一种电动执行机构与阀门连接状态检测装置及方法与流程

本申请涉及信号处理及自动化控制领域，具体涉及了一种电动执行机构与阀门连接状态检测装置及方法，用于实现对电动执行机构与阀门连接状态的准确检测。

背景技术：

随着工业智能化的发展，工业生产过程的设备的自动连锁、顺控功能越来越多，在连锁启动泵、风机等设备时都需要提前连锁开启进出口电动门，例如在顺控启动湿式脱硫浆液泵时需要提前关闭浆液排放门，打开浆液泵进口电动门，在实际生产过程中，发现浆液泵进口电动门执行机构的已反馈开到位，浆液泵联启之后振动大造成碱液泵损坏，事故分析发现，浆液泵的进口电动门执行机构工作正常，但电动执行机构与阀门之间的减速机构脱开，虽然电动执行机构工作正常，但是阀门没有开启，造成重要设备的损坏，在工业生产过程中这类问题比较多，存在同样的隐患。

技术实现要素：

为了解决背景技术中的问题，本申请提出了一种电动执行机构与阀门连接状态检测装置，包括：多个信号采集传感器，被配置为采集所述电动执行机构中的多种电信号；信号调理电路，被配置为接收来自所述多个信号采集传感器的多种电信号，以进行信号预处理；信号转换电路，被配置为接收来自所述信号调理电路预处理后的多种电信号，以对所述多种电信号进行模数转换；以及控制模块，被配置为接收来自所述信号转换电路的多种电信号，以根据所述多种电信号检测所述电动执行机构与对应阀门的连接状态。

在一个或多个实施例中，所述多个信号采集传感器包括：电流采集传感器、电压采集传感器以及转速采集传感器；相应的，所述多种电信号包括：电流信号、电压信号以及转速信号。

在一个或多个实施例中，所述控制模块根据接收到的电流信号、电压信号以及转速信号获得瞬时转矩输出值。

在一个或多个实施例中，所述控制模块还根据获得的瞬时转矩输出值与预设的转矩范围进行比较，获得所述电动执行机构与对应阀门的连接状态；其中，若所述瞬时转矩输出值大于等于所述转矩范围的上限，则确定所述电动执行机构与其对应阀门为过力矩连接；若所述瞬时转矩输出值小于等于所述转矩范围的下限，则确定所述电动执行机构与其对应阀门脱连。

在一个或多个实施例中，所述信号调理电路包括：一阶低通滤波子电路、被配置为接收来自所述多个信号采集传感器的多种电信号，以滤除来自外界电场或者磁场感应出的高频噪声；电源滤波子电路，被配置为接收来自所述一阶低通滤波子电路的多种电信号，以滤除来自电源的高频噪声；量程适配子电路，被配置为接收来自所述电源滤波子电路的多种电信号，以对所述多种电信号进行量程适配；一阶有源滤波子电路，被配置为接收来自所述量程适配子电路的多种电信号，以进行再次滤波；以及缓冲子电路，被配置为接收来自所述一阶有源滤波子电路的多种电信号，以对所述多种电信号进行缓冲以及隔离下级信号转换电路。

在一个或多个实施例中，所述信号转换电路包括：多路模拟信号输入通道，被配置为接收来自上级信号调理电路的多种电信号，以对所述多种电信号进行滤波；以及模数转换芯片，被配置为接收来自所述多路模拟信号输入通道的多种电信号，以对所述多种电信号进行模数转换。

此外，本申请还提出了一种电动执行机构与阀门连接状态检测方法，所述检测方法包括：获取所述电动执行机构中的多种电信号；将所述多种电信号输入通过预先训练获得的神经网络模型，获得瞬时转矩输出值；将所述瞬时转矩输出值与预先设置的转矩范围进行比较，判断所述电动执行机构与其对应阀门的连接状态。

