大流量喷头的雾滴分布检测方法、装置及系统与流程

1.本发明涉及数据处理技术领域，尤其涉及一种大流量喷头的雾滴分布检测方法、装置、系统、电子设备及存储介质。


背景技术：

2.随着现代绿色环保生产理念的发展，大流量喷头在喷雾降温、除尘领域的应用越来越广泛。
3.在大流量喷头生产设计中，喷洒雾滴覆盖面分布测试是评价喷头性能的重要指标。大流量喷头的喷洒雾滴体积大、速度快，雾滴覆盖面积大、沉积分布差异大。传统覆盖面分布测试是在雾滴覆盖面内摆放大量的液体容器，采用目测体积或称重法，先取样、后测量的操作步骤，其取样等待时间长、测量工作任务繁重。
4.在实现本发明的过程中，发明人发现现有技术中至少存在以下技术问题：上述的现有技术方案，存在测量效率低的问题。


技术实现要素：

5.本发明提供了一种大流量喷头的雾滴分布检测方法、装置、系统、电子设备及存储介质，以实现自动检测雾滴分布情况，解决了测量效率低的问题。
6.根据本发明的一方面，提供了一种大流量喷头的雾滴分布检测方法，包括：获取雾滴撞击预设区域内各雾滴采集板所产生的激振信号；对每一雾滴采集板所产生的激振信号进行信息处理，得到撞击信号特征，基于所述撞击信号特征确定雾滴质量参数；基于各所述雾滴采集板的雾滴质量参数及其位置参数确定所述预设区域内的雾滴分布结果。
7.根据本发明的另一方面，提供了一种大流量喷头的雾滴分布检测装置，包括：激振信号获取模块，用于获取雾滴撞击预设区域内各雾滴采集板所产生的激振信号；雾滴质量确定模块，用于对每一雾滴采集板所产生的激振信号进行信息处理，得到撞击信号特征，基于所述撞击信号特征确定雾滴质量参数；分布结果确定模块，用于基于各所述雾滴采集板的雾滴质量参数及其位置参数确定所述预设区域内的雾滴分布结果。
8.根据本发明的另一方面，提供了一种大流量喷头的雾滴分布检测系统，包括：振动采集设备和终端，所述振动采集设备与所述终端通信连接；所述振动采集设备，用于采集雾滴撞击预设区域内各雾滴采集板所产生的激振信号，并将所述雾滴撞击预设区域内各雾滴采集板所产生的激振信号发送至所述终端；所述终端，用于接收所述雾滴撞击预设区域内各雾滴采集板所产生的激振信号，对每一雾滴采集板所产生的激振信号进行信息处理，得到撞击信号特征，基于所述撞击信
号特征确定雾滴质量参数，基于各雾滴采集板的雾滴质量参数及其位置参数确定所述预设区域内的雾滴分布结果。
9.根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的大流量喷头的雾滴分布检测方法。
10.根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的大流量喷头的雾滴分布检测方法。
11.本发明实施例的技术方案，通过获取雾滴撞击预设区域内各雾滴采集板所产生的激振信号，实现了多个雾滴采集板雾滴撞击信号的采集；进一步的，对每一雾滴采集板所产生的激振信号进行信息处理，得到撞击信号特征，实现了撞击信号特征的提取，基于撞击信号特征确定雾滴质量参数，基于各雾滴采集板的雾滴质量参数及其位置参数确定预设区域内的雾滴分布结果，通过上述方案，实现自动检测雾滴分布情况，解决了测量效率低的问题。
12.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
13.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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发明的一些实施例，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附图。
14.图1是根据本发明实施例一提供的一种大流量喷头的雾滴分布检测方法的流程图；图2是根据本发明实施例二提供的一种大流量喷头的雾滴分布检测方法的流程图；图3是根据本发明实施例二提供的一种功率谱密度信号曲线滤波处理图；图4是根据本发明实施例二提供的一种分割、分段方法处理图；图5是根据本发明实施例二提供的一种功率谱密度信号曲线分割序列图；图6是根据本发明实施例二提供的一种功率谱密度信号曲线分段特征序列图；图7是根据本发明实施例三提供的一种大流量喷头的雾滴分布检测方法的流程图；图8是根据本发明实施例四提供的一种大流量喷头的雾滴分布检测装置的结构示意图；图9是根据本发明实施例五提供的一种大流量喷头的雾滴分布检测系统的结构示意图；
