驱动行走小车的运动控制；

3.行走小车按照预定的运动路径方向和运行速度进行运动，根据系统参数配置所设定的风速采集测量坐标位置和传感器的坐标，通过调整垂直升降台在垂直方向的运动，将传感器支架调节到预设的三维坐标；

4.通过控制主机设置行走小车在导轨行走的速度、停顿时间，在行走小车达到检测点位置的时候，利用PCI接口，通过数据采集模块采集风速传感器的4-20mA模拟电流信号；

5.控制主机采集风速信号并进行数据的存储，为了实现数据采集的精确性，对每个检测点的数据重复采集100组数据；

6.采集完上述检测点风速传感器信号后，驱动行走小车按照预定的方向朝下一个检测点运动；

7.当行走小车到达下一个检测点位置的时候，重复执行4-5的步骤，完成该检测点的数据采集；

8.当行走小车到达极限位置，开始返回运动，执行3-7的数据采集操作；

控制主机采集到的风速数据为电流信号，应将其转换为对应的风速数据，从而完成烟草卷接包车间封闭空间通风流场的数据测量；由于单个风速传感器反馈的数据不一定精确，在此，对同一个检测点，采用多个传感器同时检测的方法，然后采用数据融合，将融合后的结果，作为该检测点的最终数据；

(三)、测量方法：

在采用传感器采集数据时，直接用传感器仪表读取风速数据比较麻烦，并且存在较大的滞后性，不能实时地反映当前待检测点的真实风速数据，因此，借助高性能的采集卡采集传感器反馈的电流信号，选择电流信号作为辅助变量，待检测风速数据作为主要变量，通过建立一个能够反映两者之间关系的数学模型，构建辅助变量到主要变量之间的关系，从而由电流信号作为辅助变量，推导作为主要变量的出风速数据值，具体方法是：

1.标定风速传感器

在烟草卷接包车间的通风流场测量中，用于封闭空间任意点风速测量的传感器反馈数据类型为4-20mA的电流信号，分别对应0.05m/s-2m/s的风速测量量程，在使用之前，利用标准风洞对传感器进行校准和标定；

(1)计算风洞内标准风速，利用式(1)，得出喷嘴处的风速V_e：

V_e--喷嘴处的风速，单位：m/s；

ΔP--喷嘴前后气压差，单位：N/m²；

ρ--大气压值，单位：N/m²；

(2)利用式(2)，得出单位时间内通过喷嘴喷出的风量Q：

Q＝V_e·F_e 式(2)

Q--单位时间内通过喷嘴喷出的风量，单位：m³/s；

V_e--喷嘴处的风速，单位：m/s；

F_e--喷嘴面积，单位：m²；

(3)利用式(3)，得出风洞内标准风速V_wt：

V_wt＝Q/F_wt 式(3)

V_wt--风洞内标准风速，单位：m/s；

Q--单位时间内通过喷嘴喷出的风量，单位：m³/s；

F_wt--风洞截面面积，单位：m²；

(4)获取标准风速之后，就可以进行传感器的标定，也就是确定传感器输出的4-20mA的电流信号与风速0.05m/s-2m/s间的线性关系；

设置标准风速的初始值为0.2m/s，调节风洞装置，使得风速每次变化的数值为0.2m/s，将第i次调节得到的标准风速采用y_i进行表示。在每次调节好风速的条件下，在风洞外，利用电流表读取风速传感器的输出电流信号，第i次测量得到的电流信号用x_i表示；

在每次调节好风速的条件下，在风洞外，利用电流表读取风速传感器的输出电流信号，这样得到25个标准风速数据和其对应的25个风速传感器对应的数据。利用最小二乘法，对上述的25对数据进行一阶的线性拟合，拟合的直线描述为y＝kx+b，该直线的形状如式(4)所示：

k--直线y的斜率；

b--直线y在y轴的平移量，常数；

x_i--风速传感器的输出电流信号，单位：mA；

y_i--风洞的标准风速，单位：m/s；

n--拟合直线的数据点的数量，此处为25；

利用标定得到的拟合直线关系，进一步得到风速传感器的输出信号与实际风速的对应关系，完成传感器的标定。

2.预处理传感器数据

使用标定后的传感器，在确定风速条件下，采集多组对应电流数据。在使用这些数据建立测量模型之前，需要通过聚类方法对其进行预处理。运用聚类方法，得到电流数据簇类对应标准风速数据的聚类分布。具体方法如下：

