【技术实现步骤摘要】
本专利技术涉及深度学习，具体地说，尤其涉及一种基于ceemdan-gbdt-arma算法的青贮玉米收获机金属异物早期检测方法。
技术介绍
1、我国青饲料播种面积逐年扩大，对青贮机的需求急剧增加。青饲料种植田间常会遗留金属异物，以铁丝等铁质金属居多，青贮机在作业时，如果田间遗留的金属异物混入饲草，将对机器关键零部件可靠性和牲畜生命健康产生威胁。在青贮机上安装灵敏、可靠的金属探测系统，成为青贮机行业和国家农业装备发展的迫切需求。金属检测大多数利用电磁感应原理进行探测，金属异物进入构建磁场中对磁场产生影响。如果金属探测不灵敏，会损伤青贮机，威胁牲畜的生命健康。
2、申请公布号为cn 112578467 a的专利文献公开了一种青贮饲料收获机的磁性金属检测装置及其检测方法，具体公开了以下方法：在青贮饲料经进料辊进入进料口的过程中如有磁性金属通过，三个传感器线圈基于电磁感应原理会分别响应出电压信号v1，v2和v3，三个电压信号分别经信号处理板内的三个运算放大器差分放大、三个高通滤波器和三个低通滤波器滤波后，由模数转换器转换为数字检测信号送入处理器，如检测信号超过设定阈值，处理器控制阈值开关输出阈值开关信号到急停装置，使急停装置启动，停止进料辊运转。虽然该方法可以检测农作物饲料中是否带有磁性金属，在检测到磁性金属时输出阈值开关信号，避免损坏青贮饲料收获机的内部刀具，但是该方法检测的灵敏度不高，并且需要磁性金属完全通过进料口才能检测到，具有一定的滞后性，在此过程中磁性金属异物很可能已经对刀具造成损坏。
技
1、本专利技术目的是提供一种基于ceemdan-gbdt-arma算法的青贮玉米收获机金属异物早期检测方法，以克服现有技术中青贮玉米收获机金属异物检测灵敏度不高且具有滞后性的缺陷。
2、本专利技术是采用以下技术方案实现的：
3、一种基于ceemdan-gbdt-arma算法的青贮玉米收获机金属异物早期检测方法，包括以下步骤，
4、s1：在青贮玉米收获机物料喂入口安装通电线圈，线圈与电容并联组成振荡电路，线圈通电在喂入口产生交变磁场；
5、s2：金属异物进入磁场后对线圈等效电阻电感产生影响，检测模块检测到电阻电感发生变化后，通过对线圈与电容、电源构成的振荡电路进行检测获得数据，并通过总线将监测数据传输至控制模块；
6、s3：利用ceemdan算法进行通电线圈数据预处理，将获取的数据进行数据滤波处理，去除噪声；
7、s4：控制模块通过运用amra算法处理得到的数据构建模型，运用arma自回归移动平均模型的方法进行时间序列分析，得到数据发展趋势，判断是否有金属异物进入；
8、s5：运用gdbt算法通过回归树，构建损失函数，对arma模型进行优化调参；
9、s6：将最终处理数据通过串口传输至显示终端，显示终端可设置阈值，存在金属异物得到的数据与阈值进行对比，当数据超过阈值进行声光报警等处理。
10、进一步的，步骤s2中，根据检测数据计算获得联振荡电路中频率数据，振荡电路中频率的公式：
11、
12、在(1)式中，f表示频率，l表示线圈等效电感，c表示电容；
13、进一步的，在步骤s3中，通过ceemdan算法对数据滤波处理的方法包括：假设原信号为s(t)，在原信号中加入白噪声信号得到表达式s(t)+(-1)abfi(t)，表达式中b表示噪声的幅值，a在1，2中进行取值使表达式中得到的白噪声进行取正负选择，对信号进行edm分解，得到第一阶imf分量，重复n次，
14、s(t)+(-1)abfi(t)＝imfi(t)+r1i(t) (2)
15、f(t)是添加的白噪声序列，i为分解添加次数(i＝1，2，3，......n)，为分解之后剩余值，对获得所有分量求平均值，得到第一阶分量由(2)式变形求出
16、
17、在(2)式变形求均值的同时，由于取值1，2影响正负，在求均值过程中可以抵消白噪声，实现去噪；
18、由(2)、(3)公式推出剩余分量
19、
20、对于剩余分量在进行加入白噪声信号r1(t)+(-1)abfi(t)，对信号进行edm分解，得到二阶分量重复上述步骤直至获得的剩余分量的极值点数小于2，得到最终剩余分量r(t),使得得到数据进行有效分解，减小误差。
21、进一步的，在步骤s4中，arma模型构建方法包括：