图10（a）是根据本发明实施例五提供的一种加速度信号时域图谱；图10（b）是根据本发明实施例五提供的一种位移信号时域图谱；图11是根据本发明实施例五提供的一种大流量喷头的雾滴分布检测系统的结构示意图；图12是根据本发明实施例五提供的一种振动采集模块的结构示意图；图13是实现本发明实施例的大流量喷头的雾滴分布检测方法的电子设备的结构示意图。
具体实施方式
15.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
16.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以 外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
17.实施例一图1为本发明实施例一提供的一种大流量喷头的雾滴分布检测方法的流程图，本实施例可适用于自动检测喷头喷洒雾滴分布的情况，该方法可以由大流量喷头的雾滴分布检测装置来执行，该大流量喷头的雾滴分布检测装置可以采用硬件和/或软件的形式实现，该大流量喷头的雾滴分布检测装置可配置于计算机终端中。如图1所示，该方法包括：s110、获取雾滴撞击预设区域内各雾滴采集板所产生的激振信号。
18.在本实施中，预设区域是指喷头喷洒雾滴所覆盖的区域。在喷头所喷洒覆盖的预设区域内，可以设置有多个雾滴采集板，各雾滴采集板可以同时采集雾滴撞击雾滴采集板所产生的激振信号，以实现雾滴覆盖分布检测。
19.示例性地，雾滴采集板可以包括但不限于振动传感器和雾滴撞击板，振动传感器可以吸附设置在雾滴撞击板上，振动传感器用于采集雾滴撞击板所产生的激振信号，并通过有线或无线的通信方式将激振信号传输至计算机终端中，实现激振信号的获取。
20.在一些可选实施例中，在获取雾滴撞击预设区域内各雾滴采集板所产生的激振信号之后，可以对激振信号进行筛选聚类，为下一步信息处理提供基础。
21.具体地，通过计算采样时间t内的振动加速度均方根值（rms），作为振动强度的衡量指标，以此反应雾滴采集板的振幅与能量强度。振动加速度均方根值计算公式如下：
式中，xk表示第k个激振信号，n为采样频率，t采样时间。在本实施例中，通过振动加速度均方根值对采集的激振信号进行筛选聚类，将不符合筛选条件的激振信号进行过滤，为下一步振动特征快速识别提供基础。
22.s120、对每一雾滴采集板所产生的激振信号进行信息处理，得到撞击信号特征，基于所述撞击信号特征确定雾滴质量参数。
23.在本实施中，撞击信号特征是指根据激振信号所提取的雾滴振动特征。可以理解的是，不同质量的雾滴撞击雾滴采集板所产生的激振信号不同，进而激振信号对应的雾滴振动特征也不同。
24.需要说明的是，撞击信号特征可以表征雾滴质量，因此，在得到撞击信号特征之后，可以基于撞击信号特征确定雾滴质量参数，实现雾滴质量参数的自动确定，无需手动称重。其中，雾滴质量参数是指雾滴采集板上一个或多个雾滴共同的重量。
25.在一些可选实施例中，可以根据撞击信号特征在预先建立的特征库中进行匹配，得到撞击信号特征对应的雾滴质量参数；其中，特征库中可以存储有具有映射关系的撞击信号特征和雾滴质量参数。
26.s130、基于各所述雾滴采集板的雾滴质量参数及其位置参数确定所述预设区域内的雾滴分布结果。
27.其中，雾滴分布结果是指喷头所喷洒区域内的雾滴分布的情况。
28.在本实施例中，可以对各雾滴采集板的雾滴质量参数及其位置参数进行统计分析、归纳等操作，得到喷头所喷洒区域内的雾滴分布结果。
29.在一些可选实施例中，基于各雾滴采集板的雾滴质量参数及其位置参数确定所述预设区域内的雾滴分布结果，包括：根据各所述雾滴采集板在预设区域内的位置分布关系，以及各所述雾滴采集板的雾滴质量参数确定所述预设区域内的雾滴分布结果。
30.其中，预设区域内的位置分布关系是指各雾滴采集板的排列位置。
31.可以理解的是，根据各雾滴采集板的排列位置，以及各雾滴采集板的雾滴质量参数进行统计、分析等操作，可以得到喷头所喷洒区域内的雾滴质量分布情况，换而言之，雾滴分布结果是指喷头所喷洒区域内的雾滴质量分布情况。
32.本发明实施例的技术方案，通过获取雾滴撞击预设区域内各雾滴采集板所产生的激振信号，实现了多个雾滴采集板雾滴撞击信号的采集；进一步的，对每一雾滴采集板所产生的激振信号进行信息处理，得到撞击信号特征，实现了撞击信号特征的提取，基于撞击信号特征确定雾滴质量参数，基于各雾滴采集板的雾滴质量参数及其位置参数确定预设区域内的雾滴分布结果，通过上述方案，实现了自动检测雾滴分布的情况，解决了测量效率低的问题。
