System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及一种用于探测颗粒的特征的传感器组件,该传感器组件包括:a)用于发射电磁辐射的发射器;b)用于接收从发射器发射的辐射并根据接收到的辐射提供探测器信号的探测器;c)测量体积,其可以由发射器通过辐射的方式照射、用于接收流过的颗粒;d)用于将探测器信号数字化的数字化单元;e)用于评估探测器信号的评估单元。本专利技术还涉及一种使用用于探测颗粒特征的传感器组件来确定颗粒的特征的方法。
技术介绍
1、此类用于确定颗粒的特征(例如颗粒的大小或速度)的设备是现有技术中已知的。因此,de 10 2019 209 213 a1披露了一种用于确定颗粒位置和颗粒大小的传感器组件,其中激光束的强度和偏振通过模式转换装置而在空间上变化。
2、然而,在现有技术已知的设备的情况下,确定颗粒的形状所需的努力相对较高。
3、专利技术目的
4、因此,本专利技术的目的是提供一种设备,利用该设备可以更快速地确定颗粒的特征、特别是它们的形状。此外,本专利技术的目的是详细说明一种用于使用这种设备确定颗粒的特征的方法。
技术实现思路
1、根据本专利技术,该目的通过权利要求1所述的设备来实现。使用设备的根据本专利技术的方法的特征在权利要求10中详细说明。有利的构型由引用其的相应从属权利要求产生。
2、根据本专利技术的设备具有以下特征:
3、f)存储在评估单元中的用于机器学习的经训练的算法,该算法构造用于通过探测器信号确定颗粒的至少一个特征。
4、用
5、评估单元优选地包括其上存储用于机器学习的算法的计算机。特别地,评估单元还包括外部计算机资源,包括服务器或数据存储器形式的外部计算机资源,优选地用于执行云计算。用于机器学习的算法特别地构造为神经网络。优选地使用与流过测量体积的已知颗粒的特征相关的探测器信号来训练用于机器学习的算法。优选地,训练用于机器学习的算法以将探测到的颗粒配置分类、例如分类为颗粒的团聚(agglomeration),和/或以通过回归从不同的探测器信号中确定颗粒的特征,例如相关的颗粒的球形度,作为球体可以如何很好地表示颗粒的形状的特性指标。用于机器学习的算法允许通过传感器组件来确定每个颗粒的选定特征,比如其大小和/或形状。
6、根据本专利技术的传感器组件有利地不需要与图像识别软件结合的相机来确定颗粒的形状。与现有技术中已知的设备相比,传感器组件可以显著加速颗粒的特征、特别是颗粒的形状的识别。每秒可以确定106个颗粒的特征。特别地,可以准实时地确定运行过程中颗粒的形状。这使得能够在线控制化学过程,特别是要生产特定形状的颗粒和/或具有尽可能低的聚合体数量的过程。除其他外,传感器组件可以用于探测化学过程中的聚合体(agglomeraten)、颗粒生产中的形状偏差、过程中的污染、粒状食品(咖啡豆、谷物、面粉等)中的异物颗粒、和/或颗粒悬浮液中的气泡。
7、在本申请的上下文中,颗粒特别地应理解为是指比如悬浮颗粒等的颗粒。训练特别地应理解为学习方法或过程。术语“特征”特别是指相关的颗粒的性质,比如颗粒的特定大小、颗粒的特定形状等。术语“具有已知特征的颗粒”特别地是指其要检查的特征在通过用于机器学习的算法计算之前被确定的颗粒。
8、有利地,传感器组件的特征在于另外的发射器和/或另外的探测器。可以使用多个发射器将辐射从多个方向指向颗粒处。可以使用多个探测器来测量颗粒在多个方向上或在不同偏振下散射的辐射。通过组合从不同入射或散射方向获得的信号,可以显著提高测量结果的精度。
9、优选地,传感器组件的特征在于探测器信号包括探测器接收到的辐射的强度、偏振和/或散射角。辐射被颗粒散射和/或吸收,结果是颗粒的形状或位置可以根据强度的分布并且特别是相关联的散射角来确定。颗粒还改变入射在颗粒上的辐射的偏振,结果是辐射的偏振也可以用于确定颗粒的形状和位置。通过组合这些测量值,可以有利地提高选定颗粒特征的结果的精度。
10、在有利的构型中,颗粒的特征包括相应颗粒的大小、针对相应颗粒的形状的参数、预定的颗粒类别、每两个颗粒之间的距离、颗粒的重叠、相应颗粒的飞行方向、相应颗粒的速度、和/或相应颗粒的空间取向。
11、颗粒的大小优选在100nm与10mm之间、特别地在1μm与100μm之间。要测量的颗粒的大小特别地取决于测量体积中的辐射场的大小。射束直径为20μm时,颗粒的直径典型地在1μm至10μm的范围内。通过增加射束直径,也可以表征直径为几毫米的颗粒。颗粒的速度典型地为0.5m/s至100m/s。
12、对于具有近似椭圆形截面的颗粒,颗粒的形状可以通过数值偏心率和/或半轴之比(这里称为椭圆率)来表征。颗粒重叠特别地应理解为是指一个颗粒与另一颗粒部分地合并。重叠典型地发生在颗粒的聚合体中。
13、例如,通过相对于相应颗粒的轨迹的角度大小(特别是0°至360°)或者通过相对于辐射的射束方向的角度大小(特别是0°至180°)来指示取向。两个颗粒可以具有相对于彼此的任何取向。颗粒可能在射束方向上被另一个颗粒完全或部分遮挡。
14、上述实施方式的有利发展规定,预定的颗粒类别具有特征值以区分单个颗粒、颗粒的团聚和/或两个单个颗粒的重合(koinzidenz)。如果在测量体积中测量到单个颗粒,则颗粒类别的特征值优选为零,如果存在颗粒的重合,则颗粒类别的特征值优选为一,这特别地应理解为是指在测量体积中探测到多个间隔开的颗粒,和/或如果在测量体积中存在聚合体,则颗粒类别的特征值优选为二,这特别地应理解为是指测量体积中的多个颗粒形成团。在重合的情况下,颗粒之间的距离通常是辐射的射束直径的大小的数量级或以下。例如,当射束直径为20μm时,该距离典型地为10μm或更小。
15、传感器组件的进一步改进的特征在于用于,在通过使用探测器信号确定颗粒的选定特征之前预处理探测器信号的装置。预处理特别地包括对探测器信号进行数字滤波、计算不同的探测器信号、切除相关探测器信号的时间段、和/或对探测器信号求平均。因此,可以有利地从探测器信号中去除噪声信号和/或可以在借助用于机器学习的算法进行处理之前组合探测器信号。经预处理的探测器信号可以在预处理后被存储以供以后使用,或者在预处理后立即用作用于在评估单元中进行处理的输入。
16、在传感器组件的进一步变体中,用于机器学习的算法构造为学习矢量量化(lvq)算本文档来自技高网...
