申请/专利权人：东南大学

申请日：2022-02-21

公开（公告）日：2024-04-30

公开（公告）号：CN114564985B

主分类号：G06F18/10

分类号：G06F18/10;G06F17/14

优先权：

专利状态码：有效-授权

法律状态：2024.04.30#授权;2022.06.17#实质审查的生效;2022.05.31#公开

摘要：本发明公开了一种基于改进最小二乘的谐振式传感器谐振频率快速识别方法。该方法通过测量谐振式传感器多个频率点的响应幅值，结合系统集总参数动力学模型，利用改进最小二乘法，快速计算系统的谐振频率，以用于拉力等物理量的测量。本发明首先通过可编程波形发生器产生多个频率的正弦波，放大后激励传感器；对响应幅值进行数据采集，并做傅里叶数据分析；最后基于一种离差概率平方总和最小的改进最小二乘算法对傅里叶分析后的信号进行拟合估计以获取谐振频率。该方法相对于传统遍历扫频式提取谐振频率的方法，能够解决其速度慢、等待周期长的问题，可用于高效率、低成本、高精度地确定谐振点，快速找出谐振频率，以用于拉力、扭矩等的测量。

主权项：1.基于改进最小二乘的谐振式传感器谐振频率快速识别方法，其特征在于：具体如下：步骤1，通过可编程波形发生器发出正弦波信号，用放大器的放大电路放大至一定的幅值，采用几组固定频率的正弦波对谐振式传感器进行激励起振，对正弦波信号进行放大；步骤2，用示波器或数据采集卡对谐振式传感器响应信号进行采集；步骤3，依据模型对步骤2所得到的三至五组信号峰峰值，结合系统二阶动力学响应模型，利用一种离差概率平方总和最小的改进最小二乘方法，经快速傅里叶变换滤波处理后快速计算系统的谐振频率；采集三至五组频率激励下系统的响应，并依据模型对所得到的信号幅值进行基于一种离差概率平方总和最小的改进最小二乘算法做拟合曲线并估计模型参数，所得拟合曲线最大值点即为谐振频率点；所述谐振频率快速识别方法中激振频率与接收端幅值的模型关系为： 其中，xp表示用固定频率激励谐振式传感器时接收端响应得到的幅值，B表示激励起振的电压的幅值，ω表示波形发生器所产生波形的角频率，b表示所选材料的阻尼系数，表示相位，k和m是用改进最小二乘法估计的参数；步骤3.1，首先对上述模型进行简化，由于信号波形角频率ω与频率f的关系由式ω＝2πf表示，B和ω均为已知量，阻尼系数b取一很小的值如0.00001，相位的大小只表示波形左右平移的距离因此忽略不计，步骤1中用三至五组频率的正弦波对谐振式传感器进行激励起振时，所以每次改变激励频率f得到其对应的xp，因此原模型简化为： 因分母中根号不便处理，改写上式为k-mω22+b2ω2＝C，其中阻尼系数b取一很小的已知量，由实验数据知道：当ω＝ω1时C＝C1，当ω＝ω2时C＝C2，……，当ω＝ωn时C＝Cn，去估计k和m的值并作曲线拟合；令v＝ω2并展开括号得到m2v2+b2-2kmv+k2＝C，令M＝m2，N＝b2-2km，D＝k2，x＝v，y＝C，回归模型最终简化为二次多项式形式：y＝Mx2+Nx+D，当x＝x1时y＝y1，当x＝x2时y＝y2，……，当x＝xn时y＝yn，去估计参数M.N和D的值并作曲线拟合；步骤3.2，接下来，对传统最小二乘算法进行改进，考虑一种概率来重新对数据拟合误差的大小进行规定：已知n组样本观测数据x1，y1，x2，y2，......，xn，yn，规定二次回归模型如下：y＝Mx2+Nx+D将概率Pi定义为：为方便对绝对值的处理，改进定义概率Pi为： 将离差概率平方总和Ei定义为：对离差概率平方和Ei求最小值，即对Ei关于自变量M、N、D分别求偏导数并令偏导数为0，得到： 步骤3.3，联立以上三个式子即可估计出二次回归模型中M、N、D的值，且拟合曲线最大值点所对应的频率即为谐振式传感器的谐振频率。

全文数据：

权利要求：

百度查询： 东南大学 基于改进最小二乘的谐振式传感器谐振频率快速识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD