Phân tích đặc điểm dữ liệu của gia tốc kế và thiết kế bộ lọc

Tôi có khoảng 32 giây dữ liệu gia tốc của kịch bản lái xe cơ bản 25MPH đường thông thường cùng với việc đánh khoảng 7 ổ gà và một đoạn đường gồ ghề. Gia tốc kế được gắn trên bảng điều khiển của xe tôi bằng băng keo hai mặt.

Vấn đề: Tôi có tất cả dữ liệu gây nhiễu từ gia tốc kế và tôi cần thực hiện một cách đơn giản để phát hiện sự kiện ổ gà đã xảy ra. Dưới đây là một số biểu đồ dữ liệu trong miền thời gian và FFT. Gia tốc kế đang đo bằng GForce

Về cơ bản tôi muốn arduino của tôi biết một ổ gà đã xảy ra với độ chính xác khá lớn và không sử dụng toán học và kỹ thuật cấp độ sau đại học.

Gia tốc kế được lấy mẫu ở 100hz có LỌC PASS THẤP RC 50HZ đơn giản TRÊN Z AXIS

Here is the CSV data for the 32 seconds of accelerometer readings TIME, GFORCE format:

http://hamiltoncomputer.us/50HZLPFDATA.CSV

CẬP NHẬT: Đây là băng thông đầy đủ RAW của gia tốc kế 1000HZ được lấy mẫu ở tốc độ lấy mẫu cao nhất tôi có thể nhận được trên Arduino. Tải xuống tệp CSV trực tiếp: Khoảng 112 giây dữ liệu

http://hamiltoncomputer.us/RAWUNFILTEREDFULLBANDWIDTH500HZ.csv

Dấu vết đen là dữ liệu Gia tốc kế chưa được lọc RAW: Dấu vết màu xanh được lọc bởi bộ lọc bandstop dựa trên tần số cực lớn được tìm thấy trong FFT, Thống trị 2HZ và 12HZ.

Sự kiện ổ gà trông như thế này trong miền thời gian:

không chắc chắn thành phần 10 đến 15HZ trong FFT là ổ gà thực sự, hay nó là bánh xe của bánh xe so với đường, hay đó là tần số cộng hưởng của xe?

FFT:

Có vẻ như đó là sự kiện ổ gà thực tế, đây là HPF @ 13HZ Các tính năng vượt trội của ổ gà dường như được tăng cường

Tôi muốn có thể phát hiện và đếm ổ gà trong thời gian thực

Có vẻ như nó là phản trực giác, hệ thống treo sẽ di chuyển chậm hơn rất nhiều so với 10 đến 13 HZ sẽ gây ra chứng say tàu xe

CẬP NHẬT:

Theo đề xuất của AngryEE, tôi đã sử dụng toàn bộ băng thông của gia tốc kế 1000HZ và tốc độ lấy mẫu tối đa tôi có thể có trên arduino.

FFT:

đây là một mẩu dữ liệu mẫu của sự kiện ổ gà và một số va chạm và tiếng ồn xung quanh nó:

Đã thêm mạch dò đường bao Diode, đầu ra trông giống nhau ... Gia tốc kế luôn xuất 0 đến 3,3Volts không âm ...

CẬP NHẬT:

Từ nhiều thử nghiệm trên đường, tôi chưa bao giờ vượt quá 1.6 MPH trong xe của mình trên trục Z, tôi đã sử dụng rand () để tạo ra khả năng tăng tốc giả của Gforce.

Ý tưởng của tôi là nếu tôi có thể nhìn vào 1 đến 3 cửa sổ dữ liệu, tôi có thể tính toán độ dịch chuyển của trục Z, nhưng tôi lo lắng về độ trôi của gia tốc kế và lỗi trong tích hợp. Tôi không cần phải chính xác 90% ở đây,> 70% sẽ tốt, nhưng nếu tôi nhìn vào sự dịch chuyển ở một đến ba giây một lần thì điều đó có thể làm được trong thời gian thực không? Bằng cách này tôi có thể thấy nếu độ dịch chuyển lớn hơn như 1 inch, 2 inch, 5 inch. Sự dịch chuyển càng lớn thì vết sưng hoặc ổ gà càng cứng:

Bạn có thể kiểm tra xem tôi có làm đúng không, về cơ bản tôi đã thiết lập trên máy tính để bàn của mình, sử dụng rand () để tạo gia tốc ngẫu nhiên từ -1,6 đến 1,6 G, ghi lại 3 giây dữ liệu @ tốc độ lấy mẫu 50HZ mô phỏng

Nếu giống như bạn chạy * nix, tôi đang sử dụng Sleep () từ Windows.h để thực hiện độ trễ 20mS, tốc độ lấy mẫu 50HZ

Tôi chỉ muốn xem mã có phù hợp với bạn không, tôi chưa thực hiện bộ đệm cicular, tôi hơi bối rối về cách triển khai nó: mã nhận xét, là từ lớp tôi đang làm việc cho nó , nhưng tôi chưa hiểu nó 100%. Một bộ đệm tròn sẽ cho phép di chuyển liên tục các cửa sổ dữ liệu phải không?

#include <cstdlib>
#include <iostream>
#include <iomanip>
#include <ctime> // USED BY RAND
#include <windows.h> // Used for delay


using namespace std;



#define SAMPLE_RATE   0.020 // Sample rate in Milliseconds
#define GRAVITYFT_SEC 32 // Gravity velocity 32 feet/sec
#define INCH_FOOT     12 // 12 inches in foot, from velocity to inch displacement calculation










int main(int argc, char *argv[])
{
    srand((unsigned)time(0)); // SEED RAND() for simulation of Geforce Readings

    // SIMULATING ACCELERATION READINGS INTO A CIRCULAR BUFFER

   // circular_buffer Acceleration; // Create a new Circular buffer for Acceleration

   // cb_init(&Acceleration, 150, 4); // Sampling @ 50HZ, 3 seconds of data = 150, size is float data of 4 bytes

    //Simulate a sample run of Acceleration data using Rand()

    // WE WILL BE SIMULATING "RANDOM" GEFORCE RATINGS using the rand() function constraining to -1.6 to 1.6 GFORCE 
    // These ratings are consistent with our road tests of apparently random vibration and Geforce readings not exceeding about 1.6 G's

    float Gforce[150]; // Random Geforce for 3 second window of data
    float velocity[150]; // Hold velocity information
    float displacement[150]; // Hold Displacement information


    float LO = -1.6; // Low GForce limit recorded from 6 road tests at different speeds
    float HI = 1.6; // High GForce limit recorded from 6 road tests at different speeds

    for(int i = 0; i < 150; i++) // 3 Second iwndow of random acceleration data
    {  
            Gforce[i] = LO + (float)rand()/((float)RAND_MAX/(HI-LO)); // Borrowed from Stackexchange : http://stackoverflow.com/questions/686353/c-random-float
            if( i == 0) // Initial values @ first Acceleration
            {
                velocity[i] = Gforce[i] * SAMPLE_RATE * GRAVITYFT_SEC; // Initial velocity
                displacement[i] = velocity[i] * SAMPLE_RATE * INCH_FOOT; // Initial Displacement
            }
            else
            {
                velocity[i] = velocity[i-1] + (Gforce[i] * SAMPLE_RATE * GRAVITYFT_SEC); // Calculate running velocity into buffer
                displacement[i] = displacement[i-1] +(velocity[i] * SAMPLE_RATE * INCH_FOOT); // Calculate running displacement into buffer
            }
            //cout << endl << Gforce[i]; // Debugging
            //cb_push_back(&Acceleration, &Gforce[i]);                   // Push the GeForce into the circular buffer


            Sleep(SAMPLE_RATE*1000); // 20mS delay simulates 50HZ sampling rate Sleep() expects number in mS already so * 1000

    }
    // PRINT RESULTS
    for (int j = 0; j < 150; j++)
            {
                cout << setprecision (3) << Gforce[j] << "\t\t" << velocity[j] << "\t\t" << displacement[j] << endl;
            }

    // READ THE BUFFER





    //cb_free(&Acceleration); // Pervent Memory leaks

    system("PAUSE");
    return EXIT_SUCCESS;
}

Chạy mẫu:

    GFORCE          FT/SEC          Inch Displacement Z axis

-0.882          -0.565          -0.136
0.199           -0.437          -0.24
-1.32           -1.29           -0.549
0.928           -0.691          -0.715
0.6             -0.307          -0.788
1.47            0.635           -0.636
0.849           1.18            -0.353
-0.247          1.02            -0.108
1.29            1.85            0.335
0.298           2.04            0.824
-1.04           1.37            1.15
1.1             2.08            1.65
1.52            3.05            2.38
0.078           3.1             3.12
-0.0125         3.09            3.87
1.24            3.88            4.8
0.845           4.42            5.86
0.25            4.58            6.96
0.0463          4.61            8.06
1.37            5.49            9.38
-0.15           5.39            10.7
0.947           6               12.1
1.18            6.75            13.7
-0.791          6.25            15.2
-1.43           5.33            16.5
-1.58           4.32            17.5
1.52            5.29            18.8
-0.208          5.16            20.1
1.36            6.03            21.5
-0.294          5.84            22.9
1.22            6.62            24.5
1.14            7.35            26.3
1.01            8               28.2
0.284           8.18            30.1
1.18            8.93            32.3
-1.43           8.02            34.2
-0.167          7.91            36.1
1.14            8.64            38.2
-1.4            7.74            40
-1.49           6.79            41.7
-0.926          6.2             43.2
-0.575          5.83            44.6
0.978           6.46            46.1
-0.909          5.87            47.5
1.46            6.81            49.2
0.353           7.04            50.8
-1.12           6.32            52.4
-1.12           5.6             53.7
-0.141          5.51            55
0.463           5.8             56.4
-1.1            5.1             57.6
0.591           5.48            59
0.0912          5.54            60.3
-0.47           5.23            61.5
-0.437          4.96            62.7
0.734           5.42            64
-0.343          5.21            65.3
0.836           5.74            66.7
-1.11           5.03            67.9
-0.771          4.54            69
-0.783          4.04            69.9
-0.501          3.72            70.8
-0.569          3.35            71.6
0.765           3.84            72.5
0.568           4.21            73.5
-1.45           3.28            74.3
0.391           3.53            75.2
0.339           3.75            76.1
0.797           4.26            77.1
1.3             5.09            78.3
0.237           5.24            79.6
1.52            6.21            81.1
0.314           6.41            82.6
0.369           6.65            84.2
-0.598          6.26            85.7
-0.905          5.68            87.1
-0.732          5.22            88.3
-1.47           4.27            89.4
0.828           4.8             90.5
0.261           4.97            91.7
0.0473          5               92.9
1.53            5.98            94.3
1.24            6.77            96
-0.0228         6.76            97.6
-0.0453         6.73            99.2
-1.07           6.04            101
-0.345          5.82            102
0.652           6.24            104
1.37            7.12            105
1.15            7.85            107
0.0238          7.87            109
1.43            8.79            111
1.08            9.48            113
1.53            10.5            116
-0.709          10              118
-0.811          9.48            121
-1.06           8.8             123
-1.22           8.02            125
-1.4            7.13            126
0.129           7.21            128
0.199           7.34            130
-0.182          7.22            132
0.135           7.31            133
0.885           7.87            135
0.678           8.31            137
0.922           8.9             139
-1.54           7.91            141
-1.16           7.16            143
-0.632          6.76            145
1.3             7.59            146
-0.67           7.16            148
0.124           7.24            150
-1.19           6.48            151
-0.728          6.01            153
1.22            6.79            154
-1.33           5.94            156
-0.402          5.69            157
-0.532          5.35            159
1.27            6.16            160
0.323           6.37            162
0.428           6.64            163
0.414           6.91            165
-0.614          6.51            166
1.37            7.39            168
0.449           7.68            170
0.55            8.03            172
1.33            8.88            174
-1.2            8.11            176
-0.641          7.7             178
-1.59           6.69            179
1.02            7.34            181
-0.86           6.79            183
-1.55           5.79            184
-0.515          5.46            186
0.352           5.69            187
0.824           6.22            188
1.14            6.94            190
-1.03           6.29            192
-1.13           5.56            193
0.139           5.65            194
0.293           5.84            196
1.08            6.53            197
-1.23           5.75            199
-1.1            5.04            200
-1.17           4.29            201
-0.8            3.78            202
-0.905          3.2             203
-0.0769         3.15            203
-0.323          2.95            204
-0.0186         2.93            205
Press any key to continue . . .

Điều này có vẻ như có thể được giải quyết bằng cách lọc khá đơn giản. Đây là dữ liệu gốc của bạn:

Đó là quá nhiều để xem những gì diễn ra trong một sự kiện riêng lẻ ở mức độ chi tiết phù hợp ở đây. Đây chỉ là dữ liệu từ ngày 26 đến 28:

Ban đầu tôi đã nghĩ đến bộ lọc thông thấp này, nhưng nó không hoạt động vì không có tín hiệu tần số thấp trong đó. Thay vào đó, biên độ của tín hiệu tần số cao tăng lên. Đây là một đường chuyền thấp chồng lên trên bản gốc:

Lưu ý điều này tuân theo "mức trung bình" của tín hiệu khá tốt không phải trong sự kiện ổ gà. Nếu chúng ta trừ đi mức trung bình này từ tín hiệu ban đầu, chúng ta sẽ có các chuyến du ngoạn cao hơn mức trung bình này trong suốt sự kiện so với mức khác. Nói cách khác, những gì chúng ta thực sự muốn là một bộ lọc thông cao. Chúng tôi sẽ làm điều đó bằng cách trừ đi mức thấp từ bản gốc vì đó là cách chúng tôi đã đến đây, nhưng trong một hệ thống sản xuất, bạn sẽ làm điều này bằng cách lọc rõ ràng thông qua cao. Dù sao, đây là bản gốc vượt qua được lọc:

Điều này bây giờ chỉ ra một cách tiếp cận rõ ràng để phát hiện sự kiện. Có rất nhiều biên độ tín hiệu trong sự kiện hơn so với khác. Chúng tôi có thể phát hiện điều này bằng cách tính toán RMS và áp dụng một số bộ lọc thông thấp:

Thu nhỏ lại toàn bộ dữ liệu, chúng tôi thấy:

Điều này xác định rõ ràng năm sự kiện trong dữ liệu, mặc dù tôi không biết liệu đó là những gì dữ liệu này được cho là hiển thị. Nhìn vào các sự kiện kỹ hơn, bạn nhận thấy rằng mỗi trong số chúng có mức giảm thấp khoảng 1 giây trước và sau các đỉnh. Điều này có nghĩa là có thể được thực hiện nhiều hơn nếu chỉ đơn giản là đập tín hiệu RMS vì hiện tại nó không đủ tốt. Ví dụ, một thuật toán đơn giản tìm chiều cao của một điểm so với mức thấp nhất trong vòng 1 giây sẽ làm giảm thêm nhiễu nền. Một cách khác để nói về điều tương tự là phân biệt tín hiệu này để tìm kiếm sự gia tăng trong khoảng thời gian 1 giây. Một sự kiện ổ gà sau đó sẽ được phát hiện bởi một cặp đôi, có nghĩa là một đỉnh cao được bao bọc bởi một đỉnh thấp.

Một cách khác để xem xét điều này là băng thông qua tín hiệu RMS. Nó đã được lọc thông thấp, nhưng vì bạn đang tìm kiếm các sự kiện bất ngờ có độ dốc mạnh, nên việc tắt một số tần số thấp cũng có tác dụng giảm nhiễu nền.

Có rất nhiều cách để tinh chỉnh tín hiệu từ đây, nhưng hy vọng tôi đã chỉ ra cách để có được ít nhất một kết quả hữu ích đầu tiên.

Thêm:

Tôi đã tò mò về việc tìm kiếm các điểm ở hai bên của một đỉnh sẽ hoạt động tốt như thế nào, vì vậy tôi đã thử nó. Tôi đã sử dụng bộ lọc phi tuyến tính bắt đầu với RMS từ âm mưu trước đó. Giá trị của mỗi điểm là mức tối thiểu bao nhiêu so với điểm thấp nhất trong giây trước và điểm thấp nhất trong giây tiếp theo. Kết quả có vẻ khá tốt:

Thấp nhất trong 5 đỉnh cao hơn 3 lần so với nhiễu nền cao nhất. Tất nhiên, điều này là giả sử 5 lỗi này đại diện cho các sự kiện bạn muốn phát hiện và phần còn lại thì không.

Đã thêm vào để trả lời các bình luận:

Tôi đã thực hiện các bộ lọc trong miền thời gian, vì vậy tôi không biết trực tiếp đáp ứng tần số. Đối với bộ lọc thông thấp, tôi kết hợp tín hiệu đầu vào với hạt nhân bộ lọc COS ^ 2. Nếu tôi nhớ đúng, bán kính (khoảng cách từ tâm đến cạnh) của hạt nhân là vài 100 ms. Tôi đã thử nghiệm với giá trị cho đến khi cốt truyện có vẻ tốt. Để bộ lọc thông thấp RMS, tôi đã sử dụng cùng một hạt nhân bộ lọc nhưng lần này với bán kính khoảng một giây. Tôi không nhớ chính xác. Thử nghiệm cho đến khi bạn nhận được kết quả tốt.