在一个或多个实施例中，所述神经网络模型为bp神经网络模型；所述多种电信号包括：电流信号、电压信号以及转速信号。

在一个或多个实施例中，所述将所述瞬时转矩输出值与预先设置的转矩范围进行比较，判断所述电动执行机构与其对应阀门的连接状态，包括：若所述瞬时转矩输出值大于等于所述转矩范围的上限，则确定所述电动执行机构与其对应阀门为过力矩连接；若所述瞬时转矩输出值小于等于所述转矩范围的下限，则确定所述电动执行机构与其对应阀门脱连。

在一个或多个实施例中，所述检测方法还包括：当所述电动执行机构与其对应阀门为过力矩连接或脱连时，所述控制模块向所述电动执行机构发出停机信号。

本申请的有益效果包括：本申请利用经预处理后的电流信号、电压信号以及转速信号输入神经网络模型，以获得瞬时转矩输出值，不但避免了直接使用力矩传感器的诸多问题，如造价高、易损坏，检测值受震动影响较大；且有稳定性好，转矩检测精度高等优点，从实现了对电动执行机构与阀门连接状态的准确判断。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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申请的一些实施例，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实施例。

图1为本申请的一种电动执行机构与阀门连接状态检测装置的结构示意图；

图2为本申请的比例分配器的电路原理图；

图3为本申请的信号调理电路的电路原理图；

图4为本申请的信号转换电路的电路原理图；

图5为本申请的电动执行机构与阀门连接状态检测方法的工作流程图；

图6为本申请的利用bp神经网络模型给出瞬时转矩输出值并做出相应判断的示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本申请实施例进一步详细说明。

需要说明的是，本申请实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本申请实施例的限定，后续实施例对此不再一一说明。

为了解决背景技术中提到的技术问题，本申请设计了一种电动执行机构与阀门连接状态检测装置及方法，具体是通过对电动执行机构输出轴上的转矩进行检测，进而将转矩与预设的转矩范围进行比较，从而实现对电动执行机构与阀门连接状态的检测。在获得电动执行机构输出轴上的转矩的过程中，本申请并申请并未采用转矩传感器，而是利用了电动执行机构中电流、电压以及转速与转矩的关系，通过采集的电流信号、电压信号以及转速信号获得了较为准确的转矩信号。以下将结合具体实施例和附图对本申请进行更加详细的说明。

如图1所示，为本申请的一种电动执行机构与阀门连接状态检测装置的结构示意图。在本申请的一个实施例中，检测装置包括：多个信号采集传感器，被配置为采集所述电动执行机构中的多种电信号；信号调理电路，被配置为接收来自所述多个信号采集传感器的多种电信号，以进行信号预处理；信号转换电路，被配置为接收来自所述信号调理电路预处理后的多种电信号，以对所述多种电信号进行模数转换；以及控制模块，被配置为接收来自所述信号转换电路的多种电信号，以根据所述多种电信号检测所述电动执行机构与对应阀门的连接状态。

进一步的，多个信号采集传感器包括：电流采集传感器、电压采集传感器以及转速采集传感器；相应的，多种电信号包括：电流信号、电压信号以及转速信号。

具体的，每个所述信号采集传感器还分别连接有信号比例分配器；其作用是将输入信号比例缩小，一则用于避免过高的信号输入，二则也可以起到一定的滤波作用。

进一步的，控制模块根据接收到的电流信号、电压信号以及转速信号获得瞬时转矩输出值。

具体的，控制模块中配置有预先训练好的神经网络模型；神经网络模型用于根据接收到的电流信号、电压信号以及转速信号获得瞬时转矩输出值。

进一步的，控制模块还根据获得的瞬时转矩输出值与预设的转矩范围进行比较，获得所述电动执行机构与对应阀门的连接状态。

具体的，所述控制模块中还配置有比较算法；所述比较算法用于将所述瞬时转矩输出值与预设的转矩范围进行比较，并根据比较结果检测所述电动执行机构与对应阀门的连接状态；其中，若所述瞬时转矩输出值大于等于所述转矩范围的上限，则确定所述电动执行机构与其对应阀门为过力矩连接；若所述瞬时转矩输出值小于等于所述转矩范围的下限，则确定所述电动执行机构与其对应阀门脱连；若所述瞬时转矩输出值大于所述转矩范围的下限且小于所述转矩范围的上限，则确定所述电动执行机构与其对应阀门正常连接。

