CN113189484B - 数字信号切割方法 - Google Patents
数字信号切割方法 Download PDFInfo
- Publication number
- CN113189484B CN113189484B CN202110473292.0A CN202110473292A CN113189484B CN 113189484 B CN113189484 B CN 113189484B CN 202110473292 A CN202110473292 A CN 202110473292A CN 113189484 B CN113189484 B CN 113189484B
- Authority
- CN
- China
- Prior art keywords
- digital signal
- signal
- time point
- average
- squares
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/34—Testing dynamo-electric machines
- G01R31/343—Testing dynamo-electric machines in operation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/0092—Arrangements for measuring currents or voltages or for indicating presence or sign thereof measuring current only
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本公开文件提供一种数字信号切割方法,包含下列步骤。接收一数字信号,并由该数字信号中提取一信号特征片段。并且,提取信号特征片段的步骤包含:计算由该数字信号自一第一时间点开始于一短时窗内的一第一平方和的平均值;计算由该数字信号自该第一时间点开始于一长时窗内的一第二平方和的平均值;计算该第一平方和的平均值与该第二平方和的平均值的一第一比值;以及根据该第一比值判断由该第一时间点是否提取该信号特征片段。
Description
技术领域
本公开涉及一种数字信号切割方法,特别涉及一种连续的数字信号切割方法。
背景技术
在现今的自动化设备技术可以利用故障预测与健康管理(Prognostic andHealth Management;PHM)***依据自动化设备中的致动器的电流信号来判断其运行是否异常。
发明内容
本公开文件提供一种数字信号切割方法。数字信号切割方法包含下述步骤。接收数字信号以及由该数字信号中提取信号特征片段。其中提取信号特征片段的步骤包含:计算由该数字信号自第一时间点开始于短时窗内的第一平方和的平均值;计算由该数字信号自该第一时间点开始于长时窗内的第二平方和的平均值;计算该第一平方和的平均值与该第二平方和的平均值的第一比值;以及根据该第一比值判断对应该第一时间点是否提取该信号特征片段。
综上所述,在自动化设备的技术中,致动器(例如,马达)的运行是否正常,可以通过致动器在运行时的电流信号来判断。然而,从致动器检测到的电流信号包含了致动器在运行状态以及闲置状态下连续的电流变化,其中闲置时的电流信号通常对于运行是否正常的判断较没有关连性。因此,本公开文件利用长短时距平均提取马达在运行时的信号,借此提取出信号当中有效的特征片段。
附图说明
为使本公开的上述和其他目的、特征、优点与实施例能更明显易懂,说明书附图的说明如下:
图1为依据本公开文件一些实施例的装置图。
图2为依据本公开文件一些实施例的数字信号切割方法的流程图。
图3为依据本公开文件一些实施例的数字信号在一时间点计算长短时距平均的波形图。
图4为依据本公开文件一些实施例的数字信号切割方法中的判断由选定时间点是否提取信号特征片段的流程图。
图5为示出图3的数字信号在一时间点计算长短时距平均的波形图。
图6为示出图3的数字信号在一时间点计算长短时距平均的波形图。
图7为示出图3的数字信号在一时间点计算长短时距平均的波形图。
图8为示出图3的数字信号在连续时间点计算长短时距平均的波形图。
附图标记说明:
为使本公开的上述和其他目的、特征、优点与实施例能更明显易懂,所附符号的说明如下:
110:自动化设备
112:致动器
114:电流感测器
120:电子装置
122:处理器
124:转换电路
126:存储器
S11,S12,S13,S20,S21,S22,S23,S24,S24E,S240,S241,S242,S2411,S2412,S2421,S2422:步骤
STA:短时窗
LTA:长时窗
STA/LTA:长短时距平均
T1,T2,T3,T4:时间点
具体实施方式
下列是举实施例配合所附图示做详细说明,但所提供的实施例并非用以限制本公开所涵盖的范围,而结构运行的描述非用以限制其执行顺序,任何由元件重新组合的结构,所产生具有均等技术效果的装置,皆为本公开所涵盖的范围。另外,图示仅以说明为目的,并未依照原尺寸作图。为使便于理解,下述说明中相同元件或相似元件将以相同的符号标示来说明。
在全篇说明书与权利要求所使用的用词(terms),除有特别注明除外,通常具有每个用词使用在此领域中、在此公开的内容中与特殊内容中的平常意义。
此外,在本文中所使用的用词“包含”、“包括”、“具有”、“含有”等等,均为开放性的用语,即意指“包含但不限于”。此外,本文中所使用的“及/或”,包含相关列举项目中一或多个项目的任意一个以及其所有组合。
于本文中,当一元件被称为“耦接”或“耦接”时,可指“电性耦接”或“电性耦接”。“耦接”或“耦接”亦可用以表示二或多个元件间相互搭配操作或互动。此外,虽然本文中使用“第一”、“第二”、…等用语描述不同元件,该用语仅是用以区别以相同技术用语描述的元件或操作。
请参阅图1,图1为依据本公开文件一些实施例的装置图。图1包含自动化设备110以及电子装置120。自动化设备110包含致动器112以及电流感测器114。电子装置120包含处理器122、转换电路124以及存储器126。
在工厂的生产线上利用自动化设备110(例如:机械手臂或运输装置)来组装或搬运各种货物。致动器112(例如:马达)用以驱动自动化设备110。例如,马达为机械手臂或运输装置提供动力。由于生产线上连续的制造过程可能会导致自动化设备110的致动器112发生异常,通过故障预测与健康管理(Prognostic and Health Management;PHM)***来判断自动化设备110的致动器112在运行时段的电流信号有无异常,可以得知自动化设备110的致动器112是否正常运行。然而,从致动器112检测到的电流信号涵盖了致动器112在运行及闲置时的连续信号。
其中对于致动器112运行是否正常的判断主要是考虑致动器112运行时段的电流变化,通常与闲置时的电流变化较没有关连性。
在本公开文件的实施例中,依据长短时距平均STA/LTA(Short Time AverageOver Long Time Average)切割致动器112在运行时段以及闲置时段的连续信号,借此提取致动器112在运行时段的信号。为了更佳的理解如何依据长短时距平均STA/LTA切割连续信号,将在继续实施例中详细说明。请一并参阅图2,图2为依据本公开文件一些实施例的数字信号切割方法的流程图。
在步骤S11中,由电流感测器114检测致动器112的电流信号。并且由电流感测器114将电流信号传送至电子装置120。在本公开文件的示例中,欲处理的电流信号是来自自动化设备110的致动器112。然而,电流信号也可以是来自电源供应器、背光驱动电路或者是显示电路。因此,本公开文件不以此为限。
在步骤S12中,转换电流信号为数字信号。详细而言,电子装置120自电流感测器114接收电流信号,并利用转换电路124自电流感测器114检测到的电流信号(通常为具有连续性电流大小变化的模拟信号)中转换为数字信号,借此将数字信号存储至电子装置120的存储器126。例如,电子装置120的转换电路124从电流感测器114接收致动器112在一小时内的连续电流信号,并通过转换电路124将被接收的连续电流信号转换为数字信号,借此电子装置120可将数字信号存储至存储器126。
其中对于自动化设备110运行是否正常的判断主要是考虑致动器112运行时段的电流变化,通常与闲置时的电流变化关连性较低。若能将数字信号当中对应到致动器112运行时段的信号特征片段获取出来,并将数字信号当中对应到致动器112闲置时段的无效片段(或低关连性片段)滤除,在后续针对自动化设备110判断是否正常进行运行的演算法判断时,可以节省运算的时间,也可以减少演算法占用的存储器126空间或数据传输频宽。
