基于加速度传感器的猪舍刮粪板运行状态监测装置设计与仿真

2019-11-01 02:28胡振楠孙红敏李晓明
农业与技术 2019年17期
关键词:Matlab仿真故障检测

胡振楠 孙红敏 李晓明

摘 要:猪舍刮粪板在运行过程中可能存在清理不彻底、粪道内异物阻碍刮粪板运行、刮粪板损毁等工作人员难以监测的问题,因此设计一种基于加速度传感器的刮粪板运行状态监测装置,并通过MATLAB进行仿真。通过MPU6050传感器获得当前状态下刮粪板的姿态角,采集正常状态下运行数据并运用中值滤波算法消除异常角度波动,由此确定阈值,根据不同角度阈值将刮粪板状态不同故障类型和等级,通过判断运行时刮粪板各与其对应阈值的关系完成对故障的识别和警报。依据预定义的刮粪板运行状态进行MATLAB仿真测试,获得了96.1%的平均准确率。仿真实验表明本装置可用于实际作业状态下对猪舍刮粪板状态的监测。

关键词:猪舍刮粪板运行状态;MPU6050传感器;故障检测;中值滤波;MATLAB仿真

引言

随着养猪产业化的兴起,规模化养猪场越来越多,也越来越大,随之带来的是污粪的清理问题,当前,猪场常用的清粪方式包括水冲式清粪、水泡粪清粪、干清粪[1]。其中干清粪为主流清粪方式,干清粪模式是将动物的粪便和尿液在清理过程中进行分离,然后再进行集中堆放和轉运处理,通常有人工方式和机械方式2种,现代化猪场采用机械式刮粪板清粪系统,其与其他清粪模式相比更有利于节省资源和保护环境[2]。然而,当前刮粪板式清粪仍存在一些不可忽视的问题,刮板在刮除粪污过程中可能存在运行异常,如刮板左右倾角过大而导致清理不彻底、粪道内异物影响刮板前进等情况,异常运行状态下会导致清理不彻底,严重时可能导致设备损毁,这是影响刮粪设备使用寿命的重要因素。本文旨在设计一种猪舍刮粪板状态监测装置,可在工人无法观测到的情况下准确识别故障,在刮粪设备运行过程中实时监控设备是否处于正常工作状态,并可在故障发生时及时将信息反馈给工作人员,达到及时发现及时处理,能在工作人员观察不到的地方发现故障并预警,排除潜在故障的可能、提高污粪清理设备的可靠性以及使用寿命。

1 材料与方法

1.1 实验材料与硬件连接

系统硬件设备分别由STM32单片机、加速度传感器、无线通信模块、液晶显示屏、警报器、供电电源组成,其材料具体信息如表1所示。

主控芯片采用STM32F103,该芯片属于中低端的32位ARM微控制器,是意法半导体(ST)公司出品,其内核是Cortex—M3。芯片集成定时器,CAN,ADC,SPI,I2C,USB,UART,等多种功能[3]。

数据收发模块为NEF24L01,NRF24L01是由 NORDIC 生产的工作在 2.4~2.5GHz 的 ISM频段的单片无线收发器芯片, NRF24L01 采用 SPI 通信,可以实现点对点或是1对多的无线传输,通信速度最高可达到2Mbps。输出功率频道的选择和协议的设置可以通过 SPI 接口设置,可以连接到大多数的单片机芯片,并完成无线数据传送工作[4]。

加速度传感器采用MPU6050型号, MPU6050加速度传感器模块集成了三轴陀螺仪传感器和三轴加速度传感器,分别用了3个 16 位的ADC[5],并有1个可扩展的数字处理器(DMP),可将其检测到的模拟量转化为数字量,MPU6050传感器模块可控制测量范围,提取不同速度的运动参数。通过得到的加速度和角速度能计算出欧拉角,且STM32可通过IIC总线获取传感器的数据值,误差小,精度高[6]。

液晶显示屏采用带有ILI9341芯片控制的液晶屏,故障发生时通过液晶屏显示出故障类型和相关信息,该芯片核心部分是位于中间的 GRAM(Graphics RAM),即显存[7]。GRAM 中每个存储单元对应液晶面板中的1个像素点,由自身其他模块共同把 GRAM 存储单元的数据转化成液晶面板的控制信号,最终显示程序设定的信息。

