大流量喷头的雾滴分布检测方法、装置及系统制造方法及图纸

技术编号:34904308 阅读:48 留言:0更新日期:2022-09-10 14:16
本发明专利技术公开了一种大流量喷头的雾滴分布检测方法、装置、系统、电子设备及存储介质。该方法包括:获取雾滴撞击预设区域内各雾滴采集板所产生的激振信号;对每一雾滴采集板所产生的激振信号进行信息处理,得到撞击信号特征,基于所述撞击信号特征确定雾滴质量参数;基于各所述雾滴采集板的雾滴质量参数及位置参数确定所述预设区域内的雾滴分布结果。通过上述方案,实现了自动检测雾滴分布情况,解决了测量效率低的问题。量效率低的问题。量效率低的问题。

【技术实现步骤摘要】
大流量喷头的雾滴分布检测方法、装置及系统


[0001]本专利技术涉及数据处理
,尤其涉及一种大流量喷头的雾滴分布检测方法、装置、系统、电子设备及存储介质。

技术介绍

[0002]随着现代绿色环保生产理念的发展,大流量喷头在喷雾降温、除尘领域的应用越来越广泛。
[0003]在大流量喷头生产设计中,喷洒雾滴覆盖面分布测试是评价喷头性能的重要指标。大流量喷头的喷洒雾滴体积大、速度快,雾滴覆盖面积大、沉积分布差异大。传统覆盖面分布测试是在雾滴覆盖面内摆放大量的液体容器,采用目测体积或称重法,先取样、后测量的操作步骤,其取样等待时间长、测量工作任务繁重。
[0004]在实现本专利技术的过程中,专利技术人发现现有技术中至少存在以下技术问题:上述的现有技术方案,存在测量效率低的问题。