在步骤S13中,处理器122接收前述数字信号。于一实施例中,处理器122可由电子装置存储器126当中读取先前存储的数字信号(举例来说,内容可包含致动器112于其中一小时运行的电流变化),于另一实施例当中,处理器122也可以直接从转换电路124接收数字信号。并且,继续由处理器122执行步骤S20至步骤S24,以将数字信号当中存在电流变化的信号特征片段获取出来。
在步骤S20至步骤S24之中,依据长短时距平均STA/LTA计算数字信号在同一个时间点的短时窗STA平方和平均值、长时窗LTA平方和平均值以及前两者的比值。详细而言,设置一个长时窗LTA,在长时窗LTA内取一个短时窗STA,并且将短时窗STA设置为与长时窗LTA的起始点重合。如此,通过将长时窗LTA以及长时窗LTA内的短时窗STA移动到数字信号的各个时间点,便可计算取得在数字信号在各个时间点的短时窗STA平方和平均值相对于长时窗LTA平方和平均值的比值,此比值又称为长短时距平均STA/LTA。在另一些实施例中,连续地对各个时间点的数字信号在长时窗LTA以及短时窗STA进行计算,便可计算取得数字信号的长短时距平均STA/LTA的线性函数。并且,若根据长短时距平均STA/LTA判断由选定时间点提取信号特征片段,执行步骤S24E以提取信号特征片段。
为了较佳的理解如何计算长短时距平均STA/LTA,请一并参阅图3。图3为依据本公开文件一些实施例的数字信号在一时间点T1计算长短时距平均STA/LTA的波形图。在图3中,横轴为时间,纵轴为数字信号振幅大小。并且,数字信号的振幅大小及波形可以被理解为致动器112在运行时所对应的模式及状态。
在本公开文件的实施例中,短时窗STA是以0.2秒且长时窗LTA是以1.0秒的时窗长度实施。然而,短时窗STA长度仅需小于长时窗LTA长度。并且,若短时窗STA相较于长时窗LTA长度越小,对微小振幅的灵敏度越高;若短时窗STA相较于长时窗LTA长度越大,对微小振幅的灵敏度越低。因此,短时窗STA以及长时窗LTA可以由其他时间长度实施,本公开文件并不以此为限。
在步骤S20中,由数字信号中选定一时间点T1。
在步骤S21中,计算由数字信号自时间点T1开始于短时窗STA内的平方和的平均值。短时窗STA内的第一平方和的平均值ns为短时窗STA的时窗长度,CF(j)为数字信号在时间点j的取值,在本公开文件中CF(j)为数字信号在时间点j的数值的平方和。
换句话说,数字信号自时间点T1开始于短时窗STA内的第一平方和的平均值,代表的是,数字信号在时间点T1邻近区间内的信号变化大小。当短时窗STA内的第一平方和的平均值愈大,代表数字信号在时间点T1邻近区间的变化愈剧烈,也就代表此时间点T1有较高可能对应到马达的运行时段。另一方面,当短时窗STA内的第一平方和的平均值愈小,代表数字信号在时间点T1邻近区间的变化量愈小,也就代表此时间点T1有较高可能对应到马达的闲置时段。
例如,数字信号自时间点T1开始于短时窗STA内的平方和为0.16,在时间点T1的短时窗STA内的平方和的平均值为STA(T1)=0.16/0.2=0.8。于此例子中,在时间点T1的短时窗STA内,数字信号对应到的变化量较少,所以短时窗STA内的平方和的平均值较低。
在步骤S22中,计算由数字信号自时间点T1开始于长时窗LTA内的平方和的平均值。自时间点T1开始于长时窗LTA内的平方和的平均值nl为长时窗LTA的时窗长度,CF(j)为数字信号数在时间点j的取值,在本公开文件中CF(j)为数字信号在时间点j的数值的平方和。例如,数字信号自时间点T1开始于长时窗LTA内的第一平方和为1,在时间点T1的长时窗LTA内的平方和的平均值为LTA(T1)=1/1.0=1。换句话说,数字信号自时间点T1开始于长时窗LTA内的第二平方和的平均值,代表的是数字信号(例如对应致动器112的电流变化)整体较长时间范围的平均信号变化大小。
也就是说,长时窗LTA内的第二平方和的平均值代表的是数字信号长时间的平均大小。举例来说,当自动化设备110老化或是处在高温环境下造成致动器112的电流信号发生异常,假设使得电流感测器114测量到的电流信号长时间提高(或者降低,视实际情况而定),也就是说,长时窗LTA内的第二平方和的平均值反映的是数字信号受到的周围因素影响的整体偏移变化。
