CN116952354A - 一种驱动测量传感器数据优化采集方法 - Google Patents
一种驱动测量传感器数据优化采集方法 Download PDFInfo
- Publication number
- CN116952354A CN116952354A CN202311203722.2A CN202311203722A CN116952354A CN 116952354 A CN116952354 A CN 116952354A CN 202311203722 A CN202311203722 A CN 202311203722A CN 116952354 A CN116952354 A CN 116952354A
- Authority
- CN
- China
- Prior art keywords
- data
- vibration data
- acquisition
- vibration
- sampling frequency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000005259 measurement Methods 0.000 title claims abstract description 46
- 238000005457 optimization Methods 0.000 title claims abstract description 10
- 238000005070 sampling Methods 0.000 claims abstract description 165
- 238000009826 distribution Methods 0.000 claims abstract description 28
- 238000002360 preparation method Methods 0.000 claims abstract description 23
- 230000003287 optical effect Effects 0.000 claims description 31
- 238000002955 isolation Methods 0.000 claims description 29
- 230000001133 acceleration Effects 0.000 claims description 10
- 238000013480 data collection Methods 0.000 claims description 4
- 230000035939 shock Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 6
- 230000007613 environmental effect Effects 0.000 abstract description 2
- 238000002474 experimental method Methods 0.000 description 13
- 238000012544 monitoring process Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
- G01P15/18—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration in two or more dimensions
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及数据处理技术领域,具体涉及一种驱动测量传感器数据优化采集方法,包括:获得预备采集时的所有种震动数据;计算预备采集时的每种震动数据的变化程度;计算预备采集时的每种震动数据的偏向性;根据预备采集时的所有种震动数据的偏向性和预备采集时的每种震动数据中所有数据点的分布情况,获得第一次采样频率;根据第一次采集时变化程度差异最大的震动数据和每种震动数据中所有数据点的幅值变化情况,对第一次采样频率进行调整获得第二次采样频率;根据每次采样的震动数据对每次的采样频率进行实时更新,实现数据优化采集。本发明实现根据采样的震动数据的变化来对采样频率进行实时更新,自适应在不同环境因素影响下的数据采样频率。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种驱动测量传感器数据优化采集方法。
背景技术
驱动测量传感器指的是通过控制和操作传感器来获取其测量数据的过程,这涵盖了控制传感器的供电、触发测量、收集数据等步骤,通过这种方式,可以获得传感器提供的有关环境、对象或系统的相关信息。而一般通过传感器来采集装置的数据时,需要在采集数据的过程中对获得的数据进行预处理,然后再将处理后的数据输出,作为参考数据。
由于半膜片式气浮隔振光学平台具有较低的振动和噪声水平,可以有效地消除外界的干扰因素,从而保障实验的精度和准确性,因此,半膜片式气浮隔振光学平台被广泛应用于激光干涉仪、光谱仪、成像系统等设备的构建中。例如,在激光干涉仪中,若使用传统的光学平台,则会受到来自周围环境的机械振动和空气震荡的干扰,导致干涉信号产生误差,降低干涉仪的灵敏度和精度;而使用半膜片式气浮隔振光学平台则可以有效地消除这些干扰因素,提高干涉仪的性能和可靠性。
