一种堆垛机电流信号消噪方法技术

本发明专利技术公开了一种堆垛机电流信号消噪方法，对遗传算法进行改进，基于进化次数动态变化的自适应交叉率可以在保证搜索范围的基础上，提高算法的收敛速度，使得遗传算法具有更好的寻优能力。利用改进的遗传算法对于脉冲耦合神经网络的时间衰减常数进行确定，可以使脉冲耦合神经网络更好的将原始信号数据和噪声数据分离开，并保证算法的收敛速度，使得脉冲耦合神经网络具有更好的消噪能力。

【技术实现步骤摘要】
一种堆垛机电流信号消噪方法
本专利技术涉及信号处理
，尤其涉及一种堆垛机电流信号消噪方法。
技术介绍
随着自动化仓储设备的快速发展，堆垛机作为其中的核心设备之一，承接着日常出库、入库、转库等任务，逐渐成为了研究的重点。然而，受现场实际生产环境和生产设备等因素的影响，实际采集的信号常伴随噪声，为信号的分析处理带来了挑战。堆垛机设备作为智能仓促系统的重要组成部分，由于其尺寸过大，运行速度快，运行稳定性对走行轨道存在依耐性，使得实际采集的信号含有一定的噪声信号。噪声对堆垛机后期的故障特征提取，故障定位会产生不利影响。所以降噪工作在前期的数据处理过程中显得尤为重要。现有技术中，并没有专门针对堆垛机的电流信号进行消噪的技术方案，因此，如何提供一种针对堆垛机的电流信号消噪的技术方案成为了本领域技术人员急需解决的问题。
技术实现思路
针对现有技术存在的上述不足，本专利技术公开了一种堆垛机电流信号消噪方法，利用改进的遗传算法对于脉冲耦合神经网络的时间衰减常数进行确定，可以使脉冲耦合神经网络更好的将原始信号数据和噪声数据分离开，并保证算法的收敛速度，使得脉冲耦合神经网络具有更好的消噪能力。为解决上述技术问题，本专利技术采用了如下的技术方案：一种堆垛机电流信号消噪方法，包括如下步骤：步骤1：获取待处理信号，执行步骤2；步骤2：将待处理信号进行归一化处理，计算均方误差M0，初始化脉冲耦合神经网络的参数，初始化滤波次数i＝0，执行步骤4；所述脉冲耦合神经网络的参数包括时间衰减常数；步骤3：初始化滤波次数i＝0，执行步骤4；步骤4：判断是否已计算出最优的时间衰减常数τθ2，若是，执行步骤5，若不是，执行步骤6；步骤5：将最优的时间衰减常数τθ2代入脉冲耦合神经网络中，将待处理信号输入脉冲耦合神经网络并进行滤波，滤波次数i自加1，执行步骤7；步骤6：将初始的时间衰减常数τθ1代入脉冲耦合神经网络中，将待处理信号输入脉冲耦合神经网络并进行滤波，滤波次数i自加1，执行步骤7；步骤7：若此时滤波次数i大于1，计算滤波后的信号的均方误差Mi，将本次滤波后的信号的均方误差Mi与上一次滤波后的信号的均方误差Mi-1进行比较，若Mi＜Mi-1，则将本次滤波后的信号作为待处理信号，执行步骤4，否则，输出上一次滤波后的信号，执行步骤8；若本次滤波为第一次滤波，若此时滤波次数i大于1，则将本次滤波后的信号作为待处理信号，执行步骤4；步骤8：判断是否已计算出最优的时间衰减常数τθ2，若是，执行步骤10，若不是，执行步骤9；步骤9：采用遗传算法对时间衰减常数进行优化，得到最优的时间衰减常数τθ2，然后返回执行步骤3；步骤10：将输出的信号反归一化，得到消噪后的信号。优选地，采用遗传算法对时间衰减常数进行优化的方法包括：步骤11：给予待处理信号随机产生初始种群，记迭代次数为G＝0，执行步骤12；步骤12：基于输出的信号的均方误差及信噪比计算种群中每个个体的适应度，并保留符合预设条件的个体，执行步骤13；步骤13：将保留的个体以第一交叉率Pc进行交叉操作，其中，Pc表示交叉率，表示交叉率的最大值，表示交叉率的最小值，Nmax表示进化代数最大值，N表示当前进化代数，执行步骤14；步骤14：将交叉后的个体以第二交叉率Pm进行变异操作形成新的种群，将迭代次数加1，其中，Pm为变异率，执行步骤15；步骤15：判断迭代次数G是否等于进化代数最大值Nmax，若是，得到最优的时间衰减常数τθ，若不是，执行步骤11。