在步骤S23中,计算长短时距平均STA/LTA。亦即,计算在时间点T1短时窗STA内的平方和的平均值与长时窗LTA内的平方和的平均值的比值,前式等于0.8/1=0.8。长短时距平均STA/LTA代表短时窗STA内的数字信号相较于长时窗LTA内的数字信号的变化幅度,亦即,致动器112在某一时间点电流的瞬时变化相对于在某一时间点后一段时间的变化。换言之,即使在某一时间点之后由于电流感测器114的特性偏导致移数字信号的振幅明显变大(例如致动器112因为机构老化或是损毁,导致数字信号增强),在这个时间点的短时窗STA平方和平均值以及长时窗LTA平方和平均值都会同时受到影响而相应增加,因此长短时距平均STA/LTA为两者之间的比值不会受到太大的影响,其数值依旧在一定的范围内。
举例而言,在某一时间点之后由于环境因素而造成数字信号的振幅震荡的值域变大,使短时窗STA平方和为0.8,平均值为0.8/0.2=4;长时窗LTA平方合为5,平均值为5/1=1。短时窗STA平方和的平均值除以长时窗LTA平方合的平均值为4/5=0.8。因此,将短时窗STA平方和平均值除以长时窗LTA平方和平均值之后,可以得到在特定范围内的长短时距平均STA/LTA。如此一来,即使因为环境因素而造成数字信号的振幅震荡的值域改变(例如原先在电流0~10mA之间震荡,变化为在电流0~100mA之间震荡,或者变化为在电流0~5mA之间震荡),在这些时间点的长短时距平均STA/LTA这个比值不会随着数字信号的振幅值域变化而大幅改变。
在一些实施例中,为了从连续的电流信号提取致动器112在运行时段的信号,利用计算连续信号的方均根值并依据方均根值设定临界值,借此提取自动化设备110的致动器112在运行时段的信号。然而,在一些情形中,环境因素改变(例如:致动器112运行异常或是在自动化设备110的保养、零件更换之后),可能会导致致动器112的电流信号振幅的震荡值域大幅提高。也就是说,此时即使致动器112在闲置阶段,电流信号也会出现一定的震荡幅度,利用原先设定的临界值可能会提取到致动器112在闲置时的电流信号,会需要额外人力重新设定临界值。
在本公开文件的实施例中,因为长短时距平均STA/LTA不会受到数字信号振幅大幅变化的影响,因此可以实时的判断是否提取数字信号而不用额外调整临界值(或阈值)。为了更佳的理解如何实时判断是否提取数字信号,将在后续实施例中详细说明。
在步骤S24中,根据长短时距平均STA/LTA判断由选定时间点T1是否提取信号特征片段。为了判断在时间点T1是否提取信号特征片段,请一并参阅图4。图4为依据本公开文件一些实施例的数字信号切割方法中的判断由选定时间点是否提取信号特征片段的流程图。在步骤S24中的步骤S240、S241、S242、S2411、S2412、2424以及S2422皆可由电子装置120的处理器122执行。
在步骤S240中,是否将数字信号自选定时间点T1之前的信号提取为信号特征片段。假设时间点T1之前的数字信号未被提取为信号特征片段,执行步骤S241。
在步骤S241中,长短时距平均STA/LTA是否大于或等于第一阈值。于一些实施例当中,举例来说,第一阈值可以设定为1.75。时间点T1的长短时距平均STA/LTA为0.8,小于第一阈值1.75。因此,继续步骤S2411,维持不提取信号特征片段。也就是说,电流感测器114自时间点T1测得的电流信号为致动器112在闲置时的信号,因此在时间点T1不提取数字信号作为信号特征片段。并且,继续步骤S20。
在步骤S20中,由数字信号中选定一时间点T2。请一并参阅图5,图5为示出图3的数字信号在一时间点T2计算长短时距平均STA/LTA的波形图。
在步骤S21中,计算由数字信号自时间点T2开始于短时窗STA内的平方和的平均值。数字信号自时间点T2开始于短时窗STA内的平方和为0.36,在时间点T2的短时窗STA内的平方和的平均值为STA(T2)=0.36/0.2=1.8。
在步骤S22中,计算由数字信号自时间点T2开始于长时窗LTA内的平方和的平均值。数字信号自时间点T2开始于长时窗LTA内的平方和为1,在时间点T2的长时窗LTA内的平方和的平均值为LTA(T2)=1/1.0=1。
在步骤S23中,计算长短时距平均STA/LTA。亦即,计算在时间点T2短时窗STA内的平方和的平均值与长时窗LTA内的平方和的平均值的比值,前式等于1.8/1=1.8。为了根据长短时距平均STA/LTA判断由选定时间点T2是否提取信号特征片段。继续执行步骤S24之中的步骤S240。在步骤S240中,是否将数字信号自选定时间点T2之前的信号提取为信号特征片段。在时间点T2之前的时间点T1的数字信号未被提取为信号特征片段,因此执行步骤S241。