【技术保护点】
1.一种用于探测颗粒(12)的特征的传感器组件(10I,10II,10III,10IV),包括:
2.如权利要求1所述的传感器组件,其特征在于另外的发射器(14)和/或另外的探测器(18a,18b)。
3.如前述权利要求中任一项所述的传感器组件,其特征在于,所述探测器信号包括由所述探测器(18a,18b)接收的所述辐射(16)的强度、偏振和/或散射角。
4.如前述权利要求中任一项所述的传感器组件,其特征在于,所述颗粒(12)的特征包括相应颗粒(12)的大小、针对相应颗粒(12)的形状的参数、预定的颗粒类别、每两个颗粒(12)之间的距离、颗粒(12)的重叠、相应颗粒(12)的飞行方向、相应颗粒(12)的速度、和/或相应颗粒(12)的空间取向。
5.如权利要求4所述的传感器组件,其特征在于,所述预定的颗粒类别具有特征值,以用于区分单个颗粒(12)、颗粒(12)的团聚和/或两个单个颗粒(12)的重合。
6.如前述权利要求中任一项所述的传感器组件,其特征在于装置(30a),所述装置用于,在通过使用所述探测器信号确定所述颗粒(12
7.如前述权利要求中任一项所述的传感器组件,其特征在于,用于机器学习的算法(28)构造为学习矢量量化算法(LVQ-算法)、密集层神经网络和/或长短期记忆神经网络。
8.如前述权利要求中任一项所述的传感器组件,其特征在于分束器(34)、射束成形元件(38a-38e)、光电探测器(18a,18b)、偏振元件(40)和/或射束吸收器(42)。
9.如前述权利要求中任一项所述的传感器组件,其特征在于,所述电磁辐射(16)包括光。
10.一种利用用于探测颗粒(12)的特征的传感器组件(10I–10IV)、特别是利用如前述权利要求中任一项所述的传感器组件(10I–10IV)来确定颗粒(12)的特征的方法,包括以下步骤:
11.如权利要求10所述的方法,其特征在于,将具有已知特征的颗粒(12)引导通过所述测量体积(20),以便测量所述探测器(18a,18b)的测试信号。
12.如权利要求10至11中任一项所述的方法,其特征在于用于训练所述用于机器学习的算法(28)的以下步骤,所述用于机器学习的算法用于通过所述探测器(18a,18b)的信号来确定颗粒(12)的选定特征:
...【技术特征摘要】
【国外来华专利技术】
1.一种用于探测颗粒(12)的特征的传感器组件(10i,10ii,10iii,10iv),包括:
2.如权利要求1所述的传感器组件,其特征在于另外的发射器(14)和/或另外的探测器(18a,18b)。
3.如前述权利要求中任一项所述的传感器组件,其特征在于,所述探测器信号包括由所述探测器(18a,18b)接收的所述辐射(16)的强度、偏振和/或散射角。
4.如前述权利要求中任一项所述的传感器组件,其特征在于,所述颗粒(12)的特征包括相应颗粒(12)的大小、针对相应颗粒(12)的形状的参数、预定的颗粒类别、每两个颗粒(12)之间的距离、颗粒(12)的重叠、相应颗粒(12)的飞行方向、相应颗粒(12)的速度、和/或相应颗粒(12)的空间取向。
5.如权利要求4所述的传感器组件,其特征在于,所述预定的颗粒类别具有特征值,以用于区分单个颗粒(12)、颗粒(12)的团聚和/或两个单个颗粒(12)的重合。
6.如前述权利要求中任一项所述的传感器组件,其特征在于装置(30a),所述装置用于,在通过使用所述探测器信号确定所述颗粒(12)的选定特征之前预处理所述探测器信号。
【专利技术属性】
技术研发人员:H·哈特曼,S·亨格斯巴赫,M·弗奇,
申请(专利权)人:科安德有限公司,
类型:发明
国别省市:
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。