需说明的是，本申请中获得瞬时转矩输出值的方式并不限于利用电流信号、电压信号以及转速信号；如，利用电流信号和电压信号；利用电流信号和转速信号；利用电压信号和转速信号；甚至仅利用电流信号、电压信号或其它与电动执行机构输出转矩相关的其它信号均可。其原理是，在控制模块中预设有训练好的神经网络模型，利用神经网络模型抽象出电动执行机构中输出转矩与其它一种或多种电信号之间的关系，进而根据输入的一种或多种电信号实现对电动执行机构输出转矩的间接获取。

不直接采用转矩传感器获取电动执行机构输出轴上的转矩的原因是：

1)转矩传感器价格昂贵，体积较大，且容易损坏；

2)由于电动执行机构工作环境复杂，如震动大等因素，导致直接使用转矩传感器测量出的数据并不准确。

而电流传感器、电压传感器以及转速传感器是较为常见的几种传感器，价格便宜，设置容易，结构简单且不易损坏。因此，利用神经网络模型获得瞬时转矩输出值的方法可以大大降低检测成本并获得较为准确的瞬时转矩输出值。上述检测装置的各硬件电路如下所示：

如图2所示，为本申请的比例分配器的电路原理图。在本申请的一个实施例中，每个信号采集传感器还分别连接有比例分配器。具体的，比例分配器包括：串联连接的分压电阻r1和r2；以及第一放大器；其中，第一放大器的正向输入端与所述分压电阻r1和r2的公共端连接；第一放大器的负向输入端与分压电阻r2的另一端连接。比例分配器的作用是将输入信号比例缩小，一则用于避免过高的信号输入，二则也可以起到一定的滤波作用。

如图3所示，为本申请的信号调理电路的电路原理图。在本申请的一个实施例中，信号调理电路包括：一阶低通滤波子电路、电源滤波子电路、量程适配子电路、一阶有源滤波子电路以及缓冲子电路；其中，一阶低通滤波子电路、电源滤波子电路、分压子电路、一阶有源滤波子电路以及缓冲子电路依次连接。

具体的，一阶低通滤波子电路包括：输入电阻r13；以及与所述输入电阻r13串联连接的接地电容c9。一阶低通滤波子电路的主要作用是滤除外界电场或者磁场感应的高频噪声。

电源滤波子电路包括：第二放大器(u5a)；以及耦合在所述第二放大器(u5a)正负电源端之间的、串联连接的去耦电容c11与c12；其中，所述第二放大器(u5a)的正向输入端与、所述输入电阻r13和所述接地电容c9的公共端连接；所述第二放大器(u5a)的负向输入端与其输出端连接。电源滤波子电路的主要作用是滤除来自电源的高频噪声。

量程适配子电路包括：串联连接的量程控制电阻r14和r15；其中，量程控制电阻r14的另一端与第二放大器(u5a)的输出端连接。量程控制电阻r14和r15用于对前级信号进行分压，从而根据分压系数控制具体量程。

一阶有源滤波子电路包括：第三放大器(u5b)；以及耦合在第三放大器的负向输入端与输出端之间的电容c10；其中，第三放大器(u5b)的负向输入端与量程控制电阻r14和r15的公共端连接；第三放大器(u5b)的正向输入端与地电势端连接。有源滤波子电路的主要作用是消除前级负载所引起的谐波干扰，从而保证输出有效信号以作进一步分析。