在步骤S241中,长短时距平均STA/LTA是否大于或等于第一阈值。详细而言,第一阈值为长短时距平均STA/LTA与特定参数的乘积。依据本公开文件中的实施例的短时窗STA(0.2秒)以及长时窗LTA(1秒)的示例,历史长短时距平均STA/LTA的最大值约为2.5。并且,将前述特定参数设定在0.7可避免提取到噪声或提取到的信号特征片断有缺漏。因此,第一阈值设定在2.5*0.7=1.75。本公开文件中,第一阈值并不限定于上述固定数值,如1.75。在另一些实施例中,第一阈值根据历史长短时距平均STA/LTA的最大值与参数的乘积而定,并且第一阈值若设置过大,振幅较小的信号无法被判读;第一阈值若设置过小,会对微震信号过于敏感。因此,前述参数可被设定在0.5至0.9之间。
在时间点T2的长短时距平均STA/LTA等于1.8,大于第一阈值1.75。因此,继续步骤S2412,开始提取信号特征片段。亦即,电流感测器114自时间点T2测得的电流信号为致动器112在运行时的信号,因此自时间点T2开始提取数字信号作为信号特征片段。并且,继续执行步骤S20。
同时参看图3及图4,在图3的时间点T1开始的短时窗STA当中数字信号并未包含明显的振幅变化,因此图3中对应时间点T1起算的长短时距平均STA/LTA数值较小,如前述实施例中为0.8。相较之下,在图4的时间点T2开始的短时窗STA当中数字信号则已包含明显的振幅变化,因此图4中对应时间点T2起算的长短时距平均STA/LTA数值相对较大,如前述实施例中为1.8。因此在时间点T2,根据长短时距平均STA/LTA的变化决定开始提取数字信号。
在步骤S20中,由数字信号中选定一时间点T3。请一并参阅图6,图6为示出图3的数字信号在一时间点T3计算长短时距平均STA/LTA的波形图。
在步骤S21中,计算由数字信号自时间点T3开始于短时窗STA内的平方和的平均值。数字信号自时间点T3开始于短时窗STA内的平方和为0.16,在时间点T3的短时窗STA内的平方和的平均值为STA(T3)=0.16/0.2=0.8。
在步骤S22中,计算由数字信号自时间点T3开始于长时窗LTA内的平方和的平均值。数字信号自时间点T3开始于长时窗LTA内的平方和为0.8,在时间点T3的长时窗LTA内的平方和的平均值为LTA(T3)=0.8/1=0.8。
在步骤S23中,计算长短时距平均STA/LTA。亦即,计算在时间点T3短时窗STA内的平方和的平均值与长时窗LTA内的平方和的平均值的比值,前式等于0.8/0.8=1。为了根据长短时距平均STA/LTA判断由选定时间点T3是否提取信号特征片段。继续执行步骤S24之中的步骤S240。在步骤S240中,是否将数字信号自选定时间点T3之前的信号提取为信号特征片段。在时间点T3之前的时间点T2的数字信号已被提取为信号特征片段,继续执行步骤S242。
在步骤S242中,长短时距平均STA/LTA是否小于或等于第二阈值。于一些实施例当中,举例来说,第二阈值可以设定为0.4。将第二阈值设定在0.4可避免提早结束信号的提取或是提取到闲置时段的信号。在时间点T3的长短时距平均STA/LTA为1,大于第二阈值0.4。因此继续步骤S2421,维持提取信号特征片段。也就是说,电流感测器114自时间点T3测得的电流信号为致动器112在运行时的信号,因此自时间点T2开始至时间点T3持续提取数字信号作为信号特征片段。并且,继续步骤S20。在步骤S20中,由数字信号中选定一时间点T4。请一并参阅图7,图7为示出图3的数字信号在一时间点T4计算长短时距平均STA/LTA的波形图。
在步骤S21中,计算由数字信号自时间点T4开始于短时窗STA内的平方和的平均值。数字信号自时间点T4开始于短时窗STA内的平方和为0.01,在时间点T4的短时窗STA内的平方和平均值为STA(T4)=0.01/0.2=0.05。
在步骤S22中,计算由数字信号自时间点T4开始于长时窗LTA内的平方和的平均值。数字信号自时间点T4开始于长时窗LTA内的平方和为0.4,在时间点T3的长时窗LTA内的平方和平均值为LTA(T4)=0.4/1.0=0.4。
在步骤S23中计算计算长短时距平均。亦即,计算在时间点T4短时窗STA内的平方和的平均值与长时窗LTA内的平方和的平均值的比值,前式等于0.05/0.4=0.125。为了根据长短时距平均STA/LTA判断由选定时间点T4是否提取信号特征片段。继续执行步骤S24之中的步骤S240。在步骤S240中,是否将数字信号自选定时间点T4之前的信号提取为信号特征片段。在时间点T4之前的时间点T3的数字信号已被提取为信号特征片段,继续执行步骤S242。