报警模块通过简单的蜂鸣器实现,当单片机收检测都存在故障时,控制 PNP 型三极管导通[8],使蜂鸣器发声报警。

供电电源选择为锂电池供电方式,电源模块为2组2节串联的锂电池,分别为主从设备供电,2节锂电池串联提供7.4V电源经L298N升压到12V,再经其转换输出电压为3.3V为设备中各模块供电。

猪舍刮粪板状态监测装置硬件框图如图1所示。

1.2 实验设计

基于上述硬件系统,通过对MPU6050采集的数据进行姿态解算获得刮粪板运行的实时角度数据,利用中值滤波算法进行数据处理,获得较为合理的阈值,在此阈值的基础上,对故障进行分类划级,验证本装置在应用中值滤波算法的基础上对故障类型识别的可靠性。

为了保证取得中值的便利性,一般n所取的长度都是奇数,在本次试验中每秒钟可获得10次角度数据,取n,即每0.5s取1次数据,此条件下满足中值滤波条件,且检测时间间隔也较为合理。根据中值滤波原理,针对角度的中值滤波步骤如下。

连续采集n个角度值并进行排序;将中间值返回作为本次有效数据。

中值滤波的优点在于通过中值滤波得到的数据总是可以在输入的原始角度数据中找到,不增加新的数据,保证了数据分析的准确性。

角度检测的过程中存在偶然因素引起的短时间内角度巨幅波动,对阈值的选取可能带来巨大误差,中值滤波方法能有效排除这种由偶然因素产生的波动,最终使阈值贴近真实数据。

下图为通过中值滤波处理过的数据与原始数据的对比图,如图2所示。

原始数据在4.5~5s、5~5.5s、7.5s出现巨幅波动,这种情况由偶然因素引起,滤波后使得角度值更贴近真实值,使用中值滤波的作用在于使得阈值确定更为真实、合理、准确,以免阈值取得过高,在故障发生时不能有效的予以检测警报。

1.2.3 确定阈值

阈值的确定是故障检测的前提,基于MPU6050姿态解算获取的实时角度数据和中值滤波处理,可以获取一组正常运行状态的横滚角(R)、俯仰角(P)、偏航角(Y)的波动范围,正常运行状态下R、P、Y均在±5°内波动。正常运行状态下的3个角度的数据20组,取每组R、P、Y波动的最大范围作为每组的阈值,最后取各角平均阈值作为最终阈值,其中横滚角的阈值为HR=±4.9°、俯仰角的阈值为HP=±4.7°、偏航角的阈值为HY=±4.9°。

以横滚角为例,正常与故障状态下横滚角变化的情况如图3。

在运行过程中,横滚角在4~5.5s、6.5~7.5s间出现正向倾斜,其倾角超过阈值,在5.5~6.5s角出现反向倾斜,其倾角超过阈值,此种情况应发出警报。

2 系统仿真与结果

在本次实验中,研究对象为刮粪板,参数为该刮粪板运行时的横滚角(R),俯仰角(P),和偏航角(Y),对于每个角度都对其设置了相应的阈值,分别为HR、HP、HY,超过阈值范围则处于异常状态,由此,不同的角度组合出来的故障类型也各不相同,为了在发出警报时能反馈准确的故障信息,将故障进行分类划级,详细如表2。

不同的角度异常引起的故障也各不相同,严重程度也不相同,对此,将故障细分为7种类型3个等级,其中污粪清理不彻底为第3等级,粪道下由异物阻碍刮粪板运行为第2级,出现严重故障为第1级别,针对不同等级故障予以不同类型的警报方式。

