基于叶片电机电流信号的多叶准直器的健康状态监控方法技术

本发明专利技术公开了一种基于叶片电机电流信号的多叶准直器的健康状态监控方法，包括以下步骤：采集叶片电机的输出电流并转换为电流数字信号；对电流数字信号进行预处理，除去采集电流时的噪声以及零漂因素；利用小波包分解方法对经预处理后的电流数字信号分段进行处理，得到多个信号特征；通过优势特征选取技术，分别选择与多叶准直器不同健康状态强相关的信号特征或其组合，形成一系列健康状态趋势信号特征组合；建立一系列神经网络的模型，并对其进行训练；将实时监测叶片电机驱动电流信号输入对应的已训练好的神经网络模型进行识别，得到分类结果，从而得到多叶准直器的健康状态。本发明专利技术可实现方便快捷地对多叶准直器的运动状态进行实时地监测。

【技术实现步骤摘要】

本专利技术属于多叶准直器的监控
，尤其涉及一种基于叶片电机电流信号的多叶准直器的健康状态监控方法及系统。
技术介绍
多叶准直器是用来产生适形辐射野的机械运动部件，俗称多叶光栅、多叶光阑等等，广泛应用于医学领域。放疗设备依靠多叶准直器叶片的运动定位形成射野，一个多叶准直器中包含多个叶片，叶片与叶片之间直接接触，且有相对运动，在长期使用过程中，叶片由于松脱、卡死、磨损、异常振动，电机损坏等等原因是造成多叶准直器寿命减少的常见原因，如何保证叶片长期、稳定可靠的运行，并实时了解多叶准直器的健康状态一直是放疗设备制造商需要解决的问题。另外，叶片在安装过程中，如何保证每个叶片的安装工艺的一致性，从而保证每个叶片的运动响应一致性也是一直困扰设备制造商的难题。目前尚无未有效的多叶准直性能状态监控方法。
技术实现思路
本专利技术要解决的技术问题在于针对现有技术中尚无未有效的多叶准直性能状态监控方法的缺陷，提供一种可以有效对多叶准直性能状态监控方法及系统。本专利技术解决其技术问题所采用的技术方案是：提供一种基于叶片驱动电机电流信号的多叶准直器健康状态的监控方法，其特征在于，包括以下步骤：S1、采集叶片电机的输出电流；S2、对采集的输出电流分别通过放大、滤波与A/D转换，得到表示叶片状态信号的电流数字信号；S3、对电流数字信号进行预处理，除去采集电流时产生的噪声以及零漂因素；S4、利用小波包分解方法对经预处理后的电流数字信号进行处理，得到多个信号特征；S5、通过优势特征选取技术，分别选择与多叶准直器不同健康状态强相关的信号特征或其组合，并通过多项式拟合建立该信号特征与时间的趋势关系，形成一系列健康状态趋势信号特征组合(如磨损状态趋势信号组合，松脱状态趋势信号特征组合等)；S6、建立一系列神经网络的模型(包括磨损状态识别神经网络、松脱状态识别神经网络等)用于识别多叶准直器的若干健康状态，针对每个神经网络模型，利用已建立好的健康状态趋势信号特征组合向量和目标向量，并输入该神经网络模型对其进行训练，使其分类准确率达到期望的准确率；S7、实时监测叶片电机驱动电流信号，重复S2～S5的步骤，建立用于判断多叶准直器健康状态趋势信号特征组合，分别输入对应的已训练好的神经网络模型进行识别，得到分类结果，从而得到多叶准直器的健康状态。本专利技术所述的方法中，所述叶片电机的输出电流通过驱动板卡上的电流测量模块获得。本专利技术所述的方法中，步骤S2中预处理方法包括均值法和FFT。本专利技术所述的方法中，步骤S4中，多个信号特征包括幅值、频率、相位以及小波系数。本专利技术所述的方法中，所述神经网络包括BP神经网络和RBF神经网络。本专利技术所述的方法中，多叶准直器的健康状态，包括是否松脱、卡死、磨损、异常振动以及电机损坏。本专利技术还提供一种基于叶片驱动电机电流信号的多叶准直器健康状态的监控系统，其特征在于，包括：电流采集模块，用于采集叶片电机的输出电流；模数转换模块，用于对采集的输出电流分别通过放大、滤波与A/D转换，得到表示叶片状态信号的电流数字信号预处理模块，用于电流数字信号进行预处理，除去传感器自身的噪声以及零漂因素；信号特征提取模块，用于利用小波包分解方法对经预处理后的电流数字信号进行处理，得到多个信号特征；并通过优势特征选取技术，分别选择与多叶准直器不同健康状态强相关的信号特征或其组合，并通过多项式拟合建立该信号特征与时间的趋势关系，形成一系列健康状态趋势信号特征组合；神经网络建立模块，用于建立一系列神经网络的原型，分别用于识别多叶准直器的若干健康状态，针对每个神经网络模型，利用已建立好的健康状态趋势信号特征组合以及对应的趋势信号特征所处的时间段的叶片状态测量值组成输入向量和目标向量，并输入该神经网络模型对其进行训练，使其分类准确率达到期望的准确率；识别模块，用于将实时测量和处理得到的一系列健康状态趋势信号特征组合分别输入对应的已训练好的神经网络模型进行识别，得到分类结果，从而得到多叶准直器的健康状态。本专利技术产生的有益效果是：本专利技术基于叶片驱动电机的电流来对多叶准直器的健康状态进行实时监控，通过建立好的健康状态趋势信号特征组合以及对应的趋势信号特征所处的时间段的叶片状态测量值对神经网络模型进行训练，最终通过输入实时测量值到神经网络模型中进行识别，从而实现对多叶准直器工作时的性能状态进行评估、检测，能够有效的预测多叶准直器的故障、保证多叶准直器长期、可靠的运行。通过对电流信号的分析处理，能够得出多叶准直器叶片运动过程中的诸多状态，如振动状态、阻尼状态等。可实现方便快捷地对多叶准直器的运动状态进行实时地监测，并且适用性强，易于推广。附图说明下面将结合附图及实施例对本专利技术作进一步说明，附图中：图1是本专利技术实施例多叶准直器的统结构示意图；图2是本专利技术实施例基于叶片驱动电机电流信号的多叶准直器的监控方法流程图；图3是本专利技术实施例基于叶片驱动电机电流信号的多叶准直器的监控系统结构示意图。
技术实现思路
为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。如图1所示，多叶准直器主要包括叶片驱动电机1、丝杆2、叶片3、多叶准直器箱体4以及导轨5。本专利技术主要通过叶片驱动电机的电流信号来监测叶片的健康状态。叶片的健康状态主要包括叶片是否松脱、卡死、磨损、异常振动以及电机损坏等。本专利技术实施例基于叶片驱动电机电流信号的多叶准直器的监控方法，如图2所示，包括以下步骤：S1、利用驱动板卡上的电流采集模块测量叶片电机的输出电流；S2、对采集的电流分别通过放大、滤波与A/D转换，得到电流数字信号，该电流数字信号即叶片状态信号；S3、对叶片运动状态信号进行预处理，除去电流采集模块在采集电流时产生的自身的噪声以及零漂因素，预处理方法可以使用均值、FFT等方法；S4、利用小波包分解方法对多叶准直器叶片运动时的电流信号段进行处理，得到多个信号特征，如幅值、频率、相位、小波系数等，S5、通过优势特征选取技术，分别选择与不同健康状态强相关的信号特征或其组合，并通过多项式拟合建立该信号特征与时间的趋势关系，形成一系列健康状态趋势信号特征组合；S6、建立一系列神经网络(如本文档来自技高网...