在步骤S242中,长短时距平均STA/LTA是否小于或等于第二阈值。在时间点T4长短时距平均STA/LTA为0.125,小于第二阈值0.4。因此继续步骤S2422。
在步骤S2422中,停止提取信号特征片段。也就是说,电流感测器114自时间点T2到T4测得的电流信号为致动器112在运行时的信号,因此从时间点T2开始提取数字信号作为信号特征片段直到时间点T4停止。本公开文件中,第二阈值并不限定于上述固定数值,如0.4。在另一些实施例中,若将第二阈值设置过大,会提早结束信号的提取;若将第二阈值设置过小,则可能造成步骤S242无法继续到步骤S2422,导致无法正常提取所需片段。因此,第二阈值可被设定在0.3至0.6之间。通常会将第二阈值设定为小于0.6,否则会造成信号的提取提早结束。
同时参看图5及图6,在图5的时间点T3开始的短时窗STA当中数字信号并包含明显的振幅变化,因此图5中对应时间点T3起算的长短时距平均STA/LTA数值较大,如前述实施例中为1.8。相较之下,在图6的时间点T4开始的短时窗STA当中数字信号则未包含明显的振幅变化,因此图6中对应时间点T4起算的长短时距平均STA/LTA数值相对较小,如前述实施例中为0.125。因此在时间点T4,根据长短时距平均STA/LTA的变化决定停止提取数字信号。
在上述实施例中,时间点T1、T2、T3以及T4的选取仅是为了可以更清楚明了的理解如何计算长短时距平均STA/LTA。在实际应用中,应是以更短的时间间距选择的时间点,使各个时间点的彼此的时间间隔更小。
请参阅图8。图8为示出图3的数字信号在连续时间点计算长短时距平均STA/LTA的波形图。在图8中下方的波形图为数字信号,纵轴为振幅,横轴为时间。在图8中上方的线性函数为数字信号经长短时距平均STA/LTA计算后的线性函数,纵轴为长短时距平均STA/LTA,横轴为时间。并且,图中虚线分别代表第一阈值TH1(例如,1.75)以及第二阈值TH2(例如,0.4)。通过以更短的时间间距选择时间点(例如,每间隔0.002秒选定一时间点)计算数字信号长短时距平均STA/LTA,可以得到如图8所示的长短时距平均STA/LTA对时间的变化。并且判断长短时距平均STA/LTA是否大于第一阈值TH1或小于第二阈值TH2,以实时提取致动器112在运行时的特征片段。图8所示的网点底色部分为数字信号被提取作为信号特征片段的范围。
综上所述,本公开文件利用长短时距平均STA/LTA计算从自动化设备110的致动器112(例如:马达)的电流转换而成的数字信号,并且判断长短时距平均STA/LTA是否大于第一阈值或小于第二阈值,以实时提取致动器在运行时的信号特征片段而不会受到致动器112电流信号的震荡值域大幅变化的影响。
虽然本公开已以实施方式公开如上,然其并非用以限定本公开,任何本领域通具通常知识者,在不脱离本公开的构思和范围内,当可作各种的变动与润饰,因此本公开的保护范围当视权利要求所界定者为准。
Claims (7)
1.一种数字信号切割方法,包含:
接收一数字信号;以及
由该数字信号中提取一信号特征片段,其中提取该信号特征片段包含:
计算由该数字信号自一第一时间点开始于一短时窗内的一第一平方和的平均值;
计算由该数字信号自该第一时间点开始于一长时窗内的一第二平方和的平均值;
计算该第一平方和的平均值与该第二平方和的平均值的一第一比值;以及
根据该第一比值判断对应该第一时间点是否提取该信号特征片段,
其中根据该第一比值判断是否由该第一时间点提取该信号特征片段包含:
若未将该第一时间点之前的该数字信号提取为该信号特征片段,且该第一比值大于一第一阈值时,自该第一时间点开始提取该信号特征片段;以及
若该第一时间点之前的该数字信号已被提取为该信号特征片段,且该第一比值小于一第二阈值时,自该第一时间点停止提取该信号特征片段。
2.如权利要求1所述的数字信号切割方法,其中根据该第一比值判断是否由该第一时间点提取该信号特征片段包含:
若未将该第一时间点之前的该数字信号提取为该信号特征片段,且该第一比值小于该第一阈值时,维持不提取该信号特征片段;以及
若该第一时间点之前的该数字信号已被提取为该信号特征片段,且该第一比值大于该第二阈值时,维持提取该信号特征片段。
3.如权利要求1所述的数字信号切割方法,其中提取该信号特征片段还包含:
计算由该数字信号自一第二时间点开始于该短时窗内的一第三平方和的平均值;
计算由该数字信号自该第二时间点开始于该长时窗内的一第四平方和的平均值;
计算该第三平方和的平均值与该第四平方和的平均值的一第二比值;以及
