李 麗

（天津工程職業(yè)技術(shù)學(xué)院，天津 300280）

自動化生產(chǎn)線中異?？刂菩盘柕臋z測方法研究與仿真

李 麗

（天津工程職業(yè)技術(shù)學(xué)院，天津 300280）

本文提出一種基于haar小波-SVM的自動化生產(chǎn)中異常控制信號的檢測方法。對自動化生產(chǎn)線中控制信號樣本進(jìn)行分幀處理，利用haar小波對控制信號樣本進(jìn)行變換，利用SVM對控制信號中的異?？刂菩盘栠M(jìn)行準(zhǔn)確分類，從而實現(xiàn)了異常控制信號的檢測。進(jìn)行仿真實驗，實驗結(jié)果令人滿意。

自動化生產(chǎn)線 控制信號 檢測

引言

隨著工業(yè)技術(shù)的不斷發(fā)展，自動化生產(chǎn)線更新?lián)Q代的速度也越來越快，網(wǎng)絡(luò)化、智能化和復(fù)雜度也越來越高，對自動化生產(chǎn)線的控制也提出了更高的要求[1]。自動化生產(chǎn)線中的控制信號一旦發(fā)生異常，將會降低工業(yè)產(chǎn)品的質(zhì)量，給人們造成重大的經(jīng)濟(jì)損失。因此，如何對自動化生產(chǎn)線中異?？刂菩盘栠M(jìn)行及時檢測和調(diào)整，已經(jīng)成為當(dāng)前工控領(lǐng)域中的一個研究熱點[2]。傳統(tǒng)的異?？刂菩盘枡z測方法具體檢測周期長、成本高，且需要停機(jī)檢測。為此，提出一種基于haar小波-SVM的自動化生產(chǎn)中異?？刂菩盘柕臋z測方法。

1 自動化生產(chǎn)線中異?？刂菩盘柕臋z測原理

在自動化生產(chǎn)線中，異?？刂菩盘柵c正?？刂菩盘栔g的頻域會表現(xiàn)出很大不同，這種不同主要體現(xiàn)在頻域的能量分布方面。因此，可以將頻域中能量分布的差異性特征作為自動化生產(chǎn)線中異?？刂菩盘柕姆诸愐罁?jù)，從而實現(xiàn)異?？刂菩盘柕臋z測。文中自動化生產(chǎn)線中異?？刂菩盘柕臋z測過程分為三步：第一步，采集自動化生產(chǎn)線中的控制信號作為檢測樣本，對樣本信號進(jìn)行分幀處理；第二步，利用haar小波的方法對每一幀控制信號進(jìn)行變換處理，控制信號在頻域上的向量表現(xiàn)形式，并將其作為控制信號分類器的輸入量；第三步，利用控制信號的分類器對樣本信號進(jìn)行實時分類。

1.1 控制信號的分幀處理

在自動化生產(chǎn)線中，有些異?？刂菩盘柍掷m(xù)的時間會很短，因此需要通過合適的窗對信號樣本進(jìn)行分幀處理。假設(shè)窗設(shè)置的過大，將會增加運(yùn)算量，降低檢測的效率。本文中，以2s長的矩形窗對信號樣本進(jìn)行分幀處理，設(shè)置樣本信號的采樣率為32000Hz，則在此采樣率下每幀信號中的采樣點的數(shù)目為65536個，信號幀之間會存在部分重疊。

1.2 利用haar小波對控制信號樣本進(jìn)行變換

Haar小波能夠?qū)刂菩盘栠M(jìn)行多尺度分析。在不同尺度下，控制信號能夠反映不同頻率區(qū)間的信息。控制信號在頻域中能量分布的不同能夠用小波系數(shù)表示，因此可將小波系數(shù)作為異常控制信號分類的依據(jù)。文中利用雙濾波器的方法對控制信號進(jìn)行小波變換。樣本信號經(jīng)過高、低通濾波器后，能夠得到信號的高頻分量的細(xì)節(jié)系數(shù)（用CD表示）和低頻信號的整體系數(shù)（用CA表示）。

Haar小波變換的分解公式為：

其中，h為控制信號樣本s長度的1/2。式中的前半段能夠描述控制信號的總體情況，后半段能夠描述控制信號的細(xì)節(jié)。此外，可以以迭代的方式對控制信號進(jìn)行分解。