为了实验的准确性,一般会在半膜片式气浮隔振光学平台上安装三轴驱动测量传感器来监测实验平台的震荡情况,避免因为实验平台的震动导致实验失败;而在通过三轴驱动测量传感器采集实验平台的震动数据时,采集的震动数据的精度关系到对实验平台的震荡情况的判断,因此需要根据不同采集环境的变化来自适应采集震动数据的最佳频率。
在现有技术中,对实时数据采集来确定采样频率时,主要通过对历史数据进行分析,根据历史数据的变化来确定合适的采样频率,无法适应实时变化的数据采集环境,也会导致采集获得的数据不准确。因此需要一种通过对实时数据进行分析来实时的调节数据的采样频率的方法,从而能够适应采集环境的变化。
发明内容
为了解决上述问题,本发明提供一种驱动测量传感器数据优化采集方法,所述方法包括:
通过三轴驱动测量传感器按照预设采样频率对半膜片式气浮隔振光学平台的震动数据进行预备采集,获得预备采集时的所有种震动数据;
根据预备采集时的每种震动数据中所有数据点的波动情况,计算预备采集时的每种震动数据的变化程度;根据预备采集时的每种震动数据的变化程度,计算预备采集时的每种震动数据的偏向性;根据预备采集时的所有种震动数据的偏向性和预备采集时的每种震动数据中所有数据点的分布情况,获得第一次采样频率;
以此类推,获得第一次采集时的所有种震动数据和第一次采集时每种震动数据的变化程度;
根据第一次采集时变化程度差异最大的震动数据和每种震动数据中所有数据点的幅值变化情况,对第一次采样频率进行调整获得第二次采样频率;
根据每次采样的震动数据对每次的采样频率进行实时更新,实现数据优化采集。
进一步地,所述计算预备采集时的每种震动数据的变化程度,包括的具体步骤如下:
式中,表示预备采集时的第/>种震动数据的变化程度,/>表示预备采集时的第/>种震动数据中所有数据点的平均幅值,/>表示预备采集时的第/>种震动数据中第i个数据点的幅值,M表示预设的数据点数量。
进一步地,所述计算预备采集时的每种震动数据的偏向性,包括的具体步骤如下:
将预备采集时的每种震动数据的变化程度与预备采集时的所有种震动数据的变化程度的均值的差值,作为预备采集时的每种震动数据的偏向性。
进一步地,所述获得第一次采样频率,包括的具体步骤如下:
式中,表示第一次采样频率,/>表示预设采样频率,/>表示预备采集时的第/>种震动数据的偏向性,/>表示在/>的范围内最大值,/>表示在/>的范围内最小值,/>表示预备采集时的所有种震动数据的偏向性的最大值,表示预备采集时的所有种震动数据的偏向性的最小值,N表示震动数据的种类数量,M表示预设数量,/>表示预备采集时的第/>种震动数据中第i个数据点的分布情况。
进一步地,所述对第一次采样频率进行调整获得第二次采样频率,包括的具体步骤如下:
式中,表示第二次采样频率,/>表示第一次采样频率,/>表示在/>的范围内取最大值,/>表示第一次采集时的第/>种震动数据中所有数据点的幅值的方差,表示第一次采集时的所有种震动数据中所有数据点的幅值的方差的最大值,表示第一次采集时的第/>种震动数据的变化程度,/>表示预备采集时的第/>种震动数据的变化程度,将/>记为第一次采集时的第/>种震动数据的变化程度差异,表示第一次采集时的所有种震动数据的变化程度差异的最大值,/>表示第一次采集时的第/>种震动数据中所有数据点的幅值的方差,/>表示第一次采集时的第种震动数据中所有数据点的平均幅值,N表示震动数据的种类数量,/>表示第一次采集时的第/>种震动数据中所有数据点的平均幅值,/>表示第一次采集时的所有种震动数据中所有数据点的平均幅值的平均,/>表示第一次采集时的所有种震动数据中/>的最大值,/>表示取绝对值。
进一步地,所述获得第一次采集时的所有种震动数据和第一次采集时每种震动数据的变化程度,包括的具体步骤如下:
通过三轴驱动测量传感器按照第一次采样频率对半膜片式气浮隔振光学平台的震动数据进行第一次采集,获得第一次采集时的所有种震动数据;根据第一次采集时的每种震动数据中所有数据点的分布情况,计算第一次采集时的每种震动数据的变化程度。
进一步地,所述预备采集时的每种震动数据中所有数据点的分布情况的获取方法具体如下:
获得预备采集时的第种震动数据中所有数据点的幅值的最大值与预备采集时的第/>种震动数据中所有数据点的幅值的最小值的差值,作为预备采集时的第/>种震动数据的极差;获得预备采集时的第/>种震动数据中每个数据点的幅值与前一个数据点的幅值的差值的绝对值,作为预备采集时的第/>种震动数据中每个数据点的幅值差异;将预备采集时的第/>种震动数据的极差与预备采集时的第/>种震动数据中每个数据点的幅值差异的乘积与预备采集时的第/>种震动数据中每个数据点的幅值的比值,作为预备采集时的第/>种震动数据中每个数据点的分布情况。
进一步地,所述第一次采集时的第种震动数据的获取方法具体如下:
获得第一次采集时的所有种震动数据的变化程度差异的最大值对应的第一次采集时的第k种震动数据。
进一步地,所述根据每次采样的震动数据对每次的采样频率进行实时更新,实现数据优化采集,包括的具体步骤如下:
通过三轴驱动测量传感器按照第二次采样频率对半膜片式气浮隔振光学平台的震动数据进行第二次采集;根据第二次采集时的每种震动数据中所有数据点的分布情况,计算第二次采集时的每种震动数据的变化程度;根据第二次采集时变化程度差异最大的震动数据的变化程度和每种震动数据中所有数据点的分布情况,对第二次采样频率进行调整获得第三次采样频率;