根据该第二比值判断是否由该第二时间点开始或结束提取该信号特征片段。
4.如权利要求1所述的数字信号切割方法,还包含:
通过一电流感测器,接收来自一致动器的一电流信号,其中该致动器用于驱动一自动化设备运行;以及
转换该电流信号为该数字信号。
5.如权利要求1所述的数字信号切割方法,其中该第一阈值根据一历史长短时距平均的最大值与一参数的乘积而定。
6.如权利要求5所述的数字信号切割方法,其中该参数介于0.5至0.9之间。
7.如权利要求1所述的数字信号切割方法,其中该第二阈值介于0.3至0.6之间。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109137715 | 2020-10-29 | ||
TW109137715A TWI749837B (zh) | 2020-10-29 | 2020-10-29 | 數位訊號切割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113189484A CN113189484A (zh) | 2021-07-30 |
CN113189484B true CN113189484B (zh) | 2022-11-08 |
Family
ID=76980435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110473292.0A Active CN113189484B (zh) | 2020-10-29 | 2021-04-29 | 数字信号切割方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113189484B (zh) |
TW (1) | TWI749837B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101131328A (zh) * | 2006-08-22 | 2008-02-27 | 株式会社电装 | 用于转动角度检测装置的故障检测单元 |
CN103683198A (zh) * | 2013-12-03 | 2014-03-26 | 昆明理工大学 | 一种基于差动电流相邻阶次差分构成的平面上相邻点距离的励磁涌流快速识别方法 |
CN103776480A (zh) * | 2014-01-29 | 2014-05-07 | 清华大学 | 基于多次移动平均的微小故障检测方法和装置 |
CN104699288A (zh) * | 2013-12-09 | 2015-06-10 | 义隆电子股份有限公司 | 电子装置及其噪声检测与操作模式设定方法 |
CN109789554A (zh) * | 2016-09-12 | 2019-05-21 | 德克萨斯仪器股份有限公司 | 角度旋转变压器不平衡检测 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11221660B2 (en) * | 2019-01-31 | 2022-01-11 | Hewlett Packard Enterprise Development Lp | Fault detection based on comparing input current and moving average input current |
-
2020
- 2020-10-29 TW TW109137715A patent/TWI749837B/zh active
-
2021
- 2021-04-29 CN CN202110473292.0A patent/CN113189484B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101131328A (zh) * | 2006-08-22 | 2008-02-27 | 株式会社电装 | 用于转动角度检测装置的故障检测单元 |
CN103683198A (zh) * | 2013-12-03 | 2014-03-26 | 昆明理工大学 | 一种基于差动电流相邻阶次差分构成的平面上相邻点距离的励磁涌流快速识别方法 |
CN104699288A (zh) * | 2013-12-09 | 2015-06-10 | 义隆电子股份有限公司 | 电子装置及其噪声检测与操作模式设定方法 |