33.实施例二图2为本发明实施例二提供的一种大流量喷头的雾滴分布检测方法的流程图，本实施例的方法与上述实施例中提供的大流量喷头的雾滴分布检测方法中各个可选方案可以结合。本实施例提供的大流量喷头的雾滴分布检测方法进行了进一步优化。可选的，所述
对每一雾滴采集板所产生的激振信号进行信息处理，得到撞击信号特征，包括：对于任一雾滴采集板，基于所述雾滴采集板所产生的激振信号确定功率谱密度信号曲线；对所述功率谱密度信号曲线进行特征提取，得到撞击信号特征。
34.如图2所示，该方法包括：s210、获取雾滴撞击预设区域内各雾滴采集板所产生的激振信号。
35.s220、对于任一雾滴采集板，基于所述雾滴采集板所产生的激振信号确定功率谱密度信号曲线。
36.s230、对所述功率谱密度信号曲线进行特征提取，得到撞击信号特征。
37.s240、基于所述撞击信号特征确定雾滴质量参数。
38.s250、基于各所述雾滴采集板的雾滴质量参数及其位置参数确定所述预设区域内的雾滴分布结果。
39.在本实施例中，功率谱密度信号曲线是指激振信号变换处理得到的连续位移功率谱密度曲线。
40.具体地，可以对雾滴采集板所产生的激振信号进行处理，得到功率谱密度信号曲线；进一步地，在得到率谱密度信号曲线之后，可以利用信号特征提取方法对率谱密度信号曲线进行特征提取，得到撞击信号特征。可以理解的是，信号特征提取是从信号中获取信息的过程，信号特征提取方法可以包括但不限于基于时域特征提取，基于频域特征提取，基于时频域特征提取等。
41.示例性地，可以采用自回归模型算法，对雾滴采集板所产生的激振信号进行处理，得到功率谱密度信号曲线，其中，功率谱密度信号曲线以对数坐标进行绘图；自回归模型为功率谱估计模型，其内置于matlab数学计算软件功能包中。在一些实施例中，在得到功率谱密度信号曲线之后，可以对功率谱密度信号曲线进行滤波处理，可以得到平滑的功率谱密度信号曲线，如图3所示，以滤除干扰噪声，增强信号的空间频率特征。
42.在一些可选实施例中，对功率谱密度信号曲线进行特征提取，得到撞击信号特征，包括：将所述功率谱密度信号曲线进行分割处理，得到分割信号序列；对所述分割信号序列进行错位分段提取，得到撞击信号特征。
43.其中，分割信号序列是指功率谱密度信号曲线的等分信号序列，等分数量在此不做限定。可选的，对分割信号序列进行错位分段提取，得到撞击信号特征，包括：基于预设分段宽度和预设错位步长，依次在分割信号序列中进行错位分段提取，得到撞击信号特征。
44.示例性地，分割、分段方法如图4所示，首先将功率谱密度信号曲线沿频率坐标进行分割，等分为n个分割信号序列，并将分割处理后的位移功率谱密度曲线进行归一化处理；进一步的，以m为分段宽度，k错位步长，依次错位提取分段特征序列，换而言之，撞击信号特征由多个分段特征序列组成，其中，m、n和k的大小在此不做限定，可以根据信号处理需求进行设定；功率谱密度信号曲线的分割序列，如图5所示；功率谱密度信号曲线的分段特征序列，如图6所示。可以理解的是，通过对功率谱密度信号曲线进行分割、分段，丰富了功率谱密度的信息密度。
45.本发明实施例的技术方案，通过对于任一雾滴采集板，基于雾滴采集板所产生的激振信号确定功率谱密度信号曲线，对功率谱密度信号曲线进行特征提取，得到撞击信号特征，实现了撞击信号特征的自动提取，为自动检测雾滴分布情况提供了检测依据。
46.实施例三图7为本发明实施例三提供的一种大流量喷头的雾滴分布检测方法的流程图，本实施例的方法与上述实施例中提供的大流量喷头的雾滴分布检测方法中各个可选方案可以结合。本实施例提供的大流量喷头的雾滴分布检测方法进行了进一步优化。可选的，所述基于所述撞击信号特征确定雾滴质量参数，包括：将所述撞击信号特征输入至预先训练完成的雾滴单元识别模型，得到所述撞击信号特征对应的雾滴质量参数，其中，所述预先训练完成的雾滴单元识别模型由样本特征库中的雾滴质量参数和撞击信号特征，对初始神经网络模型进行训练得到。
47.如图7所示，该方法包括：s310、获取雾滴撞击预设区域内各雾滴采集板所产生的激振信号。
48.s320、对每一雾滴采集板所产生的激振信号进行信息处理，得到撞击信号特征。
49.s330、将所述撞击信号特征输入至预先训练完成的雾滴单元识别模型，得到所述撞击信号特征对应的雾滴质量参数，其中，所述预先训练完成的雾滴单元识别模型由样本特征库中的雾滴质量参数和撞击信号特征，对初始神经网络模型进行训练得到。