对应上表不同运行状态下各角的波动如图4所示。

根据上述存在的各类运行状态,我们为检测设备设计故障分类器,输入当前状态下各角度值,经分类5所示。

本系统包含主从设备,其中从设备负责采集传感器信息并通过姿态解算获得当前状态下的角度值,将数据发送至主设备,主设备经初始化后设置各角阈值,然后不断接收数据,经中值滤波器处理获得较为准确的角度值,再经故障分类器进行故障分类,对不同类型故障类型给出不同处理方式,如果是1级故障则立即响起警报,如是其他类型故障则记录相应故障类型和故障位置,待运行结束后将故障信息通过液晶屏反馈给工作人员,在刮粪板运行过程中,实时角度都会对应一个时间t,由此通过设定电机的转速来确定刮粪板的运行速度v,当故障发生时,通过s=vt 得知刮粪板出现故障的位置距离s,整个监测系统流程图如图6所示。

通过实验模拟表2中的8种刮粪板运行状态,针对每种运行状态采集100组角度数据,应用前文所确定的各角度阈值,利用得到的數据进行MATLAB仿真,仿真结果如表3所示,其中W1~W8对应8种状态的测试组,W1~W8分别代表正常、故障1至故障7,G1~G8代表8种状态的结果组,G1~G8分别代表正常、故障1至故障7。本次仿真实验的平均准确率为96.1%。

3 讨论与分析

基于仿真结果,正常状态下的测试组检测为正常的准确率为100%,表明在在实际作业状态下的刮粪板不会将正常状态误报为故障,在W2、W3、W5分别为单个角度故障类型,在此种状态下,有96.7%的准确率,有3.3%的概率误将故障检测为正常,此种状态为3级故障,不影响使用,W4、W6、W7为2级故障状态下有94.3%准确率,其1%的概率检测为正常,4.7%检测为3级故障,W8状态下为99%能检测到该类故障,其中仅有1%检测为2级故障,在实际作业中,该准确率可以满足作业要求。但是在此结果中我们发现,在测试组G4和G6组,在误报的几种类型中,误报为W3类型较少分别各1例,说明在俯仰角相对于横滚角和偏航角更不易检测出来,俯仰角对应的阈值设置偏高,为进一步提高准确率,应合理降低该角对应的阈值。

4 结论

本文通过对刮板式刮粪板运行状态的研究,对不同的故障状态和危害程度予以分类划级,根据不同角度的阈值设计出针对不同故障的检测装置,获得了较高的准确率。随着我国养猪产业逐步过渡为规模化养殖,大量的清粪设备成为猪场的必需,本装置能对刮粪板的运行进行状态监测并能对不同故障予以不同程度的警报,对于清粪设备的维护和使用具有重要意义。本装置在准确率方面还有提升空间,需要在后续的研究中设计更加准确且合理的阈值确定方法。

参考文献

[1] 吴志娟,李文刚,焦福林,等.规模化猪场的粪便处理与利用[J].畜禽业,2017,28(6):46-48.

[2] 贾立松,韩华,魏传祺,等. 刮粪板清粪系统在现代化猪场的应用[J].当代畜牧,2017(2):53-55.

[3] 梁龙兵,李杨,顾玲玲,等.基于STM32F103的健身装置的设计[J].电子世界,2018(8):167-169.

[4] 张春艳,蒋 鹏.基于STM32F103控制的NRF24L01多路无线通信设计[J].现代工业经济和信息化,2017,7(12):97-98.

[5] 王 亮,沈俊杰. 基于两轮自平衡车的姿态数据处理[J].工业控制计算机,2018,31(11):11-13.

[6] 陈才,张弘,罗蓉,等.基于MPU6050传感器的踝足矫形器设计[J].现代计算机(专业版),2018(10):65-68.

[7] 张兴武,赵庆志,张林华,等.基于STM32F103的嵌入式图像采集系统[J].山东理工大学学报(自然科学报),2018(5):23-26.

[8] 常浩,王金江,朱亚培,等.基于STM32F103C8T6的多功能盆栽自动浇水装置的设计[J].科技经济导刊,2018,26(28):11-13.

[9] 张平,刘祚时.基于惯性传感器MPU6050的手势识别方法[J].传感器与微系统,2018,37(01):46-53.

[10] 龚梦龙.中值滤波结合小波变换在光谱去噪中的应用[J].科技与创新,2018(12):152-154.

猜你喜欢
Matlab仿真故障检测
常规PID控制和常规模糊控制的比较
优化网络设备维护提高数据通信传输质量
MATLAB仿真在《控制工程基础》教学中的应用