CN103776480A (zh) * | 2014-01-29 | 2014-05-07 | 清华大学 | 基于多次移动平均的微小故障检测方法和装置 |
CN109789554A (zh) * | 2016-09-12 | 2019-05-21 | 德克萨斯仪器股份有限公司 | 角度旋转变压器不平衡检测 |
Also Published As
Publication number | Publication date |
---|---|
CN113189484A (zh) | 2021-07-30 |
TW202217334A (zh) | 2022-05-01 |
TWI749837B (zh) | 2021-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8269361B2 (en) | Adaptive adjustment of the blade pitch angle of a wind turbine | |
US20120211984A1 (en) | Wind turbine generator system fault processing method and system | |
EP2123906A1 (en) | Method and apparatus for damping tower oscillation in a wind turbine | |
EP2798200B1 (en) | Wind turbine generator with adaptive locked speed operation | |
CA3023642A1 (en) | Estimation of yaw misalignment for a wind turbine | |
EP2172824A1 (en) | Method and system of wind turbine condition monitoring | |
EP3415753B1 (en) | Abnormality monitoring apparatus and abnormality monitoring method for wind farm | |
CN115574963B (zh) | 一种基于iot技术的无线温采***及温采方法 | |
CN116593811A (zh) | 一种集成型变频器运行状态监测***及监测方法 | |
CN111913105B (zh) | 监测具有操作点的电马达的测量数据的马达驱动器及方法 | |
CN113189484B (zh) | 数字信号切割方法 | |
CN107218702B (zh) | 空调器及空调器频率调节方法和计算机可读存储介质 | |
CN115248292A (zh) | 一种变压器故障分析诊断方法及*** | |
US11692526B2 (en) | Wind turbine generator, and minimum rotational speed control method and device therefor | |
KR102555049B1 (ko) | 배전함 관리 시스템 | |
CN108612624B (zh) | 一种风力发电机的转速控制方法和装置 | |
CN116292080B (zh) | 风力发电机组的变桨距控制方法及装置 | |
KR20210060520A (ko) | 진동을 발생시키는 기계의 동작을 모니터링하는 방법 및 이러한 방법을 구현하는 장치 | |
JP2013011987A (ja) | 異常状態検知装置及び異常状態検知方法 | |
CN113376518B (zh) | 一种炉腹风机故障检测方法和装置 | |
CN112947602A (zh) | 控制光伏跟踪***的方法、装置及*** | |
CN114578269A (zh) | 一种电机转子绕组匝间短路检测***及方法 | |
US20200112577A1 (en) | Graph-based sensor ranking | |
CN112670952B (zh) | 发电机组的控制方法、设备及可读存储介质 | |
CN117538741A (zh) | 一种断路器状态在线监测特征量阈值设定方法及相关产品 |
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 |