50.s340、基于各所述雾滴采集板的雾滴质量参数及其位置参数确定所述预设区域内的雾滴分布结果。
51.在本实施例中，将各激振信号对应的撞击信号特征，作为输入数据输入至预先训练出的雾滴单元识别模型中；雾滴单元识别模型对撞击信号特征进行识别并分类，得到撞击信号特征对应的雾滴质量参数，并加以输出。
52.在上述实施例的基础上，雾滴单元识别模型通过如下步骤预先训练得到：获取样本特征库；将样本特征库中的多组标定雾滴单元质量参数、以及各标定雾滴单元质量参数对应的雾滴单元撞击信号特征作为模型训练样本；基于模型训练样本对初始神经网络模型进行训练，得到雾滴单元识别模型，其中，所述初始神经网络模型由卷积神经网络构成。
53.其中，样本特征库可以为雾滴单元撞击信号特征库，雾滴单元是指单位时间内撞击单个雾滴撞击板的所有雾滴集合；雾滴单元的撞击信号特征由雾滴撞击动量决定，雾滴撞击动量由雾滴质量参数和运动速度决定，通过解析雾滴运动过程，雾滴质量参数与撞击信号特征之间符合单变量线性回归规律。
54.示例性地，雾滴运动过程如下：大流量喷头通常布置在高大空间的顶端，雾滴下落距离较远，雾滴经过短暂加速后，其所受重力与曳力、浮力、质量附加力达到平衡，雾滴以匀速下落，根据雾滴下落的尾速度公式，其中雾滴密度、空气密度、重力加速度均为已知常量，雾滴下落速度与雾滴粒径成单变量正相关性，同时雾滴形态近似为球型，雾滴粒径直接决定雾滴质量参数，因此雾滴质量参数与撞击信号特征之间符合单变量线性回归规律。雾滴下落的尾速度公式如下：式中，ρ表示雾滴密度，ρ0表示空气密度，g表示重力加速度，ri表示第i个雾滴单元的雾滴粒径。
55.样本特征库建立过程如下：利用雾滴单元撞击试验，标定不同参数的雾滴单元质
量，采集雾滴单元撞击信号数据，再利用振动强度信息处理模块进行筛选聚类，最后利用振动特征信息处理模块提取雾滴单元撞击信号特征，并构建样本特征库；其中，雾滴单元撞击试验是指对常用大流量喷头雾滴覆盖面进行分区，标定各区对应雾滴单元的质量，利用振动采集模块，逐个采集各区雾滴单元撞击信号。
56.具体地，雾滴单元识别模型可以预先通过样本特征库中的多组标定雾滴单元质量参数、以及各标定雾滴单元质量参数对应的雾滴单元撞击信号特征进行训练得到。在所训练的初始神经网络模型中，会预先对雾滴单元撞击信号特征进行识别并分类，得到预测的雾滴质量参数，并基于预测的雾滴质量参数对初始神经网络模型中的模型参数进行训练，并通过不断调整模型参数，使得模型的输出结果与标定雾滴单元质量参数之间的距离偏差逐渐减小并趋于稳定。其中，初始神经网络模型可以由卷积神经网络构成，包括卷积层、池化层、全连接层和输出层。
57.本发明实施例的技术方案，通过将撞击信号特征输入至预先训练完成的雾滴单元识别模型，得到撞击信号特征对应的雾滴质量参数，其中，预先训练完成的雾滴单元识别模型由样本特征库中的雾滴质量参数和撞击信号特征，对初始神经网络模型进行训练得到。上述技术方案，使用神经网络模型进行数据处理的过程中，能够有效识别信号的特征，从而实现了雾滴质量参数自动确定。
58.实施例四图8为本发明实施例四提供的一种大流量喷头的雾滴分布检测装置的结构示意图。如图8所示，该装置包括：激振信号获取模块410，用于获取雾滴撞击预设区域内各雾滴采集板所产生的激振信号；雾滴质量确定模块420，用于对每一雾滴采集板所产生的激振信号进行信息处理，得到撞击信号特征，基于所述撞击信号特征确定雾滴质量参数；分布结果确定模块430，用于基于各所述雾滴采集板的雾滴质量参数及位置参数确定所述预设区域内的雾滴分布结果。
59.本发明实施例的技术方案，通过获取雾滴撞击预设区域内各雾滴采集板所产生的激振信号，实现了多个雾滴采集板雾滴撞击信号的采集；进一步的，对每一雾滴采集板所产生的激振信号进行信息处理，得到撞击信号特征，实现了撞击信号特征的提取，基于撞击信号特征确定雾滴质量参数，基于各雾滴采集板的雾滴质量参数及位置参数确定预设区域内的雾滴分布结果，通过上述方案，实现了自动检测雾滴分布的情况，解决了测量效率低的问题。
60.在一些可选的实施方式中，雾滴质量确定模块420，包括：功率谱密度信号曲线确定单元，用于对于任一雾滴采集板，基于所述雾滴采集板所产生的激振信号确定功率谱密度信号曲线；撞击信号特征确定单元，用于对所述功率谱密度信号曲线进行特征提取，得到撞击信号特征。
61.在一些可选的实施方式中，撞击信号特征确定单元包括：序列分割处理子单元，用于将所述功率谱密度信号曲线进行分割处理，得到分割信号序列；