(1)在采集到的样本集合X＝{x₁,x₂,...,x_n}中随机选择k个样本{u₁(1),u₂(1),...,u_k(1)}作为聚类初始中心，利用式(5)计算u_i并形成初始的k个聚类{C₁,C₂,...,C_k}：

u_i(1)--迭代初始时，聚类i的中心；

C_i--编号为i的聚类；

x--聚类C_i中的样本；

(2)利用式(6)计算样本x_p到各聚类中心u_i的距离d_i

d_i＝||x_p-u_i(h)||(1≤i≤k) 式(6)

d_i--样本x_p到各聚类中心u_i的距离；

x_p--样本集合中的样本；

u_i(h)--第h次迭代时，聚类i的中心；

h--迭代次数，初始为1；

p--样本编号，其值为1...n；

(3)利用式(7)判定距离样本x_p最近的聚类C_j，并将x_p归为C_j聚类

min(d_i)＝||x_p-u_j(h)||(1≤i,j≤k) 式(7)

d_i--样本x_p到各聚类中心u_i的距离；

x_p--样本集合中的样本；

u_j(h)--第h次迭代时，聚类j的中心；

h--迭代次数，初始为1；

min()--取最小值函数；

(4)利用式(8)计算新的聚类中心

u_j(h+1)--第h+1次迭代时，聚类j的中心；

C_j--编号为j的聚类；

|C_j|--聚类C_j中样本个数；

x_i--聚类C_j中的样本；

h--迭代次数，初始为1；

(5)根据预先设置好的结束条件式(9)或式(10)来判定迭代过程是否终止

||u_j(h+1)-u_j(h)||<Δ 式(9)

h<h_max 式(10)

h--迭代次数，初始为1；

h_max--预设的最大迭代次数；

Δ--预设的两次迭代中心改变阈值；

u_j(h)--第h次迭代时，聚类j的中心；

u_j(h+1)--第h+1次迭代时，聚类j的中心；

当迭代过程终止时，得到电流数据簇类对应标准风速数据的聚类分布，该电流数据值，作为下一步测量模型的输入，通过测量模型的学习能力，建立最终的模型；

3.建立测量模型

建立的测量模型有三层：输入层、处理层以及输出层，得到电流数据簇类对应标准风速数据的聚类分布后，将该电流数据作为测量模型的输入，拟推导的风速数据作为测量模型的输出，借助模型处理层的自主学习能力，由电流数据推导出风速数据，方法如下：

(1)将得到的n个电流数据，作为输入样本X＝{x₁,x₂,...,x_n}，利用式(11)计算处理层第i个节点的输出；

g_i--处理层第i个节点的输出量；

x--输入样本值；

u_i--第i个节点高斯函数中的向量；

σ_i--处理层第i个节点的标准化常数；

(2)利用式(12)求处理层、输出层之间的迭代权值

w--处理层、输出层之间的迭代权值；

M--处理层节点个数；

d_max--所选取中心之间的距离；

x_i--第i个样本值；

u_j--第j个聚类的中心；

||·||--二范数运算；

(3)利用式(13)将处理层映射到输出层

y_k--输出层中第k节点的输出值；

g_i--处理层中第i节点的输出值；

w_ki--处理层第i节点到输出层第k节点的加权系数；

θ_k--输出层阈值；

M--处理层节点个数；

||·||--二范数运算；

(4)利用目标误差函数式(14)，对n个电流数据X＝{x₁,x₂,...,x_n}，进行训练。

ε--目标误差函数；

y_p--输出层中第p节点的输出值；

v_p--每组样本x_p的期望输出值；

p--样本编号，为1...n；

最终得出预测风速Y＝{y₁,y₂,...,y_n}；

4.获取测量数据

测量模型建立后，对于采集到的风速传感器返回的电流信号，将其输入该模型，测量出对应的风速数据。