以此类推,通过三轴驱动测量传感器按照每次采样频率对半膜片式气浮隔振光学平台的震动数据进行每次采集;根据每次采集时的每种震动数据中所有数据点的分布情况,计算每次采集时的每种震动数据的变化程度;根据每次采集时变化程度差异最大的震动数据的变化程度和每种震动数据中所有数据点的分布情况,对每次采样频率进行调整获得下一次采样频率。
进一步地,所述通过三轴驱动测量传感器按照预设采样频率对半膜片式气浮隔振光学平台的震动数据进行预备采集,包括的具体步骤如下:
将三轴驱动测量传感器的采样频率设置为预设采样频率,采集半膜片式气浮隔振光学平台的震动数据,分别将X轴方向的加速度、Y轴方向的加速度和Z轴方向上的加速度记为第一种震动数据到第三种震动数据,采集的每种震动数据的数据量等于预设数量M,即每种震动数据包括M个数据点。
本发明的技术方案的有益效果是:针对在采集数据时,因为实验环境的变化会导致三轴驱动测量传感器在采集数据时,出现不同方向上数据的变化,如果通过单一的采样频率来获得监测数据,会导致数据变化大的数据采样频率太高,导致噪声的影响会增加,而数据变化程度小的数据采样频率太低无法准确的反映监测平台的变化的问题;本发明根据采样的震动数据的变化来实时对采样频率进行更新,使其能够根据采样环境的变化来实时的对采样频率做出调整,能够准确的获得各种类型数据,从而能够在对实验平台进行监测时更加的准确;而在获得采样频率时,本发明首先通过预设采样频率获得一段震动数据,然后根据的震动数据的变化来获得第一次采样频率,进而对第一次采样震动数据的变化进行评价,然后再通过初始采样频率来继续进行数据采样,然后再根据数据的变化对采样频率进行更新,使其能够准确的根据数据的变化来自适应采样频率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的一种驱动测量传感器数据优化采集方法的方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种驱动测量传感器数据优化采集方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种驱动测量传感器数据优化采集方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种驱动测量传感器数据优化采集方法的数据传输模块的方法流程图,该方法包括:
为了实验的准确性,一般会在半膜片式气浮隔振光学平台上安装三轴驱动测量传感器来监测实验平台的震荡情况,避免因为实验平台的震动导致实验失败;而在通过三轴驱动测量传感器采集实验平台的震动数据时,采集的震动数据的精度关系到对实验平台的震荡情况的判断,因此需要根据不同采集环境的变化来自适应采集震动数据的最佳频率。在现有技术中,对实时数据采集来确定采样频率时,主要通过对历史数据进行分析,根据历史数据的变化来确定合适的采样频率,无法适应实时变化的数据采集环境,也会导致采集获得的数据不准确。因此需要一种通过对实时数据进行分析来实时的调节数据的采样频率的方法,从而能够适应采集环境的变化。
本实施例的主要目的是为了在通过三轴驱动测量传感器采集半膜片式气浮隔振光学平台的震动数据时,通过实时数据的变化来自适应采样频率,使得获得的震动数据能够准确的反映数据变化。在对震动数据进行采样时,高采样频率可能导致震动数据冗余,震动数据的数据量更大,需要更大的存储容量来保存震动数据,并且需要处理和分析的震动数据更多,会增加计算复杂性和处理时间,并且采样频率越高,采集的震动数据受到噪声的影响也会越大;而低采样频率可能会导致震动数据丢失,无法捕捉到物体瞬时变化,会导致信号在时间上的细节丢失,使得震动数据变得模糊或不准确,在后续震动数据处理和分析中可能会引入较大的误差;因此获得合适的采样频率对于分析震动数据是非常重要的,为了适应不同的采集环境,本实施例通过对实时震动数据进行分析,根据震动数据的变化来自适应采样频率,从而使得获得的震动数据震动既满足能够识别出异常数据点,数据量又不能过大。
S001,通过三轴驱动测量传感器采集半膜片式气浮隔振光学平台的震动数据。
需要说明的是,为了实验的准确性,一般会在半膜片式气浮隔振光学平台上安装三轴驱动测量传感器来监测实验平台的震荡情况,避免因为实验平台的震动导致实验失败。本实施例通过三轴驱动测量传感器来采集获得试验平台的震动数据,但因为采样频率直接关系到震动数据的准确性,因此本实施例在采集数据的过程中,通过分析实时数据的变化来自适应采样频率。
预设一个采样频率和数量M,其中本实施例/>=0.01s、M=10为例进行叙述,本实施例不进行具体限定,其中f、M根据具体实施情况而定。
具体的,在半膜片式气浮隔振光学平台上安装三轴驱动测量传感器,通过三轴驱动测量传感器按照预设采样频率对半膜片式气浮隔振光学平台的震动数据进行预备采集,具体为:将三轴驱动测量传感器的采样频率设置为预设采样频率/>,采集半膜片式气浮隔振光学平台的震动数据,三轴驱动测量传感器可以同时测量物体在X轴方向、Y轴方向和Z轴方向上的运动情况,具体获得物体在X轴方向、Y轴方向和Z轴方向上的加速度,分别将X轴方向的加速度、Y轴方向的加速度和Z轴方向上的加速度记为第一种震动数据到第三种震动数据,采集的每种震动数据的数据量等于预设数量M,即每种震动数据包括M个数据点。