特征错位分段提取子单元，用于对所述分割信号序列进行错位分段提取，得到撞击信号特征。
62.在一些可选的实施方式中，特征错位分段提取子单元，还用于：基于预设分段宽度和预设错位步长，依次在所述分割信号序列中进行错位分段提取，得到撞击信号特征。
63.在一些可选的实施方式中，雾滴质量确定模块420，包括：模型识别单元，用于将所述撞击信号特征输入至预先训练完成的雾滴单元识别模型，得到所述撞击信号特征对应的雾滴质量参数，其中，所述预先训练完成的雾滴单元识别模型由样本特征库中的雾滴质量参数和撞击信号特征，对初始神经网络模型进行训练得到。
64.在一些可选的实施方式中，所述雾滴单元识别模型通过如下步骤预先训练得到：获取样本特征库；将所述样本特征库中的多组标定雾滴单元质量参数、以及各所述标定雾滴单元质量参数对应的雾滴单元撞击信号特征作为模型训练样本；基于所述模型训练样本对初始神经网络模型进行训练，得到所述雾滴单元识别模型，其中，所述初始神经网络模型由卷积神经网络构成。
65.在一些可选的实施方式中，分布结果确定模块430，具体用于：根据各所述雾滴采集板在预设区域内的位置分布关系，以及各所述雾滴采集板的雾滴质量参数确定所述预设区域内的雾滴分布结果。
66.本发明实施例所提供的大流量喷头的雾滴分布检测装置可执行本发明任意实施例所提供的大流量喷头的雾滴分布检测方法，具备执行方法相应的功能模块和有益效果。
67.实施例五图9为本发明实施例五提供的一种大流量喷头的雾滴分布检测系统的结构示意图，该系统包括振动采集设备510和终端520，振动采集设备510与终端520通信连接。振动采集设备510，用于采集雾滴撞击预设区域内各雾滴采集板所产生的激振信号，并将雾滴撞击预设区域内各雾滴采集板所产生的激振信号发送至终端520；终端520，用于接收雾滴撞击预设区域内各雾滴采集板所产生的激振信号，对每一雾滴采集板所产生的激振信号进行信息处理，得到撞击信号特征，基于撞击信号特征确定雾滴质量参数，基于各雾滴采集板的雾滴质量参数及其位置参数确定预设区域内的雾滴分布结果。
68.其中，振动采集设备510是指进行雾滴激振信号采集的振动采集模块；终端520是指可以进行信号处理的设备，例如计算机终端等。
69.本发明实施例的技术方案，终端520通过接收振动采集设备510发送的雾滴撞击预设区域内各雾滴采集板所产生的激振信号，实现了多个雾滴采集板雾滴撞击信号的采集；进一步的，对每一雾滴采集板所产生的激振信号进行信息处理，得到撞击信号特征，实现了撞击信号特征的提取，基于撞击信号特征确定雾滴质量参数，基于各雾滴采集板的雾滴质量参数及其位置参数确定预设区域内的雾滴分布结果，通过上述方案，实现了自动检测雾滴分布的情况，解决了测量效率低的问题。
70.在一些可选实施例中，大流量喷头的雾滴分布检测系统还包括动态信号分析仪，用于对各雾滴采集板所产生的激振信号进行预处理。
71.其中，动态信号分析仪具有多个采集通道，在笛卡尔坐标系内，可以采集多个振动采集模块的激振信号，激振信号可以为加速度信号；动态信号分析仪驱动振动采集模块的采集频率范围为0-200hz。
72.此外，动态信号分析仪对加速度信号进行预处理，包括：去趋势项、滤波、积分等步骤，将加速度信号处理为雾滴采集板振动位移信号；如图10（a）和图10（b），图10（a）为本实施例提供的一种加速度信号时域图谱，图10（b）为本实施例提供的一种位移信号时域图谱；动态信号分析仪将预处理后的激励信号图谱传输到计算机终端。
73.示例性地，如图11所示，计算机终端向动态信号分析仪发送指令启动大流量喷头的雾滴分布检测系统；动态信号分析仪驱动振动采集模块获取喷洒雾滴群撞击雾滴撞击板所产生激振信号；激振信号传输到动态信号分析仪进行解析处理；动态信号分析仪将预处理后的激励信号图谱传输到计算机终端；计算机终端进行分析、归纳及识别，获得待测大流量喷头雾滴覆盖面分布信息。
74.在上述实施例的基础上，振动采集设备包括振动传感器、雾滴撞击板、减震阻尼和支架；振动传感器，设置在雾滴撞击板上，用于采集雾滴撞击所述雾滴撞击板所产生的激振信号；雾滴撞击板，通过减震阻尼连接到支架。
75.示例性地，如图12所示，振动传感器吸附在雾滴撞击板上，采集雾滴群撞击雾滴撞击板所产生激振信号；雾滴撞击板通过减震阻尼连接到支架，减震阻尼使雾滴撞击板处于相对自由状态，雾滴采集板保持自由模态属性，降低支架对雾滴撞击板模态属性的干扰；雾滴采集板表面采用疏水涂层，避免雾滴堆积；支架可根据需要设置多个振动采集模块，进行同步采集。