設(shè)置某一幀控制信號中共包含65536個采樣點，利用haar小波對其進(jìn)行分解，分解的層數(shù)為10層，分解后的結(jié)果為CAi,CDi(i=1:10)。接著，對前7層中的整體系數(shù)CDi(i=1:7)進(jìn)行細(xì)分，得到整體系數(shù)CDia(i=1:7)和細(xì)節(jié)系數(shù)CDib(i=1:7)。利用下述公式分別對CA10，CDia,CDib(i=1:7)和CDi(i=8:10)的均方根進(jìn)行計算：

最后，得到的此控制信號幀的向量形式x為：

1.3 異常控制信號的分類與檢測

SVM算法能夠描述控制信號特征空間的非線性特征，因此可以用SVM算法構(gòu)建自動化生產(chǎn)線中異常控制信號的分類器。自動化生產(chǎn)線中，異常控制信號的分類的本質(zhì)是一個優(yōu)化問題，其公式為：

其中，l為控制信號樣本的數(shù)目，c為控制信號特征在特征空間的中心，v∈[0,1]為可調(diào)系數(shù)。v的值越小，超球體中的采樣點就越多；v的值越大，超球體的體積R2就越小，超球體內(nèi)采樣點的數(shù)目就越少。選擇合適的核函數(shù)K，能夠?qū)刂菩盘栠M(jìn)行非線性變換φ。文中采用的核函數(shù)為高斯函數(shù)，形式為：K(x,x1)=exp(-||x-x1||2/δ2)。其中，x和δ分別為核函數(shù)的中心和寬度。

利用lagrangian（拉格朗日）算子法能夠?qū)Ξ惓Ｐ盘柕姆诸悊栴}轉(zhuǎn)換為對偶問題：

利用此公式求解出αi，對每幀控制信號進(jìn)行Haar小波變換，能夠得到此控制信號樣本的特征，從而實現(xiàn)自動化生產(chǎn)線中異?？刂菩盘柕臏?zhǔn)確分類與檢測。

分類器的表達(dá)形式為：

2 仿真實驗

在matlab7.1平臺上構(gòu)建仿真實驗環(huán)境，對本文方法進(jìn)行實驗。實驗數(shù)據(jù)來源于汽車輪胎自動生產(chǎn)線中的控制信號。為了驗證本文方法的優(yōu)越性，利用傳統(tǒng)的SVM算法進(jìn)行了對比。實驗結(jié)果表明，利用本文方法進(jìn)行異常控制信號的檢測，獲得的檢測準(zhǔn)確率為98.7%，利用傳統(tǒng)方法進(jìn)行異常控制信號的檢測，獲得的檢測準(zhǔn)確率為87.3%?？梢?，本文方法比傳統(tǒng)方法提高了11個百分點，取得了令人滿意的結(jié)果。

3 結(jié)束語

本文提出一種基于基于haar小波-SVM的自動化生產(chǎn)中異?？刂菩盘柕臋z測方法。通過仿真實驗?zāi)芸闯?，利用本文方法能夠?qū)ψ詣踊a(chǎn)線中異?？刂菩盘栠M(jìn)行準(zhǔn)確檢測，具有一定的參考價值。

[1]朱小剛，陳大可.強(qiáng)震動沖擊環(huán)境下的網(wǎng)絡(luò)異常信號檢測仿真[J].計算機(jī)仿真，2015，（1）：344-348.

[2]李煒，黃倩.基于小波時頻分析的心音異常信號檢測[J].電子設(shè)計工程，2015，（6）：41-43.

Research and Simulation on Detection Method of Abnormal Control Signal in Automatic Production Line

LI Li
(Tianjin Engi neering Technical Institute, Tianjin 300280)

In this paper, a method based on Haar wavelet -SVM is proposed for the detection of abnormal control signals in automatic production. The signal sample control sub frame processing in the automatic production line, to transform the control signal samples using Haar wavelet, the accurate classification of abnormal signal in the signal control control using SVM, so as to realize the detection of abnormal control signal. Simulation experiment is carried out, and the results are satisfactory.

automatic production line, control signal, detection