S002,计算预备采集时的每种震动数据的变化程度;计算预备采集时的每种震动数据的偏向性;根据预备采集时的所有种震动数据的偏向性和预备采集时的每种震动数据中所有数据点的分布情况,获得第一次采样频率;根据第一次采集时变化程度差异最大的震动数据和每种震动数据中所有数据点的幅值变化情况,对第一次采样频率进行调整获得第二次采样频率。
1、计算预备采集时的每种震动数据的变化程度;计算预备采集时的每种震动数据的偏向性。
需要说明的是,本实施例的主要目的是为了在通过三轴驱动测量传感器采集半膜片式气浮隔振光学平台的震动数据时,通过实时数据的变化来自适应采样频率,使得获得的震动数据能够准确的反映数据变化。在对震动数据进行采样时,高采样频率可能导致震动数据冗余,震动数据的数据量更大,需要更大的存储容量来保存震动数据,并且需要处理和分析的震动数据更多,会增加计算复杂性和处理时间,并且采样频率越高,采集的震动数据受到噪声的影响也会越大;而低采样频率可能会导致震动数据丢失,无法捕捉到物体瞬时变化,会导致信号在时间上的细节丢失,使得震动数据变得模糊或不准确,在后续震动数据处理和分析中可能会引入较大的误差;因此获得合适的采样频率对于分析震动数据是非常重要的,为了适应不同的采集环境,本实施例通过对实时震动数据进行分析,根据震动数据的变化来自适应采样频率,从而使得获得的震动数据震动既满足能够识别出异常数据点,数据量又不能过大。
进一步需要说明的是,在进行震动数据采样时,物体在不同方向上的运动情况是不一样的,获得的震动数据的变化情况也是不一样的,但是通过同一个三轴驱动测量传感器对同一个物体的不同方向进行采样时的采样频率相同,因此为了满足相同的采样频率在采集不同方向上的震动数据都准确,需要根据多种震动数据的变化来共同调节采样频率。对于通过三轴驱动测量传感器采集的多种数据类型,对每一种数据类型进行分析,来获得震动数据的实时变化程度。
具体的,根据预备采集时的每种震动数据中所有数据点的波动情况,计算预备采集时的每种震动数据的变化程度,具体计算公式如下:
式中,表示预备采集时的第/>种震动数据的变化程度,/>表示预备采集时的第/>种震动数据中所有数据点的平均幅值,/>表示预备采集时的第/>种震动数据中第i个数据点的幅值,M表示预设的数据点数量。
表示预备采集时的第/>种震动数据中所有数据点的幅值的方差,表征预备采集时的第/>种震动数据的波动程度,波动程度越大说明第/>种震动数据对预设采样频率/>越敏感,则预备采集时的第/>种震动数据的变化程度/>越大;同时,通过预备采集时的第/>种震动数据中所有数据点的平均幅值/>表征在对应方向上震动的剧烈程度,该值越大,预备采集时的第/>种震动数据的变化程度/>越大。
进一步,根据预备采集时的每种震动数据的变化程度,计算预备采集时的每种震动数据的偏向性,具体计算公式如下:
式中,表示预备采集时的第/>种震动数据的偏向性,N表示震动数据的种类数量,表示预备采集时的第/>种震动数据的变化程度。
表示预备采集时的所有种震动数据的变化程度的均值,表征了预备采集时的所有种震动数据的变化程度的整体水平,/>表征预备采集时的第/>种震动数据的变化程度相较于所有种震动数据的变化程度的整体水平的差异,该值越大,说明监测平台的震动引起的第/>种震动数据对应方向上的震动程度更大,在后续调整采样频率时,该方向的震动数据的参考价值更大,即更偏向与以该方向的震动数据为依据调整采样频率,因此,预备采集时的第/>种震动数据的偏向性/>越大。
2、根据预备采集时的所有种震动数据的偏向性和预备采集时的每种震动数据中所有数据点的分布情况,获得第一次采样频率。
需要说明的是,根据上述计算获得的每种震动数据的偏向性来对震动数据进行进一步的分析,根据每一种震动数据的变化来获得第一次采样频率;因为在通过三轴驱动测量传感器采集震动数据时,同一采样频率会获得多种震动数据,而计算震动数据的偏向性,其目的就是为了反映在预备采集时哪一种震动数据的变化程度更大,则在对采样频率进行更新时,以变化程度更大的震动数据作为参考。
进一步需要说明的是,在根据震动数据的变化程度来更新采样频率时,虽然偏向性越大的震动数据其参考价值更大,但是更新后的采样频率同时不能使其他震动数据出现失真的情况,因此还需要根据采样后的震动数据来对采样频率进行实时调整。
具体的,根据预备采集时的所有种震动数据的偏向性和预备采集时的每种震动数据中所有数据点的分布情况,获得第一次采样频率,具体计算公式如下:
式中,表示第一次采样频率,/>表示预设采样频率,/>表示预备采集时的第/>种震动数据的偏向性,/>表示在/>的范围内取最大值,即在所有种震动数据中取最大值,/>表示在/>的范围内最小值,即在所有种震动数据中取最小值,表示预备采集时的所有种震动数据的偏向性的最大值,/>表示预备采集时的所有种震动数据的偏向性的最小值,N表示震动数据的种类数量,M表示预设数量,表示预备采集时的第/>种震动数据中所有数据点的幅值的最大值,/>表示预备采集时的第/>种震动数据中所有数据点的幅值的最小值,/>表示预备采集时的第/>种震动数据中第/>个数据点的幅值,/>表示预备采集时的第/>种震动数据中第/>个数据点的幅值,/>表示取绝对值,/>表示预备采集时的第/>种震动数据中第i个数据点的分布情况。