22、对于平稳时间序列y(t)，其arma(p，q)模型可表示为：
23、y(t)＝a+b1yt-1+b2yt-2+.....+bpyt-p+αt-c1αt-1.....-cqαt-q (5)
24、在(5)式中，a，b，c都为参数，α为白噪声，p代表本身滞后项对y影响，q代表扰动项对于时间序列影响，引入滞后因子l，可化简为
25、b(l)yt＝c(l)α1 (6)
26、arma模型到达平稳可逆条件b(l),c(l)根都在单位圆外，对于p，q的取值进行尝试与检验，确定建立模型。
27、进一步的，在步骤s5中，运用gdbt算法对arma模型进行优化调参,算法的核心是消除残差，最后得到检测函数y是多个弱学习器累加的模型，具体方法是：
28、将arma算法中p，q建立一个数据集用w表示,寻找近似函数，函数可以表示为
29、
30、在(7)式中e1表示为回归树参数，d为设置的回归树个数，b表示第几棵回归树，a表示回归树的权重，对于存在x样本，使损失函数k最小，得出检测数据最优解，
31、
32、在(8)式中y*表示得到的数据参数，u表示为输出数据，w表示为输入数据，y函数表示为检测函数，具体过程如下，
33、定义模型的初始值，y(w)可以用最优基函数f加权和表示
34、
35、每一次迭代建立学习器，得出训练样本t＝{(wi；ui)}x通过迭代得出检测目标得出损失函数k为
36、
37、减小损失函数的值对损失函数求梯度，求偏f方向
38、
39、训练决策树，拟合数据
40、
41、表示训练后得到的回归树参数，对于给定一个步长r,在构建下一个树时，使用步长乘以残差值作为输入，减少过拟合的发生
42、
43、求出第i棵树的值，得到y函数，
44、fi＝r*bi(w,e*) (14)
45、yi＝yi-1+fi (15)
46、当y达到检测目标，迭代完成。
47、与现有技术相比，本专利技术的有益效果是：本专利技术根据电磁感应原理，利用线圈构建振荡电路，金属感应电动势和本文档来自技高网...
【技术保护点】
1.一种基于Ceemdan-GBDT-ARMA算法的青贮玉米收获机金属异物早期检测方法，其特征在于：包括以下步骤，
2.根据权利要求1所述的一种基于Ceemdan-GBDT-ARMA算法的青贮玉米收获机金属异物早期检测方法，其特征在于：步骤S2中，根据检测数据计算获得联振荡电路中频率数据，振荡电路中频率的公式：
3.根据权利要求1所述的一种基于Ceemdan-GBDT-ARMA算法的青贮玉米收获机金属异物早期检测方法，其特征在于：在步骤S3中，通过CEEMDAN算法对数据滤波处理的方法包括：假设原信号为s(t)，在原信号中加入白噪声信号得到表达式s(t)+(-1)abfi(t)，表达式中b表示噪声的幅值，a在1，2中进行取值使表达式中得到的白噪声进行取正负选择，对信号进行EDM分解，得到第一阶IMF分量，重复N次，
4.根据权利要求1所述的一种基于Ceemdan-GBDT-ARMA算法的青贮玉米收获机金属异物早期检测方法，其特征在于：在步骤S4中，ARMA模型构建方法包括：
5.根据权利要求4所述的一种基于Ceemdan-GBDT-
...【技术特征摘要】
1.一种基于ceemdan-gbdt-arma算法的青贮玉米收获机金属异物早期检测方法，其特征在于：包括以下步骤，
2.根据权利要求1所述的一种基于ceemdan-gbdt-arma算法的青贮玉米收获机金属异物早期检测方法，其特征在于：步骤s2中，根据检测数据计算获得联振荡电路中频率数据，振荡电路中频率的公式：
3.根据权利要求1所述的一种基于ceemdan-gbdt-arma算法的青贮玉米收获机金属异物早期检测方法，其特征在于：在步骤s3中，通过ceemdan算法对数据滤波处理的方法包括：假设原信号为s(t)，在原信号中加入白噪声信号得到表达式s(t)+(-1)ab...
【专利技术属性】
技术研发人员：么嘉祥，曹振宇，孙志强，于镇伟，张希升，乔彦锋，田富洋，宋占华，
申请(专利权)人：九方泰禾国际重工青岛股份有限公司，
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。