优选地，适应度函数fit，其中，snr表示信噪比，mse表示输出的信号的均方误差。优选地，交叉率的最大值取值为1.0，交叉率的最小值取值为0.5。优选地，脉冲耦合神经网络可表达为：Fij[n]＝Sij[n]，其中，Fij[n]为第(i,j)个神经元的第n次反馈输入，Sij[n]为第(i,j)个神经元的第n次外部刺激输入，τθ为变阈值函数的时间衰减常数，τθ包括初始的时间衰减常数τθ1或最优的时间衰减常数τθ2，Yij[n]表示神经元是否被点火，Yij[n]＝1表示被点火，Yij[n]＝0表示未被点火，θij[n]表示第n次迭代时的阈值，θij[n-1]表示第n-1次迭代时的阈值，Bij[n]表示第n次迭代时第(i,j)个神经元是否被点火，Bij[n]＝1表示被点火，Bij[n]＝0表示未被点火，Tij[n]表示第(i,j)个神经元在第n次迭代是否被点火，若点火记为n,若没有，数值不变，即记为Tij[n-1]，Tij[n-1]表示第(i,j)个神经元在第n-1次迭代是否被点火。优选地，脉冲耦合神经网络的神经元由接收域、调制域和脉冲产生部分组成，接收域接受到输入信号后，将其通过F和L两条通道传输至调制域，F通道的脉冲响应函数随时间的变化速度比L通道的脉冲响应函数随时间的变化速度慢，调制域将来自L通道的信号Lij加上一个正的偏移量后与来自F通道的信号Fij进行相乘调制，得到内部产生信号Uij，将θij[n]和Uij比较来控制信号神经元是否点火，θij[n]表示变阈值函数输出，如果θij[n]＞Uij，则该神经元被点火，否则，该神经元不点火。优选地，L通道和F通道的链接系数为β，且β＝0。综上所述，本专利技术公开了一种堆垛机电流信号消噪方法，对遗传算法进行改进，基于进化次数动态变化的自适应交叉率可以在保证搜索范围的基础上，提高算法的收敛速度，使得遗传算法具有更好的寻优能力。利用改进的遗传算法对于脉冲耦合神经网络的时间衰减常数进行确定，可以使脉冲耦合神经网络更好的将原始信号数据和噪声数据分离开，并保证算法的收敛速度，使得脉冲耦合神经网络具有更好的消噪能力。附图说明图1为本专利技术公开了一种堆垛机电流信号消噪方法的流程图；图2为采用本专利技术公开的堆垛机电流信号消噪方法得到的堆垛机振动信号消噪效果图；图3为本专利技术中遗传算法适应度变化趋势图。具体实施方式为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步的详细描述说明。如图1所示，本专利技术公开了一种堆垛机电流信号消噪方法，包括如下步骤：S101：获取待处理信号，执行S102；S102：将待处理信号进行归一化处理，计算均方误差M0，初始化脉冲耦合神经网络的参数，初始化滤波次数i＝0，执行S104；所述脉冲耦合神经网络的参数包括时间衰减常数；S103：初始化滤波次数i＝0，执行S104；S104：判断是否已计算出最优的时间衰减常数τθ2，若是，执行S105，若不是，执行S106；S105：将最优的时间衰减常数τθ2代入脉冲耦合神经网络中，将待处理信号输入脉冲耦合神经网络并进行滤波，滤波次数i自加1，执行S107；S106：将初始的时间衰减常数τθ1代入脉冲耦合神经网络中，将待处理信号输入脉冲耦合神经网络并进行滤波，滤波次数i自加1，执行S107；S107：若此时滤波次数i大于1，计算滤波后的信号的均方误差Mi，将本次滤波后的信号的均方误差Mi与上一次滤波后的信号的均方误差Mi-1进行比较，若Mi＜Mi-1，则将本次滤波后的信号作为待处理信号，执行S104，否则，输出上一次滤波后的信号，执行S108；若本次滤波为第一次滤波，若此时滤波次数i大于1，则将本次滤波后的信号作为待处理信号，执行S104；S108：判断是否已本文档来自技高网...

【技术保护点】
1.一种堆垛机电流信号消噪方法，其特征在于，包括如下步骤：步骤1：获取待处理信号，执行步骤2；步骤2：将待处理信号进行归一化处理，计算均方误差M0，初始化脉冲耦合神经网络的参数，初始化滤波次数i＝0，执行步骤4；所述脉冲耦合神经网络的参数包括时间衰减常数；步骤3：初始化滤波次数i＝0，执行步骤4；步骤4：判断是否已计算出最优的时间衰减常数τθ2，若是，执行步骤5，若不是，执行步骤6；步骤5：将最优的时间衰减常数τθ2代入脉冲耦合神经网络中，将待处理信号输入脉冲耦合神经网络并进行滤波，滤波次数i自加1，执行步骤7；步骤6：将初始的时间衰减常数τθ1代入脉冲耦合神经网络中，将待处理信号输入脉冲耦合神经网络并进行滤波，滤波次数i自加1，执行步骤7；步骤7：若此时滤波次数i大于1，计算滤波后的信号的均方误差Mi，将本次滤波后的信号的均方误差Mi与上一次滤波后的信号的均方误差Mi‑1进行比较，若Mi＜Mi‑1，则将本次滤波后的信号作为待处理信号，执行步骤4，否则，输出上一次滤波后的信号，执行步骤8；若本次滤波为第一次滤波，若此时滤波次数i大于1，则将本次滤波后的信号作为待处理信号，执行步骤4；步骤8：判断是否已计算出最优的时间衰减常数τθ2，若是，执行步骤10，若不是，执行步骤9；步骤9：采用遗传算法对时间衰减常数进行优化，得到最优的时间衰减常数τθ2，然后返回执行步骤3；步骤10：将输出的信号反归一化，得到消噪后的信号。...

【技术特征摘要】
1.一种堆垛机电流信号消噪方法，其特征在于，包括如下步骤：步骤1：获取待处理信号，执行步骤2；步骤2：将待处理信号进行归一化处理，计算均方误差M0，初始化脉冲耦合神经网络的参数，初始化滤波次数i＝0，执行步骤4；所述脉冲耦合神经网络的参数包括时间衰减常数；步骤3：初始化滤波次数i＝0，执行步骤4；步骤4：判断是否已计算出最优的时间衰减常数τθ2，若是，执行步骤5，若不是，执行步骤6；步骤5：将最优的时间衰减常数τθ2代入脉冲耦合神经网络中，将待处理信号输入脉冲耦合神经网络并进行滤波，滤波次数i自加1，执行步骤7；步骤6：将初始的时间衰减常数τθ1代入脉冲耦合神经网络中，将待处理信号输入脉冲耦合神经网络并进行滤波，滤波次数i自加1，执行步骤7；步骤7：若此时滤波次数i大于1，计算滤波后的信号的均方误差Mi，将本次滤波后的信号的均方误差Mi与上一次滤波后的信号的均方误差Mi-1进行比较，若Mi＜Mi-1，则将本次滤波后的信号作为待处理信号，执行步骤4，否则，输出上一次滤波后的信号，执行步骤8；若本次滤波为第一次滤波，若此时滤波次数i大于1，则将本次滤波后的信号作为待处理信号，执行步骤4；步骤8：判断是否已计算出最优的时间衰减常数τθ2，若是，执行步骤10，若不是，执行步骤9；步骤9：采用遗传算法对时间衰减常数进行优化，得到最优的时间衰减常数τθ2，然后返回执行步骤3；步骤10：将输出的信号反归一化，得到消噪后的信号。2.如权利要求1所述的堆垛机电流信号消噪方法，其特征在于，采用遗传算法对时间衰减常数进行优化的方法包括：步骤11：给予待处理信号随机产生初始种群，记迭代次数为G＝0，执行步骤12；步骤12：基于输出的信号的均方误差及信噪比计算种群中每个个体的适应度，并保留符合预设条件的个体，执行步骤13；步骤13：将保留的个体以第一交叉率Pc进行交叉操作，其中，Pc表示交叉率，表示交叉率的最大值，表示交叉率的最小值，Nmax表示进化代数最大值，N表示当前进化代数，执行步骤14；步骤14：将交叉后的个体以第二交叉率Pm进行变异操作形成新的种群，将迭代次数加1，其中，Pm...

【专利技术属性】
技术研发人员：黄大荣，林梦婷，米波，韦天成，华星星，柯兰艳，邓真平，
申请(专利权)人：重庆交通大学，
类型：发明
国别省市：重庆,50