发明名称 耐火砖内部质量在线检测装置
摘要 耐火砖内部质量在线检测装置,包括硬件系统和软件系统,其特点是所述硬件系统采用模块化结构,包括主处理模块、声音采集模块、PC机串口通信模块、辅助外设模块和敲击控制模块;DSP主处理模块的主处理芯片为TMS320V5509A芯片,芯片通过外部存储器接口这一片内外设对外部存储空间进行管理,外部存储空间被分成CE0-CE3,每一个空间都有一个片选使用信号/CEn。所述软件系统,提出了一套利用耐火砖敲击声音信号进行耐火砖内部缺陷检测与诊断方法,并开发了相应的软件。本发明解决了耐火砖内部质量检测方法落后的问题,使耐火砖内部缺陷检测装置运行稳定、快速、操作简单、功能完备,完全满足耐火砖内部质量在线检测的需要。可以应用在耐火砖生产厂,帮助其提高生产质量与效率。
申请公布号 CN101701935B 申请公布日期 2012.03.07
申请号 CN200910220103.8 申请日期 2009.11.24
申请人 东北大学 发明人 贾明兴;孟庆宇
分类号 G01N29/04(2006.01)I;G01N29/12(2006.01)I;G01N29/44(2006.01)I;G06F9/44(2006.01)I 主分类号 G01N29/04(2006.01)I
代理机构 沈阳利泰专利商标代理有限公司 21209 代理人 刘忠达
主权项 1.耐火砖内部质量在线检测装置,包括硬件系统和软件系统,其特征在于:1)所述硬件系统采用模块化结构,包括主处理模块、声音采集模块、串口通信模块、辅助外设模块和敲击控制模块;DSP主处理模块的主处理芯片为TMS320VC5509A,主处理芯片TMS320VC5509A通过外部存储器接口这一片内外设对外部存储空间进行管理,外部存储空间被分成CE0-CE3,每一个空间都有一个片选使用信号/CEn;主处理芯片TMS320VC5509A外部扩展了一片512K字节的FLASH和一片4M字节的SDRAM;声音采集模块的芯片采用TLV320AIC23声音编解码器,TLV320AIC23声音编码器利用主处理芯片TMS320VC5509A内的两个独立的通道进行通信,通过DSP总线的I<sup>2</sup>C总线控制TLV320AIC23的端口配置寄存器,DSP总线的双向数据通道McBSP传输数字音频信号;串口通信模块的异步通信接口选用TL16C550,用以实现与主处理芯片TMS320VC5509A的串口通信;辅助外设模块,包括电源与时钟模块、复位模块、JTAG接口、LCD显示接口和键盘输入接口;电源芯片采用TPS73HD301,时钟模块的晶振芯片为20MHz外部晶体;上述主处理芯片TMS320VC5509A的D[15:0]、A[10:1]、/CEX、CLKMEN、/SDRAS、/SDCAS、/SDWE、/BE[1:0]、A[0]、A[13]、A[12]、SDA10管脚分别与SDRAM的D[15:0]、A[9:0]、/CS、CLK、/RAS、/CAS、/WE、/DQM[H:L]、BA[1]、BA[0]、A[11]、A[10]管脚相连;主处理芯片TMS320VC5509A的D[15:0]、A[13:1]、/CE1、/AOE、/AWE管脚分别与FLASH的D[15:0]、A[12:0]、/CS、/OE、/WE管脚相连;FLASH的A[18:13]管脚与XC95144XL-10IQ144C的IO[57:52]管脚相连;主处理芯片TMS320VC5509A的CLKRX0、DX0、DR0、FSRX0、SCL、SDA管脚分别与TLV320AIC23的BCLK、DIN、DOUT、LRCOUT、SCLK、SDIN管脚相连;TLV320AIC23的/CS、MODE管脚与地相连;TLV320AIC23的MICIN、MICBIAS管脚分别与麦克信号和麦克偏差信号相连;主处理芯片TMS320VC5509A的D[7:0]、A[3:1]管脚分别与TL16C550的D[7:0]、A[2:0]管脚相连;XC95144XL-10IQ144C的IO[48]、IO[49]、IO[50]、IO[51]管脚分别与TL16C550的/CS2、/WR1、/RD1、MR管脚相连;主处理芯片TMS320VC5509A的D[7:0]、A[13,3:0]、/AOE、/AWE、/ARE、CE[3:0]、/BE[1:0]、HPIEN、GPIO[7:0]、CLKOUT、HPIDATA管脚分别与XC95144XL-10IQ144C的IO[7:0]、IO[12:8]、IO[13]、IO[14]、IO[15]、IO[19:16]、IO[21:20]、IO[22]、IO[30:23]、IO[31]、IO[32]管脚相连;XC95144XL-10IQ144C的IO[58]、IO[59]管脚分别与敲击装置的敲击信号和位置信号相连;XC95144XL-10IQ144C的IO[67:60]、IO[68]、IO[69]、IO[70]、IO[71]管脚分别与T6963C的DB[7:0]、C/D、/CE、/WR、/RD管脚相连;XC95144XL-10IQ 144C的IO[72]、IO[73]、IO[74]、IO[75]、IO[76]、IO[77]管脚分别与键盘相应管脚相连;2)所述软件系统,提出了一套利用耐火砖敲击声音信号进行耐火砖内部缺陷检测与诊断的方法,并开发了相应的软件;A、检测与诊断方法包括敲击声音信号预处理算法、建模算法、分析算法:预处理算法为:使用FIR滤波器滤掉现场敲击声音信号中的噪声,用短时能量和短时平均过零率双门限方法提取敲击信号,用Welch谱估计方法估计其功率谱,将功率谱峰值点的频率和幅值信息提取出来,作为分析处理的特征数据;建模算法为:首先利用正常耐火砖特征数据,采用PCA方法建立检测模型;设X,n×m是经过预处理后由正常耐火砖敲击获得的声音特征数据矩阵,该数据矩阵经过标准化处理,即每个变量都减去均值除以标准差,其中m为变量数,n为样本数;利用主元分析把数据矩阵X∈R<sup>n×m</sup>分解为得分T<sub>r</sub>∈R<sup>n×r</sup>以及负荷矩阵P<sub>r</sub>∈R<sup>m×r</sup>的乘积;<maths num="0001"><![CDATA[<math><mrow><mi>X</mi><mo>=</mo><msub><mi>T</mi><mi>r</mi></msub><msubsup><mi>P</mi><mi>r</mi><mi>T</mi></msubsup><mo>+</mo><mi>E</mi></mrow></math>]]></maths>T<sub>r</sub>=XP<sub>r</sub>用T<sub>r</sub><sup>2</sup>和E<sup>2</sup>来实现故障检测;T<sub>r</sub><sup>2</sup>统计量服从F分布,E<sup>2</sup>统计量服从卡方分布,于是可以得到置信度α下的控制限T<sub>r,α</sub><sup>2</sup>、E<sup>2</sup><sub>α</sub>;然后利用已知类别的缺陷耐火砖特征数据采用FDA方法建立诊断模型;首先定义n为缺陷样本的个数,m为变量的个数,p为缺陷类数,n<sub>j</sub>是第j类缺陷样本数,将第i个样本变量向量表示为x<sub>i</sub>;可把所有类的建模数据放入矩阵X∈R<sup>n×m</sup>中;定义以下三个矩阵:总体离散度矩阵S<sub>t</sub>、类内离散度矩阵S<sub>w</sub>以及类间离散度S<sub>b</sub>矩阵;χ<sub>j</sub>是属于第j类的向量x<sub>i</sub>的集合,则第j类的类内部离散度矩阵S<sub>j</sub>定义为:<maths num="0002"><![CDATA[<math><mrow><msub><mi>S</mi><mi>j</mi></msub><mo>=</mo><mfrac><mn>1</mn><msub><mi>n</mi><mi>j</mi></msub></mfrac><munder><mi>&Sigma;</mi><mrow><msub><mi>x</mi><mi>i</mi></msub><mo>&Element;</mo><msub><mi>&chi;</mi><mi>j</mi></msub></mrow></munder><mrow><mo>(</mo><msub><mi>x</mi><mi>i</mi></msub><mo>-</mo><msub><mover><mi>x</mi><mo>&OverBar;</mo></mover><mi>j</mi></msub><mo>)</mo></mrow><msup><mrow><mo>(</mo><msub><mi>x</mi><mi>i</mi></msub><mo>-</mo><msub><mover><mi>x</mi><mo>&OverBar;</mo></mover><mi>j</mi></msub><mo>)</mo></mrow><mi>T</mi></msup></mrow></math>]]></maths>其中:<img file="FSB00000680687700032.GIF" wi="38" he="52" />为第j类的总体样本平均值向量为<img file="FSB00000680687700033.GIF" wi="267" he="124" />类内离散度矩阵S<sub>w</sub>定义为:<maths num="0003"><![CDATA[<math><mrow><msub><mi>S</mi><mi>w</mi></msub><mo>=</mo><munderover><mi>&Sigma;</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>p</mi></munderover><mi>p</mi><mrow><mo>(</mo><msub><mi>w</mi><mi>j</mi></msub><mo>)</mo></mrow><msub><mi>S</mi><mi>j</mi></msub></mrow></math>]]></maths>其中p(w<sub>j</sub>)第j类的先验概率,p(w<sub>j</sub>)=1/p;类间离散度矩阵S<sub>b</sub>定义为:<maths num="0004"><![CDATA[<math><mrow><msub><mi>S</mi><mi>b</mi></msub><mo>=</mo><munderover><mi>&Sigma;</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>p</mi></munderover><mi>p</mi><mrow><mo>(</mo><msub><mi>w</mi><mi>j</mi></msub><mo>)</mo></mrow><mrow><mo>(</mo><msub><mover><mi>x</mi><mo>&OverBar;</mo></mover><mi>j</mi></msub><mo>-</mo><mover><mi>x</mi><mo>&OverBar;</mo></mover><mo>)</mo></mrow><msup><mrow><mo>(</mo><msub><mover><mi>x</mi><mo>&OverBar;</mo></mover><mi>j</mi></msub><mo>-</mo><mover><mi>x</mi><mo>&OverBar;</mo></mover><mo>)</mo></mrow><mi>T</mi></msup></mrow></math>]]></maths>其中:<img file="FSB00000680687700036.GIF" wi="31" he="36" />为总体样本平均值向量为<img file="FSB00000680687700037.GIF" wi="243" he="132" />FDA通过对以下目标函数寻优求得能代表不同故障类最优分离的方向,即寻找最优的FDA向量;其目标函数为:<maths num="0005"><![CDATA[<math><mrow><munder><mi>max</mi><mrow><mi>v</mi><mo>&NotEqual;</mo><mi>&theta;</mi></mrow></munder><mfrac><mrow><msup><mi>w</mi><mi>T</mi></msup><msub><mi>S</mi><mi>b</mi></msub><mi>w</mi></mrow><mrow><msup><mi>w</mi><mi>T</mi></msup><msub><mi>S</mi><mi>w</mi></msub><mi>w</mi></mrow></mfrac></mrow></math>]]></maths>通过求解得到特征向量为w<sub>1</sub>,w<sub>2</sub>,...,w<sub>r</sub>,构造r个判别函数:<img file="FSB00000680687700039.GIF" wi="280" he="78" />i=1,...,r使得p类数据投影到r维空间后,实现不同类别数据的最优分离;分析算法为:对于一个新获得的声音特征数据x∈R<sup>m×1</sup>,x′为经过标准化后的样本,其中<img file="FSB000006806877000310.GIF" wi="221" he="113" />为x′的第j个元素,j=1,2...,m,<img file="FSB000006806877000311.GIF" wi="44" he="68" />为建模标本第j个变量平均值,S<sub>j</sub>为建模样本第j个变量的方差,那么其得分和残差向量可以分别由下式计算得到;t=x′P<sub>r</sub>,<maths num="0006"><![CDATA[<math><mrow><mi>e</mi><mo>=</mo><msup><mi>x</mi><mo>&prime;</mo></msup><mrow><mo>(</mo><mi>I</mi><mo>-</mo><msub><mi>P</mi><mi>r</mi></msub><msubsup><mi>P</mi><mi>r</mi><mi>T</mi></msubsup><mo>)</mo></mrow></mrow></math>]]></maths>进而可以得到两个统计量:T<sub>r</sub><sup>2</sup>=t<sup>T</sup>λ<sup>-1</sup>t,E<sup>2</sup>=e<sup>T</sup>e若T<sub>r</sub><sup>2</sup>统计量和E<sup>2</sup>统计量有一个超过了控制限,则表明该耐火砖为有缺陷砖,否则为质量合格砖;对于一个被检测的耐火砖样本x∈R<sup>m×1</sup>,若经过前面主成分分析检测被确定为有缺陷样本,则可通过计算<img file="FSB00000680687700042.GIF" wi="556" he="142" /><img file="FSB00000680687700043.GIF" wi="165" he="74" />为第j类的第l个判别函数均值,若<img file="FSB00000680687700044.GIF" wi="304" he="98" />则判断x∈j类;B、开发的软件包括DSP初始化程序模块、数据预处理程序模块、建立模型程序模块、检测程序模块、键盘和显示程序模块;所述DSP初始化程序模块的初始化程序主要包括:时钟初始化函数DPLL_Init;EMIF初始化函数SDRAM_init、EMIF_init;定时器初始化函数TIMER_init;AIC23初始化函数McBSP0_InitSlave、I2C_Init;所述数据预处理程序模块的预处理程序包括FIR滤波器函数fir2、短时能量和短时平均过零率双门限敲击信号提取函数begin_point、Welch估计其功率谱函数cpsd、功率谱峰值点的频率和幅值特征点提取函数extract;所述建立模型程序模块包括PCA模型函数PCA_Modelling、FDA模型函数为FDA_Modelling;所述检测程序模块包括缺陷检测函数为analysis;所述键盘和显示程序模块,系统通过键盘和LCD液晶显示进行人机交互,利用键盘进行系统设置,使用显示能力为128列×64行的LCD液晶显示屏完成键盘操作提示,系统运行显示功能。
地址 110004 辽宁省沈阳市和平区文化路3号巷11号