Bộ lọc phi tuyến tính đã không phát hiện các chuỗi kép. Như tôi đã nói, tôi đã tìm thấy sự khác biệt giữa điểm hiện tại và điểm thấp nhất trong tất cả các điểm trong vòng 1 giây trước đó và cũng là sự khác biệt giữa điểm hiện tại và điểm thấp nhất trong tất cả các điểm trong vòng 1 giây sau đó. Sau đó tôi lấy phút của hai người đó.

Phần mềm tôi sử dụng là một chương trình tôi đã hack cho mục đích này. Tôi đã có các thói quen khác nhau để đọc và ghi tệp CSV, vì vậy tất cả những gì tôi phải viết là mã lọc, rất đơn giản. Phần còn lại được thực hiện với các chương trình có sẵn mà tôi có để thao tác và vẽ các tệp CSV.

Cạnh phát hiện ổ gà có thể yêu cầu sự cố. Phong bì rung xe là nơi câu trả lời nằm, vì các rung động thực tế mà cảm biến nhìn thấy có tần số cao hơn nhiều. Tôi sẽ đi với RMS tới DC, đáp ứng ở khoảng 15Hz hoặc cao hơn và vượt qua điều đó.

Thay vì tìm kiếm bộ lọc miền tần số hoặc ngưỡng, tôi khuyên bạn nên thử đưa ra một hạt nhân cho ổ gà "điển hình" và thực hiện tương quan chạy với nó. Nó sẽ được coi là một kỹ thuật khớp mẫu và dường như sẽ tự cho mình mượn một nền tảng vi điều khiển.

Xem http://scribeblethink.org/Work/nvisionInterface/vi95_lewis.pdf để xem xét nhanh và có thể DOBBS, STEVEN E., NEIL M. SCHMITT và HALUK S. OZEMEK. "Phát hiện QRS bằng cách khớp mẫu bằng cách sử dụng tương quan thời gian thực trên máy vi tính." Tạp chí kỹ thuật lâm sàng 9.3 (1984): 197-212.

Nếu bạn đang ở trên một nền tảng mạnh mẽ hơn, tôi khuyên bạn nên cung cấp cho các bước sóng.

Một cách tiếp cận khác sẽ là tính toán phương sai di chuyển của tín hiệu của bạn để xem ổ gà có thực sự ló ra không. Đây là hàm MATLAB cho bộ lọc phương sai di chuyển, N điểm rộng - một cách khéo léo (nếu tôi phải tự nói như vậy) bằng cách sử dụng tích chập để tính toán

function y=movingvar(X,N)
% y=movingvar(X,N)
% Calculates N-point moving variance of  Vector X
% Highly recommend that N be odd (no error checking)
% Note: first and last N/2 points will be unreliable.
% Output will be a column vector.


X=X(:);
XSQR=X.*X;
convsig=ones(1,N);
y=(conv(convsig,XSQR)-(conv(convsig,X).^2)/N)/(N-1);

y=y(ceil(N/2):length(X)+floor(N/2));

Suy nghĩ ban đầu của tôi là bộ lọc thông thấp có thể là loại bộ lọc sai sử dụng. Ổ gà về cơ bản là một sự kiện tần số cao - như hàm bước hoặc sóng vuông. Chỉ cần nhìn vào dữ liệu được lọc 50Hz khiến tôi nghĩ rằng bạn đang mất thông tin về ổ gà - tất cả trông giống như những tiếng cười khúc khích không có sự phân biệt đáng kể nào cho sự kiện ổ gà. Trước tiên tôi sẽ sử dụng bộ lọc thông cao, sau đó là bộ lọc thông thấp với tần suất cao hơn nhiều. Bạn có thể tránh bộ lọc thông thấp hoàn toàn nếu gia tốc kế của bạn đã được lọc thông thấp.

Khi bạn có dữ liệu được lọc thông cao, tôi nghĩ rằng một bộ so sánh đơn giản với ngưỡng được đặt phù hợp sẽ chọn ra các đỉnh trong dữ liệu tăng tốc do ổ gà gây ra và cho phép bạn đếm chúng.