表示多种震动数据的偏向性的最大值与最小值的比值,该值越大,说明获得的多种震动数据的差异是越大,那么在对采样频率进行调整获得初始采样频率时,就需要平衡各种震动数据的变化;/>表示预备采集时的第/>种震动数据中数据点的幅值的极差,该值越大,说明第/>种震动数据越分散,/>越大,说明预备采集时的第/>种震动数据中第/>个数据点的波动越大,对采样频率进行调整获得初始采样频率时,第一次采样频率需要越大,这样获得的震动数据的波动程度才会减小;/>表示预备采集时的第/>种震动数据中相邻数据点的变化幅度,因为较小的采样频率会对噪声比较敏感,因此根据震动数据的变化幅度来判断受到噪声的影响程度,震动数据的变化幅度越大,说明其受到噪声的影响程度可能越大,因此需要增大采样频率,即该值越大,则第一次采样频率需要越大;将预备采集时的第/>种震动数据的偏向性/>作为第/>种震动数据的权重,该值越大,在采集震动数据时,更多的是以种震动数据作为参考来调节采样频率,在后续对震动数据进行分析时,才会更加的准确。
3、根据第一次采集时变化程度差异最大的震动数据和每种震动数据中所有数据点的幅值变化情况,对第一次采样频率进行调整获得第二次采样频率。
需要说明的是,根据上述计算获得的第一次采样频率,对半膜片式气浮隔振光学平台的震动数据进行第一次采集,然后需要根据实时变化的震动数据对采样频率进行更新。因为在对半膜片式气浮隔振光学平台的震动数据进行采样时,会受到环境的影响,数据会发生变化。例如:在实验平台上进行测试时,因为不同的实验过程其产生的震动频率是不相同的,并且运动的方向也是不一定的,那么在通过三轴驱动测量传感器来采集震动数据时,不同时刻获得的震动数据其变化程度不一样,也就是不同次采集时的每种震动数据的偏向性会发生改变,因此,需要根据不同类型震动数据的实时变化来对采样频率进行更新。
具体的,同理,通过三轴驱动测量传感器按照第一次采样频率对半膜片式气浮隔振光学平台的震动数据进行第一次采集;根据第一次采集时的每种震动数据中所有数据点的分布情况,计算第一次采集时的每种震动数据的变化程度。
进一步,根据第一次采集时变化程度差异最大的震动数据和每种震动数据中所有数据点的幅值变化情况,对第一次采样频率进行调整获得第二次采样频率,具体计算公式如下:
式中,表示第二次采样频率,/>表示第一次采样频率,/>表示在/>的范围内取最大值,即在所有种震动数据中取最大值,/>表示第一次采集时的第/>种震动数据中所有数据点的幅值的方差,/>表示第一次采集时的所有种震动数据中所有数据点的幅值的方差的最大值,/>表示第一次采集时的第/>种震动数据的变化程度,/>表示预备采集时的第/>种震动数据的变化程度,将/>记为第一次采集时的第/>种震动数据的变化程度差异,/>表示第一次采集时的所有种震动数据的变化程度差异的最大值,k表示第一次采集时的所有种震动数据的变化程度差异的最大值对应的震动数据的种类,/>表示第一次采集时的第/>种震动数据中所有数据点的幅值的方差,/>表示第一次采集时的第/>种震动数据中所有数据点的平均幅值,N表示震动数据的种类数量,/>表示第一次采集时的第/>种震动数据中所有数据点的平均幅值,/>表示第一次采集时的所有种震动数据中所有数据点的平均幅值的平均,/>表示第一次采集时的所有种震动数据中/>的最大值,/>表示取绝对值。
不同的采样频率采集的震动数据不同,经过预备采集和第一次采集时采样后,每一种类型的震动数据是发生变化的,在进行比较时,需要来比较变化程度差异最大的数据类型,即第一次采集时的所有种震动数据的变化程度差异的最大值对应的第k种震动数据;再结合第一次采集时的第种震动数据中所有数据点的幅值的方差,若变化程度差异最大震动数据在经过按照第一次采样频率/>进行第一次采集后的震动数据的波动程度,波动程度越大说明第/>种震动数据对采样频率越敏感,那说明第一次采样频率对该类型震动数据具有较好的作用,然后再比较当前时刻变化程度的最大的震动数据类型,也就是用除以/>,其值越大,说明第一次采样频率对震动数据变化程度最大的数据类型在进行数据采样时,并不能准确的反映震动数据的变化,因此需要在对第一次采样频率进行矫正;/>越大,说明按照第一次采样频率/>进行第一次采集后的第/>种震动数的异常程度更大,因此在这里乘以/>作为震动数据的权重。
S003,根据震动数据的变化来对采样频率进行实时更新,实现数据优化采集。
同理,通过三轴驱动测量传感器按照第二次采样频率对半膜片式气浮隔振光学平台的震动数据进行第二次采集;根据第二次采集时的每种震动数据中所有数据点的分布情况,计算第二次采集时的每种震动数据的变化程度;根据第二次采集时变化程度差异最大的震动数据的变化程度和每种震动数据中所有数据点的分布情况,对第二次采样频率进行调整获得第三次采样频率。
以此类推,通过三轴驱动测量传感器按照每次采样频率对半膜片式气浮隔振光学平台的震动数据进行每次采集;根据每次采集时的每种震动数据中所有数据点的分布情况,计算每次采集时的每种震动数据的变化程度;根据每次采集时变化程度差异最大的震动数据的变化程度和每种震动数据中所有数据点的分布情况,对每次采样频率进行调整获得下一次采样频率;从而能够实现根据采样的震动数据的变化来对采样频率进行实时更新,自适应在不同环境因素影响下的数据采样频率。
针对在采集数据时,因为实验环境的变化会导致三轴驱动测量传感器在采集数据时,出现不同方向上数据的变化,如果通过单一的采样频率来获得监测数据,会导致数据变化大的数据采样频率太高,导致噪声的影响会增加,而数据变化程度小的数据采样频率太低无法准确的反映监测平台的变化的问题;本发明根据采样的震动数据的变化来实时对采样频率进行更新,使其能够根据采样环境的变化来实时的对采样频率做出调整,能够准确的获得各种类型数据,从而能够在对实验平台进行监测时更加的准确;而在获得采样频率时,本发明首先通过预设采样频率获得一段震动数据,然后根据的震动数据的变化来获得第一次采样频率,进而对第一次采样震动数据的变化进行评价,然后再通过初始采样频率来继续进行数据采样,然后再根据数据的变化对采样频率进行更新,使其能够准确的根据数据的变化来自适应采样频率。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种驱动测量传感器数据优化采集方法,其特征在于,所述方法包括:
通过三轴驱动测量传感器按照预设采样频率对半膜片式气浮隔振光学平台的震动数据进行预备采集,获得预备采集时的所有种震动数据;
根据预备采集时的每种震动数据中所有数据点的波动情况,计算预备采集时的每种震动数据的变化程度;根据预备采集时的每种震动数据的变化程度,计算预备采集时的每种震动数据的偏向性;根据预备采集时的所有种震动数据的偏向性和预备采集时的每种震动数据中所有数据点的分布情况,获得第一次采样频率;
以此类推,获得第一次采集时的所有种震动数据和第一次采集时每种震动数据的变化程度;
根据第一次采集时变化程度差异最大的震动数据和每种震动数据中所有数据点的幅值变化情况,对第一次采样频率进行调整获得第二次采样频率;
根据每次采样的震动数据对每次的采样频率进行实时更新,实现数据优化采集。
2.根据权利要求1所述的一种驱动测量传感器数据优化采集方法,其特征在于,所述计算预备采集时的每种震动数据的变化程度,包括的具体步骤如下:
式中,表示预备采集时的第/>种震动数据的变化程度,/>表示预备采集时的第/>种震动数据中所有数据点的平均幅值,/>表示预备采集时的第/>种震动数据中第i个数据点的幅值,M表示预设的数据点数量。
3.根据权利要求1所述的一种驱动测量传感器数据优化采集方法,其特征在于,所述计算预备采集时的每种震动数据的偏向性,包括的具体步骤如下:
将预备采集时的每种震动数据的变化程度与预备采集时的所有种震动数据的变化程度的均值的差值,作为预备采集时的每种震动数据的偏向性。
4.根据权利要求1所述的一种驱动测量传感器数据优化采集方法,其特征在于,所述获得第一次采样频率,包括的具体步骤如下:
式中,表示第一次采样频率,/>表示预设采样频率,/>表示预备采集时的第/>种震动数据的偏向性,/>表示在/>的范围内最大值,/>表示在/>的范围内最小值,/>表示预备采集时的所有种震动数据的偏向性的最大值,/>表示预备采集时的所有种震动数据的偏向性的最小值,N表示震动数据的种类数量,M表示预设数量,/>表示预备采集时的第/>种震动数据中第i个数据点的分布情况。
5.根据权利要求1所述的一种驱动测量传感器数据优化采集方法,其特征在于,所述对第一次采样频率进行调整获得第二次采样频率,包括的具体步骤如下:
式中,表示第二次采样频率,/>表示第一次采样频率,/>表示在/>的范围内取最大值,/>表示第一次采集时的第/>种震动数据中所有数据点的幅值的方差,表示第一次采集时的所有种震动数据中所有数据点的幅值的方差的最大值,表示第一次采集时的第/>种震动数据的变化程度,/>表示预备采集时的第/>种震动数据的变化程度,将/>记为第一次采集时的第/>种震动数据的变化程度差异,表示第一次采集时的所有种震动数据的变化程度差异的最大值,/>表示第一次采集时的第/>种震动数据中所有数据点的幅值的方差,/>表示第一次采集时的第种震动数据中所有数据点的平均幅值,N表示震动数据的种类数量,/>表示第一次采集时的第/>种震动数据中所有数据点的平均幅值,/>表示第一次采集时的所有种震动数据中所有数据点的平均幅值的平均,/>表示第一次采集时的所有种震动数据中/>的最大值,/>表示取绝对值。
6.根据权利要求1所述的一种驱动测量传感器数据优化采集方法,其特征在于,所述获得第一次采集时的所有种震动数据和第一次采集时每种震动数据的变化程度,包括的具体步骤如下:
通过三轴驱动测量传感器按照第一次采样频率对半膜片式气浮隔振光学平台的震动数据进行第一次采集,获得第一次采集时的所有种震动数据;根据第一次采集时的每种震动数据中所有数据点的分布情况,计算第一次采集时的每种震动数据的变化程度。
7.根据权利要求1所述的一种驱动测量传感器数据优化采集方法,其特征在于,所述预备采集时的每种震动数据中所有数据点的分布情况的获取方法具体如下:
获得预备采集时的第种震动数据中所有数据点的幅值的最大值与预备采集时的第/>种震动数据中所有数据点的幅值的最小值的差值,作为预备采集时的第/>种震动数据的极差;获得预备采集时的第/>种震动数据中每个数据点的幅值与前一个数据点的幅值的差值的绝对值,作为预备采集时的第/>种震动数据中每个数据点的幅值差异;将预备采集时的第/>种震动数据的极差与预备采集时的第/>种震动数据中每个数据点的幅值差异的乘积与预备采集时的第/>种震动数据中每个数据点的幅值的比值,作为预备采集时的第/>种震动数据中每个数据点的分布情况。
8.根据权利要求5所述的一种驱动测量传感器数据优化采集方法,其特征在于,所述第一次采集时的第种震动数据的获取方法具体如下:
获得第一次采集时的所有种震动数据的变化程度差异的最大值对应的第一次采集时的第k种震动数据。
9.根据权利要求1所述的一种驱动测量传感器数据优化采集方法,其特征在于,所述根据每次采样的震动数据对每次的采样频率进行实时更新,实现数据优化采集,包括的具体步骤如下:
通过三轴驱动测量传感器按照第二次采样频率对半膜片式气浮隔振光学平台的震动数据进行第二次采集;根据第二次采集时的每种震动数据中所有数据点的分布情况,计算第二次采集时的每种震动数据的变化程度;根据第二次采集时变化程度差异最大的震动数据的变化程度和每种震动数据中所有数据点的分布情况,对第二次采样频率进行调整获得第三次采样频率;
以此类推,通过三轴驱动测量传感器按照每次采样频率对半膜片式气浮隔振光学平台的震动数据进行每次采集;根据每次采集时的每种震动数据中所有数据点的分布情况,计算每次采集时的每种震动数据的变化程度;根据每次采集时变化程度差异最大的震动数据的变化程度和每种震动数据中所有数据点的分布情况,对每次采样频率进行调整获得下一次采样频率。
10.根据权利要求1所述的一种驱动测量传感器数据优化采集方法,其特征在于,所述通过三轴驱动测量传感器按照预设采样频率对半膜片式气浮隔振光学平台的震动数据进行预备采集,包括的具体步骤如下:
将三轴驱动测量传感器的采样频率设置为预设采样频率,采集半膜片式气浮隔振光学平台的震动数据,分别将X轴方向的加速度、Y轴方向的加速度和Z轴方向上的加速度记为第一种震动数据到第三种震动数据,采集的每种震动数据的数据量等于预设数量M,即每种震动数据包括M个数据点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311203722.2A CN116952354B (zh) | 2023-09-18 | 2023-09-18 | 一种驱动测量传感器数据优化采集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311203722.2A CN116952354B (zh) | 2023-09-18 | 2023-09-18 | 一种驱动测量传感器数据优化采集方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116952354A true CN116952354A (zh) | 2023-10-27 |
CN116952354B CN116952354B (zh) | 2023-12-08 |
Family
ID=88458670
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311203722.2A Active CN116952354B (zh) | 2023-09-18 | 2023-09-18 | 一种驱动测量传感器数据优化采集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116952354B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109995300A (zh) * | 2019-04-23 | 2019-07-09 | 深圳市海浦蒙特科技有限公司 | 用于伺服系统谐振抑制、陷波参数优化方法、系统及介质 |
CN110286406A (zh) * | 2019-06-20 | 2019-09-27 | 合肥国为电子有限公司 | 一种基于阈值触发的主动源节点式地震勘探采集系统及采集方法 |
CN113986700A (zh) * | 2021-10-09 | 2022-01-28 | 日立楼宇技术(广州)有限公司 | 数据采集频率的优化方法、系统、装置及存储介质 |
US20220155475A1 (en) * | 2020-11-13 | 2022-05-19 | Institute Of Geology And Geophysics Chinese Academy Of Sciences (Iggcas) | Irregular optimized acquisition method, device, apparatus and medium for seismic data |
CN115097203A (zh) * | 2022-04-01 | 2022-09-23 | 上海傅里叶半导体有限公司 | 一种线性谐振马达谐振频率检测方法及系统 |
CN115525002A (zh) * | 2021-06-24 | 2022-12-27 | 中移(苏州)软件技术有限公司 | 一种数据采集控制方法、服务器、客户端及存储介质 |
CN116424096A (zh) * | 2023-03-28 | 2023-07-14 | 浙江新富尔电子有限公司 | 资源动态优化配置的新能源汽车电池采集总成方法及系统 |
CN116740895A (zh) * | 2023-06-14 | 2023-09-12 | 中国人民公安大学 | 一种探测震动分析特征并产生报警的方法 |
-
2023
- 2023-09-18 CN CN202311203722.2A patent/CN116952354B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109995300A (zh) * | 2019-04-23 | 2019-07-09 | 深圳市海浦蒙特科技有限公司 | 用于伺服系统谐振抑制、陷波参数优化方法、系统及介质 |
CN110286406A (zh) * | 2019-06-20 | 2019-09-27 | 合肥国为电子有限公司 | 一种基于阈值触发的主动源节点式地震勘探采集系统及采集方法 |