缓冲子电路包括：第四放大器(u5c)；其中，所述第四放大器(u5c)的负向输入端与所述第三放大器(u5b)的输出端连接；所述第四放大器(u5c)的正向输入端与所述地电势端连接；所述第四放大器(u5c)的输出端与所述信号转换电路相应的输入端连接。缓冲子电路起到缓冲隔离作用，用于保证其后电路的安全性。

如图4所示，为本申请的信号转换电路的电路原理图。在本申请的一个实施例中，信号转换电路除了π型电路还包括：模数转换芯片；以及与所述模数转换芯片连接的多路模拟信号输入通道；其中，每路模拟信号输入通道均由lc滤波电路以及放大器缓冲电路组成。

具体的，所述π型滤波电路包括：耦合在模拟电源与第一地电势端之间的第一电容；并联耦合在数字电源与第二地电势端之间的第二电容及第一去耦电容；耦合在所述模拟电源与数字电源之间的电感；以及耦合在所述第一地电势端和第二地电势端之间的电阻。

信号转换电路的工作原理是，对于来自信号调理电路的多路输入信号，如a_in1,a_in2，首先通过电感和电容构成的lc滤波电路进行再次滤波后送入连接成缓冲器形式的运算放大器进行阻抗匹配，而后送入到a/d转换器的模拟通道；本申请中，a/d转换器为采用spi通信接口,对外提供接口信号mosi,miso,clk。另外，外部输入1mhz时钟mck作为a/d转换器基本时钟；ref_v信号作为外部输入的参考电压信号提供给a/d转换器作为基准。

此外，考虑到a/d转换器作为一个模拟电路和数字电路衔接的重要器件，在a/d转换器的模拟电源(avcc)和数字电源(dvdd)之间采用多种电容和电感构成π型滤波电路，滤除来自数字电路的开关噪声。利用spi接口可以配置a/d转换器，实现a_in1,a_in2等多个模拟通道的切换，最终将形成的数字化的转矩参量提供给控制模块以在续转矩评价环节中进行综合评估。

基于上述电动执行机构与阀门连接状态检测装置，本申请还提出了相应的检测方法，检测方法以控制程序的形式预设在检测装置的控制模块内。其中，检测方法的工作流程如下所示：

如图5所示，为本申请的电动执行机构与阀门连接状态检测方法的工作流程图。在本申请的一个实施例中，电动执行机构与阀门连接状态检测方法包括：步骤1、获取所述电动执行机构的输出轴上的多种电信号；步骤2、将所述多种电信号输入通过预先训练获得的神经网络模型，获得瞬时转矩输出值；步骤3、根据所述瞬时转矩输出值与预先设置的转矩范围进行比较，判断所述电动执行机构与对应阀门的连接状态。

具体的，神经网络模型为bp神经网络模型；多种电信号，包括：电流信号、电压信号以及转速信号。将瞬时转矩输出值与预先设置的转矩范围进行比较，判断所述电动执行机构与其对应阀门的连接状态，包括：若所述瞬时转矩输出值大于等于所述转矩范围的上限，则确定所述电动执行机构与其对应阀门为过力矩连接；若所述瞬时转矩输出值小于等于所述转矩范围的下限，则确定所述电动执行机构与其对应阀门脱连；若所述瞬时转矩输出值大于所述转矩范围的下限且小于所述转矩范围的上限，则确定所述电动执行机构与其对应阀门正常连接。其中，转矩范围可根据电动执行机构的具体工作而现场调整。

进一步的，本申请的检测方法还包括：当所述电动执行机构与其对应阀门为过力矩连接或脱连时，所述控制模块向所述电动执行机构发出停机信号。

具体的，在实际应用中，电动执行机构大多通过减速机与阀门连接，而过力矩常常是由于电动执行机构与减速机之间连接异常所致。若瞬时转矩输出值小于转矩范围下限，则表示，电动执行机构与阀门脱开，更具体的是减速机与阀门脱开。然而，无论是过力矩还是脱开情况，均需要停机检查，以避免造成更大的损失。