【技术保护点】
一种基于叶片驱动电机电流信号的多叶准直器健康状态的监控方法，其特征在于，包括以下步骤：S1、采集叶片电机的输出电流；S2、对采集的输出电流分别通过放大、滤波与A/D转换，得到表示叶片状态信号的电流数字信号；S3、对电流数字信号进行预处理，除去采集电流时产生的的噪声以及零漂因素；S4、利用小波包分解方法对经预处理后的电流数字信号进行处理，得到多个信号特征；S5、通过优势特征选取技术，分别选择与多叶准直器不同健康状态强相关的信号特征或其组合，并通过多项式拟合建立信号特征与时间的趋势关系，形成一系列健康状态趋势信号特征组合；S6、建立一系列神经网络的模型，分别用于识别多叶准直器的若干健康状态，针对每个神经网络模型，利用已建立好的健康状态趋势信号特征组合以及对应的趋势信号特征所处的时间段的叶片状态测量值组成输入向量和目标向量，并输入该神经网络模型对其进行训练，使其分类准确率达到期望的准确率；S7、实时监测叶片电机驱动电流信号，重复S2~S5的步骤，建立用于判断多叶准直器健康状态趋势信号特征组合，分别输入对应的已训练好的神经网络模型进行识别，得到分类结果，从而得到多叶准直器的健康状态。

【技术特征摘要】
1.一种基于叶片驱动电机电流信号的多叶准直器健康状态的监控方法，其特征在于，包括以下步骤：
S1、采集叶片电机的输出电流；
S2、对采集的输出电流分别通过放大、滤波与A/D转换，得到表示叶片状态信号的电流数字信号；
S3、对电流数字信号进行预处理，除去采集电流时产生的的噪声以及零漂因素；
S4、利用小波包分解方法对经预处理后的电流数字信号进行处理，得到多个信号特征；
S5、通过优势特征选取技术，分别选择与多叶准直器不同健康状态强相关的信号特征或其组合，并通过多项式拟合建立信号特征与时间的趋势关系，形成一系列健康状态趋势信号特征组合；
S6、建立一系列神经网络的模型，分别用于识别多叶准直器的若干健康状态，针对每个神经网络模型，利用已建立好的健康状态趋势信号特征组合以及对应的趋势信号特征所处的时间段的叶片状态测量值组成输入向量和目标向量，并输入该神经网络模型对其进行训练，使其分类准确率达到期望的准确率；
S7、实时监测叶片电机驱动电流信号，重复S2~S5的步骤，建立用于判断多叶准直器健康状态趋势信号特征组合，分别输入对应的已训练好的神经网络模型进行识别，得到分类结果，从而得到多叶准直器的健康状态。
2.根据权利要求1所述的方法，其特征在于，所述叶片电机的输出电流通过驱动板卡上的电流测量模块获得。
3.根据权利要求1所述的方法，其特征在于，步骤S2中预处理方法包括均值法和FFT。
4.根据权利要求1所述的方法，其特征在于，步骤S4中，多个信号特征包括...

【专利技术属性】
技术研发人员：罗博，刘涛，欧阳杰，李沨，桂睿凡，
申请(专利权)人：武汉恒力华振科技有限公司，
类型：发明
国别省市：湖北;42