技术实现思路

[0005]本专利技术提供了一种大流量喷头的雾滴分布检测方法、装置、系统、电子设备及存储介质,以实现自动检测雾滴分布情况,解决了测量效率低的问题。
[0006]根据本专利技术的一方面,提供了一种大流量喷头的雾滴分布检测方法,包括:获取雾滴撞击预设区域内各雾滴采集板所产生的激振信号;对每一雾滴采集板所产生的激振信号进行信息处理,得到撞击信号特征,基于所述撞击信号特征确定雾滴质量参数;基于各所述雾滴采集板的雾滴质量参数及其位置参数确定所述预设区域内的雾滴分布结果。
[0007]根据本专利技术的另一方面,提供了一种大流量喷头的雾滴分布检测装置,包括:激振信号获取模块,用于获取雾滴撞击预设区域内各雾滴采集板所产生的激振信号;雾滴质量确定模块,用于对每一雾滴采集板所产生的激振信号进行信息处理,得到撞击信号特征,基于所述撞击信号特征确定雾滴质量参数;分布结果确定模块,用于基于各所述雾滴采集板的雾滴质量参数及其位置参数确定所述预设区域内的雾滴分布结果。
[0008]根据本专利技术的另一方面,提供了一种大流量喷头的雾滴分布检测系统,包括:振动采集设备和终端,所述振动采集设备与所述终端通信连接;所述振动采集设备,用于采集雾滴撞击预设区域内各雾滴采集板所产生的激振信号,并将所述雾滴撞击预设区域内各雾滴采集板所产生的激振信号发送至所述终端;所述终端,用于接收所述雾滴撞击预设区域内各雾滴采集板所产生的激振信号,对每一雾滴采集板所产生的激振信号进行信息处理,得到撞击信号特征,基于所述撞击信
号特征确定雾滴质量参数,基于各雾滴采集板的雾滴质量参数及其位置参数确定所述预设区域内的雾滴分布结果。
[0009]根据本专利技术的另一方面,提供了一种电子设备,所述电子设备包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本专利技术任一实施例所述的大流量喷头的雾滴分布检测方法。
[0010]根据本专利技术的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的大流量喷头的雾滴分布检测方法。
[0011]本专利技术实施例的技术方案,通过获取雾滴撞击预设区域内各雾滴采集板所产生的激振信号,实现了多个雾滴采集板雾滴撞击信号的采集;进一步的,对每一雾滴采集板所产生的激振信号进行信息处理,得到撞击信号特征,实现了撞击信号特征的提取,基于撞击信号特征确定雾滴质量参数,基于各雾滴采集板的雾滴质量参数及其位置参数确定预设区域内的雾滴分布结果,通过上述方案,实现自动检测雾滴分布情况,解决了测量效率低的问题。
[0012]应当理解,本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征,也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0013]为了更清楚地说明本专利技术实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本专利技术的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
[0014]图1是根据本专利技术实施例一提供的一种大流量喷头的雾滴分布检测方法的流程图;图2是根据本专利技术实施例二提供的一种大流量喷头的雾滴分布检测方法的流程图;图3是根据本专利技术实施例二提供的一种功率谱密度信号曲线滤波处理图;图4是根据本专利技术实施例二提供的一种分割、分段方法处理图;图5是根据本专利技术实施例二提供的一种功率谱密度信号曲线分割序列图;图6是根据本专利技术实施例二提供的一种功率谱密度信号曲线分段特征序列图;图7是根据本专利技术实施例三提供的一种大流量喷头的雾滴分布检测方法的流程图;图8是根据本专利技术实施例四提供的一种大流量喷头的雾滴分布检测装置的结构示意图;图9是根据本专利技术实施例五提供的一种大流量喷头的雾滴分布检测系统的结构示意图;
图10(a)是根据本专利技术实施例五提供的一种加速度信号时域图谱;图10(b)是根据本专利技术实施例五提供的一种位移信号时域图谱;图11是根据本专利技术实施例五提供的一种大流量喷头的雾滴分布检测系统的结构示意图;图12是根据本专利技术实施例五提供的一种振动采集模块的结构示意图;图13是实现本专利技术实施例的大流量喷头的雾滴分布检测方法的电子设备的结构示意图。
具体实施方式
[0015]为了使本
的人员更好地理解本专利技术方案,下面将结合本专利技术实施例中的附图,对本专利技术实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本专利技术一部分的实施例,而不是全部的实施例。基于本专利技术中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本专利技术保护的范围。
[0016]需要说明的是,本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以 外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0017]实施例一图1为本专利技术实施例一提供的一种大流量喷头的雾滴分布检测方法的流程图,本实施例可适用于自动检测喷头喷洒雾滴分布的情况,该方法可以由大流量喷头的雾滴分布检测装置来执行,该大流量喷头的雾滴分布检测装置可以采用硬件和/或软件的形式实现,该大流量喷头的雾滴分布检测装置可配置于计算机终端中。如图1所示,该方法包括:S110、获取雾滴撞击预设区域内各雾滴采集板所产生的激振信号。
[0018]在本实施中,预设区域是指喷头喷洒雾滴所覆盖的区域。在喷头所喷洒覆盖的预设区域内,可以设置有多个雾滴采集板,各雾滴采集板可以同时采集雾滴撞击雾滴采集板所产生的激振信本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种大流量喷头的雾滴分布检测方法,其特征在于,包括:获取雾滴撞击预设区域内各雾滴采集板所产生的激振信号;对每一雾滴采集板所产生的激振信号进行信息处理,得到撞击信号特征,基于所述撞击信号特征确定雾滴质量参数;基于各所述雾滴采集板的雾滴质量参数及位置参数确定所述预设区域内的雾滴分布结果。2.根据权利要求1所述的方法,其特征在于,所述对每一雾滴采集板所产生的激振信号进行信息处理,得到撞击信号特征,包括:对于任一雾滴采集板,基于所述雾滴采集板所产生的激振信号确定功率谱密度信号曲线;对所述功率谱密度信号曲线进行特征提取,得到撞击信号特征。3.根据权利要求2所述的方法,其特征在于,所述对所述功率谱密度信号曲线进行特征提取,得到撞击信号特征,包括:将所述功率谱密度信号曲线进行分割处理,得到分割信号序列;对所述分割信号序列进行错位分段提取,得到撞击信号特征。4.根据权利要求3所述的方法,其特征在于,所述对所述分割信号序列进行错位分段提取,得到撞击信号特征,包括:基于预设分段宽度和预设错位步长,依次在所述分割信号序列中进行错位分段提取,得到撞击信号特征。5.根据权利要求1所述的方法,其特征在于,所述基于所述撞击信号特征确定雾滴质量参数,包括:将所述撞击信号特征输入至预先训练完成的雾滴单元识别模型,得到所述撞击信号特征对应的雾滴质量参数,其中,所述预先训练完成的雾滴单元识别模型由样本特征库中的雾滴质量参数和撞击信号特征,对初始神经网络模型进行训练得到。6.根据权利要求5所述的方法,其特征在于,所述雾滴单元识别模型通过如下步骤预先训练得到:获取样本特征库;将所述样本特征库中的多组标定雾滴单元质量参数、以及各所述标定雾滴单元质量参数对应的雾滴单元撞击信号特征作为模型训练样本;基于所述模型训练样本对初始神经网络模型进行训练,得到所述雾滴单元识别模型,其中,所述初始神经网络模型由卷积神经网络构成。7.根据权利要求1所述的方法,其特征在于,所述基于各所述雾滴采集板的雾滴质量参数及其位置参数确定所述预设区域内的雾滴分布结果,包括:根据各所述雾滴采集板在预设区域内...

【专利技术属性】
技术研发人员:陈晨薛新宇周立新顾伟丁素明蔡晨周晴晴崔龙飞乐飞翔
申请(专利权)人:农业农村部南京农业机械化研究所
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1