US20220155475A1 (en) * | 2020-11-13 | 2022-05-19 | Institute Of Geology And Geophysics Chinese Academy Of Sciences (Iggcas) | Irregular optimized acquisition method, device, apparatus and medium for seismic data |
CN115525002A (zh) * | 2021-06-24 | 2022-12-27 | 中移(苏州)软件技术有限公司 | 一种数据采集控制方法、服务器、客户端及存储介质 |
CN113986700A (zh) * | 2021-10-09 | 2022-01-28 | 日立楼宇技术(广州)有限公司 | 数据采集频率的优化方法、系统、装置及存储介质 |
CN115097203A (zh) * | 2022-04-01 | 2022-09-23 | 上海傅里叶半导体有限公司 | 一种线性谐振马达谐振频率检测方法及系统 |
CN116424096A (zh) * | 2023-03-28 | 2023-07-14 | 浙江新富尔电子有限公司 | 资源动态优化配置的新能源汽车电池采集总成方法及系统 |
CN116740895A (zh) * | 2023-06-14 | 2023-09-12 | 中国人民公安大学 | 一种探测震动分析特征并产生报警的方法 |
Non-Patent Citations (1)
Title |
---|
王汉闯;陶春辉;陈生昌;丘磊;任浩然;周华敏;: "基于稀疏约束的地震数据高效采集方法理论研究", 地球物理学报, no. 11 * |
Also Published As
Publication number | Publication date |
---|---|
CN116952354B (zh) | 2023-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117798744B (zh) | 一种数控机床运行状态监测方法 | |
US6195621B1 (en) | Non-invasive system and method for diagnosing potential malfunctions of semiconductor equipment components | |
US20040199368A1 (en) | Poor data quality identification | |
US10317275B2 (en) | Vibration monitoring systems | |
RO118549B1 (ro) | Aparat si metoda pentru calibrarea unui sistem de senzori, utilizand filtrarea kalman rapida | |
CN109884985A (zh) | 数控机床整机加工状态动态特性的测量方法 | |
CN116985183B (zh) | 一种近红外光谱分析仪质量监测管理方法及系统 | |
EP0691631B1 (en) | Steady state sensor | |
US20050049834A1 (en) | Non-invasive system and method for diagnosing potential malfunctions of semiconductor equipment components | |
CN116952354B (zh) | 一种驱动测量传感器数据优化采集方法 | |
CN118330447B (zh) | 一种半导体集成电路测试系统 | |
CN117405262B (zh) | 一种温度测试仪的多点温度采集方法 | |
CN117332205B (zh) | 压电阻抗温度补偿高精度自动优化方法及装置 | |
CN114370930A (zh) | 利用mhd微角振动传感器测量卫星结构微角振动的方法 | |
CN108387308A (zh) | 变速箱啸叫下线检测方法及其检测系统 | |
CN110487529B (zh) | 一种利用角速度传感器测量大展弦比翼面弯矩的方法 | |
CN113804647B (zh) | 一种液态有机肥在线和离线检测方法及系统 | |
CN116879121B (zh) | 一种基于光纤传感技术的空气颗粒物浓度实时监测系统 | |
CN117110649B (zh) | 一种运动数据的质量增强方法、装置和系统 | |
CN117330604B (zh) | 自动化温度补偿方法、装置、计算机设备及存储介质 | |
CN118010069B (zh) | 一种半球谐振陀螺仪的振动误差补偿方法 | |
CN116929467A (zh) | 谷物流量测量装置、方法、介质及测产系统和收获机械 | |
CN118936519A (zh) | 一种基于温度自适应的激光陀螺校正系统 | |
CN115950453A (zh) | 一种原子干涉陀螺仪数据更新频率智能提升方法及系统 | |
CN117517476A (zh) | 一种声发射传感器数据质量在线评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |