一种基于超声波的注塑机拉杆健康状态检测方法与流程

本技术涉及超声波测量，具体涉及一种基于超声波的注塑机拉杆健康状态检测方法。

背景技术：

1、注塑机在塑料加工行业中占有重要地位，用于生产各种塑料制品。拉杆作为注塑机的关键部件，其性能直接影响到生产效率和产品质量。传统的拉杆检测方法，如应变片检测，可能存在局限性，例如只能检测局部区域、对温度变化敏感、难以实现实时在线测量等。随着工业自动化和智能化的发展，对注塑机拉杆的实时健康状态检测提出了更高要求，以便及时发现问题并进行维护。通过实时检测拉杆的健康状态，可以减少意外停机时间，提高生产效率，同时确保操作人员的安全。

2、由于获取的超声数据可能存在噪声，进而可能导致在基于超声数据进行分析时，使得出现错误的判断结果。故需要对获取得到的超声波数据进行去噪处理。针对超声数据存在噪声无法准确判断拉杆的受力情况，从而导致超声波无法精确检测拉杆健康状态的问题，针对超声数据进行去噪处理。

技术实现思路

1、为了解决超声波测量不准确的技术问题，本技术提供了一种基于超声波的注塑机拉杆健康状态检测方法，所采用的技术方案具体如下：

2、本技术提出了一种基于超声波的注塑机拉杆健康状态检测方法，该方法包括以下步骤：

3、采集每个拉杆在一个流程中，受力阶段和不受力阶段的超声波数据；

4、通过经验模态分解分别将受力阶段的超声波数据和不受力阶段的超声波数据分解为有限个imf分量；

5、根据imf分量与超声波数据的相关性、imf分量的波动程度以及imf分量对应频谱图中数据点的分布获取imf分量为噪声的可能性；

6、根据受力阶段的超声波数据和不受力阶段的超声波数据的相似性、受力阶段和不受力阶段相同次数的imf分量的相似性以及imf分量为噪声的可能性获取imf分量为噪声的参考性；

7、根据imf分量为噪声的可能性以及imf分量为噪声的参考性筛选为噪声的imf分量，将为噪声的imf分量剔除后，得到受力阶段和不受力阶段去噪后的超声波数据；

8、根据受力阶段和不受力阶段去噪后的超声波数据对注塑机拉杆进行健康状态检测。

9、在上述方案中，本技术基于imf分量与原超声波数据相似性获取imf分量的初始含噪值，其考虑到imf分量与原始超声波数据相似性，使得可以较为直观分析imf分量中噪声含量，提高检测准确性；同时基于imf分量曲线在包含噪声与不包含噪声的特征进行分析，进一步获取imf分量数据规则程度，根据噪声特征对imf分量造成的影响分析imf分量包含噪声含量，可以更好的分析imf分量包含噪声的含量，提高去噪效果；进一步的根据imf分量的频谱图像的分布特征分析获取imf分量包含噪声程度，根据频率幅值图像分析提高imf分量获取分析噪声含量的准确性；最后基于场景中受力与不受力所得超声波数据相似的特征，两组超声波数据imf分量可以互相分析，获取imf分量数据包含噪声数据的参考修正值，提高imf分量包含噪声含量计算准确性。通过对所得超声波数据进行模态分解，通过对模态分解后imf分量进行分析获取imf分量主成分重要性，从而对imf分量进行剔除，进而完成超声波数据的去噪，极大的增加了基于超声波数据所得拉杆拉力的准确性，提高了拉杆健康状况检测的准确性。

10、在一个实施例中，所述根据imf分量与超声波数据的相关性、imf分量的波动程度以及imf分量对应频谱图中数据点的分布获取imf分量为噪声的可能性的方法为：

11、对于不受力阶段和受力阶段任意一个阶段的超声波数据，将每个阶段的超声波数据作为一个超声波序列，不受力阶段的超声波数据为开模超声波序列，受力阶段的超声波数据为合模超声波序列；将超声波序列中相邻两个元素的元素值作差获取任意一个阶段对应的差分序列，根据差分序列和imf分量的相关性获取imf分量的初始含噪值；

12、对于imf分量，每个数据点为中心的滑动窗口中，根据滑动窗口内数据点的斜率差异以及imf分量波峰波谷的时间差异获取imf分量的规则程度；

13、获取imf分量的频谱图，根据频谱图中数据点的分布位置获取imf分量的含噪声程度；

14、根据imf分量的初始含噪值、imf分量的规则程度以及imf分量的含噪声程度获取imf分量为噪声分量的可能性。

15、在一个实施例中，所述根据差分序列和imf分量的相关性获取imf分量的初始含噪值的方法为：

16、计算差分序列和每个imf分量的相关性的方法为皮尔逊相关系数，将每个imf分量与差分序列的相关性归一化后作为imf分量的初始含噪值。

17、在一个实施例中，所述对每个数据点构建一个滑动窗口，根据滑动窗口内数据点的斜率差异以及imf分量波峰波谷的时间差异获取imf分量的规则程度的方法为：

18、对于imf分量，通过其离散点绘制拟合曲线，通过拟合曲线求导数获取每个数据点的斜率；

19、在每个imf分量中，以每个数据点为中心构建一个滑动窗口，在滑动窗口中，计算每个数据点与其相邻两个数据点的斜率的差值绝对值，并求均值，将均值作为滑动窗口内每个数据点的斜率差异；若数据点只有一个相邻数据点，则其与相邻数据点的斜率的差值绝对值为数据点的斜率差异；对于滑动窗口内所有数据点的斜率差异求均值作为滑动窗口的斜率变化稳定性；

20、计算imf分量中，所有滑动窗口的斜率变化稳定性的均值作为imf分量的变化稳定性；

21、获取imf分量所有的波峰波谷，将一个相邻波峰波谷之间的时间差异作为一个峰间差异值，将imf分量中所有的峰间差异值构成一个序列记为周期序列，计算周期序列的方差；

22、根据imf分量的变化稳定性和其对应周期序列的方差获取imf分量的规则程度；

23、imf分量的规则程度与imf分量的变化稳定性呈正相关关系，imf分量的规则程度与imf分量对应周期序列的方差呈负相关关系。

24、在一个实施例中，所述获取imf分量的频谱图，根据频谱图中数据点的分布位置获取imf分量的含噪声程度的方法为：

25、对于imf分量使用傅里叶变化进行处理获取imf分量对应的分量频谱图，对于分量频谱图中所有数据点的幅值使用大津阈值法进行处理，将分量频谱图中所有数据点分为两类，将幅值大于幅值阈值的一类记为第一类，将小于阈值的一类记为第二类；

26、对于第二类的所有数据点，根据数据点的频率使用大津阈值法将第二类的所有数据点再次分为两类，将第二类中频率大于频率阈值的数据点记为第三类；

27、对于每个第三类中的所有数据点，计算每个数据点的横纵坐标的乘积，并将乘积通过最大最小值归一化作为每个数据点的噪声值，将第三类中所有数据点的噪声值求均值作为imf分量的含噪声程度。

28、在一个实施例中，所述根据imf分量的初始含噪值、imf分量的规则程度以及imf分量的含噪声程度获取imf分量为噪声分量的可能性的方法为：

29、令imf分量的初始含噪值与imf分量的含噪声程度相乘后，将乘积与imf分量的规则程度的比值使用线性归一化后获取imf分量为噪声分量的可能性。

30、在一个实施例中，所述根据受力阶段的超声波数据和不受力阶段的超声波数据的相似性、受力阶段和不受力阶段相同次数的imf分量的相似性以及imf分量为噪声的可能性获取imf分量为噪声的参考性的方法为：

31、通过傅里叶变化获取每个imf分量的频谱图；

32、开模超声波序列和合模超声波序列的相似度用两者的dtw值的倒数表示；而对于两个imf分量的频谱图，对于两幅频谱图所有的数据点，基于幅值使用大津阈值法获取筛选阈值，将大于筛选阈值的数据点筛选出来，将筛选出的数据点记为重要点；

33、对于两幅频谱图，获取每幅频谱图的重要点，对于两幅频谱图的重要点通过匈牙利算法进行匹配，重要点之间的相似性为重要点之间频率和幅值的欧氏距离，将所有重要点之间的相似性取均值作为频谱图的相似度；计算两幅频谱图中重要点的数量差异记为第一数量差异；

34、将频谱图的相似度与开模超声波序列和合模超声波序列的相似度的乘积记为第一乘积，将第一乘积与第一数量差异的比值作为imf分量的相似性；

35、根据对应分解次数下imf分量的相似性和imf分量为噪声分量的可能性获取imf分量的噪声参考修正值；

36、imf分量的噪声参考修正值分别与imf分量的相似性和imf分量为噪声分量的可能性呈正相关关系。

37、在一个实施例中，所述根据对应分解次数下imf分量的相似性和imf分量为噪声分量的可能性获取imf分量的噪声参考修正值的方法为：

38、将对应分解次数下imf分量的相似性与imf分量为噪声分量的乘积通过线性归一化后作为imf分量的噪声参考修正值。

39、在一个实施例中，所述根据imf分量为噪声的可能性以及imf分量为噪声的参考性筛选为噪声的imf分量的方法为：

40、获取imf分量为噪声分量的可能性的倒数记为第一倒数，获取imf分量对应的噪声参考修正值的倒数记为第二倒数，将第一倒数和第二倒数的乘积通过线性归一化后作为imf分量的主成分重要性；

41、将主成分重要性小于预设噪声阈值的imf分量记为噪声分量。

42、在一个实施例中，所述根据受力阶段和不受力阶段去噪后的超声波数据对注塑机拉杆进行健康状态检测的方法为：

43、选取离当前时刻最近的一个流程对应的开模、受力阶段去噪后的超声波数据；

44、根据受力阶段和不受力阶段去噪后的超声波数据获取拉杆在工作时所受的拉应力；

45、对于每个拉杆记为目标拉杆，将目标拉杆与其余所有拉杆的拉应力作差，计算差值的平均值，将平均值的倒数通过线性归一化后作为注塑机拉杆的健康状态评价指标；

46、当拉杆的状态评价指标大于健康阈值时，拉杆健康状态好，拉杆的状态评价指标小于等于健康阈值时，拉杆健康状态差。

47、本发明至少具有如下有益效果：

48、本技术基于imf分量与原超声波数据相似性获取imf分量的初始含噪值，其考虑到imf分量与原始超声波数据相似性，使得可以较为直观分析imf分量中噪声含量，提高检测准确性；同时基于imf分量曲线在包含噪声与不包含噪声的特征进行分析，进一步获取imf分量数据规则程度，根据噪声特征对imf分量造成的影响分析imf分量包含噪声含量，可以更好的分析imf分量包含噪声的含量，提高去噪效果；进一步的根据imf分量的频谱图像的分布特征分析获取imf分量包含噪声程度，根据频率幅值图像分析提高imf分量获取分析噪声含量的准确性；最后基于场景中受力与不受力所得超声波数据相似的特征，两组超声波数据imf分量可以互相分析，获取imf分量数据包含噪声数据的参考修正值，提高imf分量包含噪声含量计算准确性。通过对所得超声波数据进行模态分解，通过对模态分解后imf分量进行分析获取imf分量主成分重要性，从而对imf分量进行剔除，进而完成超声波数据的去噪，极大的增加了基于超声波数据所得拉杆拉力的准确性，提高拉杆健康状况检测准确性。