更具体的，bp神经网络是一种按误差逆传播的前馈网络，本申请中训练bp神经网络模型的过程包括：在各工况下通过电流采集传感器、电压采集传感器、转速采集传感器分别获得电流信号、电压信号以及转速信号，通过转矩传感器采集电动执行机构输出轴上的转矩信号；将获得的各工况下的电流信号、电压信号、转速信号以及转矩信号作为样本集。将各工况下的电流信号、电压信号、转速信号作为bp神经网络输入层的输入数据，对应工况的转矩信号作为输出层的期望输出，利用bp神经网络的前馈原理，通过各工况下的大量数据样本的训练，使得bp神经网络模型可以根据输入的将电流信号、电压信号、转速信号判断电动执行机构的工况并给出瞬时转矩输出值。其中，所述工况包括：正常运行与卡滞。

利用bp神经网络模型，本申请不但避免了转矩传感器的使用，还保证对电动执行机构输出轴上的转矩检测的准确性，并同时给出了当前电动执行机构的工况。

进一步的，在前一个实施例的基础上，本申请还提出了根据卡滞的情况而控制停机的方法；具体方法包括：预先设置的对应所述卡滞工况的权重；将卡滞工况下获得的瞬时转矩输出值加权后生成新的瞬时转矩输出值；将新的瞬时转矩输出值与预先设置的转矩范围的比较；若新的瞬时转矩输出值大于转矩上限或小于转矩下限，则停机检查。

具体的，由于在电动执行工作过程中，卡滞情况时有发生，因此，并不是每次卡滞都需要进行停机检查的；只有当出现连续且密集的卡滞时，才应当停机检测，以避免跟大的损失。因此，本申请中对第一次出现卡滞后，配置的对应权重系数w较小(w＞1)；而后，利用本申请提出的一种算法，使得一段时间内连续出现卡滞工况对应的权重根据其出现频率而快速增长，从而使得越密集的卡滞对应的权重增长越快，从而实现快速停机。

具体的，算法为：

其中，所述wn+1为第n+1次出现卡滞的对应权重。所述wn为第n次(当前)出现对应工作状态的对应权重，f为第n次出现卡滞时的卡滞出现频率；其中n大于等于1。

在预设时间内，新的瞬时转矩输出值＝wn+1×瞬时转矩输出值。其中，预设时间为从第一次检测到卡滞之后的一段预设时间；当超出该时间内未发生停机的话，则恢复权重为初始权重。

如上所示，在初始权重w1>1时，出现卡滞的频率越快，权重的增长越快，从而使得新的瞬时转矩输出值增长的越快，从而通过与预设转矩范围的比较，达到快速停机的目的。

如图6所示，为本申请的利用bp神经网络模型给出瞬时转矩输出值并做出相应判断的示意图。

通过传入bp神经网络模型的电流参量、电压参量以及转速参量，获得瞬时转矩输出值，而后，通过将瞬时转矩输出值与预设的转矩范围比较，从而判断出电动执行机构与对应阀门是过力矩连接还是与阀门脱开。

本申请的一种电动执行机构与阀门连接状态检测装置及方法具有检测结果一致性好，长期稳定性好，精度高等优点。

以上是本申请公开的示例性实施例，但是应当注意，在不背离权利要求限定的本申请实施例公开的范围的前提下，可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外，尽管本申请实施例公开的元素可以以个体形式描述或要求，但除非明确限制为单数，也可以理解为多个。

应当理解的是，在本文中使用的，除非上下文清楚地支持例外情况，单数形式“一个”旨在也包括复数形式。还应当理解的是，在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。

上述本申请实施例公开实施例序号仅仅为了描述，不代表实施例的优劣。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本申请实施例公开的范围(包括权利要求)被限于这些例子；在本申请实施例的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，并存在如上的本申请实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。因此，凡在本申请实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本申请实施例的保护范围之内。