76.实施例六图13示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备（如头盔、眼镜、手表等）和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
77.如图13所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器（rom）12、随机访问存储器（ram）13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器（rom）12中的计算机程序或者从存储单元18加载到随机访问存储器（ram）13中的计算机程序，来执行各种适当的动作和处理。在ram 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、rom 12以及ram 13通过总线14彼此相连。输入/输出（i/o）接口15也连接至总线14。
78.电子设备10中的多个部件连接至i/o接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
79.处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元（cpu）、图形处理单元（gpu）、各种专用的人工智能
（ai）计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器（dsp）、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如大流量喷头的雾滴分布检测方法，该方法包括：获取雾滴撞击预设区域内各雾滴采集板所产生的激振信号；对每一雾滴采集板所产生的激振信号进行信息处理，得到撞击信号特征，基于所述撞击信号特征确定雾滴质量参数；基于各所述雾滴采集板的雾滴质量参数及其位置参数确定所述预设区域内的雾滴分布结果。
80.在一些实施例中，大流量喷头的雾滴分布检测方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由rom 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到ram 13并由处理器11执行时，可以执行上文描述的大流量喷头的雾滴分布检测方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行大流量喷头的雾滴分布检测方法。
81.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列（fpga）、专用集成电路（asic）、专用标准产品（assp）、芯片上系统的系统（soc）、负载可编程逻辑设备（cpld）、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
82.用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
83.在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（ram）、只读存储器（rom）、可擦除可编程只读存储器（eprom或快闪存储器）、光纤、便捷式紧凑盘只读存储器（cd-rom）、光学储存设备、磁储存设备、或上述内容的任何合适组合。
84.为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置（例如，crt（阴极射线管）或者lcd（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给
用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。
85.可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（lan）、广域网（wan）、区块链网络和互联网。
86.计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。
87.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
88.上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。