具体实施方式

在本发明的描述中，需要说明的是，术语“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“接触”、“连通”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

产品从出厂到销售者手上，会经历仓储、搬运和运输等环节，其中会遭遇振动、冲击、跌落等行为，其中跌落是导致产品损伤的最主要因素，跌落姿态是制定实验室跌落测试标准的重要参数。准确检测、识别姿态，有利于制定出更加合理的实验室跌落试验方案用于考核产品强度和缓冲包装性能，继而改进产品和包装结构设计，降低运输损失。针对以上问题，本实施例提出了一种货物跌落姿态识别方法，如图1所示的流程图，包括以下步骤：

S1、获取货物跌落时的三轴加速度信息，对所述三轴加速度进行矢量合成获得矢量加速度；

S2、基于所述矢量加速度来确定货物跌落时的冲击区段；

S3、获取冲击区段的三轴加速度，基于所述冲击区段的三轴加速度计算冲击区段中每个轴的加速度平均值与三轴加速度平均值的平方和根的比值；

S4、根据所述每个轴的加速度平均值与三轴加速度平均值的平方和根的比值的大小来确定货物的跌落姿态。

具体的，在货物上固定三轴加速度传感器随货物一起运输，三轴加速度传感器采集货物跌落时的三轴加速度信息。然后将采集到的三轴加速度信息上传至物流环境运输平台，物流环境运输平台主要由服务器、数据库和客户端(网页端、PC端和移动端)等组成，集成了数据处理、货物运输状态分析与风险识别算法，能够实现在线检测、在线存储、数据处理、自动识别、特征再现、统计分析、信息发布、管理优化、多用户共享等功能。利用公式对收集到的三轴加速度的数据进行矢量合成，获得矢量加速度，矢量加速度为以时间为横坐标，加速度为纵坐标的波形。其中a指合成矢量加速度，a_x、a_y和a_z分别指加速度传感器采集到的X、Y和Z三个方向上加速度。为了减少噪声，将矢量加速度放入低通滤波器进行滤波处理。由于货物跌落时对跌落平台造成较大的冲击力，从而造成货物与跌落平台接触的过程中其矢量加速度值在一定时间范围内迅速增大，因此根据矢量加速度变化情况可以确定冲击区段。当冲击区段确定后，通过计算冲击区段中每个轴的加速度平均值与三轴加速度平均值的平方和根的比值，根据所述每个轴的加速度平均值与三轴加速度平均值的平方和根的比值的大小来确定货物的跌落姿态，判断货物是面跌落、角跌落还是棱跌落，从而为改进产品和包装结构设计提供参考数据，降低运输损失。

进一步可选地，如图2所示的流程图，步骤S2中还包括：

S21、确定所述矢量加速度的矢量波峰，以所述矢量波峰为起点，沿所述矢量加速度的轨迹分别向所述矢量波峰的两侧移动，直至在所述矢量波峰的两侧分别找到小于所述判断阈值的点值，位于所述矢量波峰两侧的所述小于所述判断阈值的点值之间的波段为所述冲击区段。

具体的，矢量加速度上的波峰即为矢量波峰，矢量波峰代表对跌落平台最大冲击力的时刻，当货物因抛掷而跌落时，矢量加速度上至少有两个波峰，则矢量波峰为矢量加速度的最大波峰处。当矢量波峰确定后，由于矢量波峰处的加速度值最大，所以矢量波峰处为货物跌落至跌落平面时对跌落平台冲击最大的时刻，而货物对跌落平台的冲击力是逐渐增大，达到最大冲击力(即矢量波峰处)又逐渐减小的过程，因此，冲击区段是位于矢量波峰两侧的区域。根据货物跌落至跌落平台后的加速度变化情况和判断阈值即可确认冲击区段。判断阈值为接近重力的值，一般取1.2～1.4g，g为重力常数。判断阈值根据实验确定，判断阈值太小，可能无法找到冲击区段，判断阈值太大，会导致计算获得冲击区间变小，导致跌落识别计算不准确。

确认冲击区段的一种具体实施方式为：从矢量波峰向左(即时间坐标减小的方向)移动，当移动到小于判断阈值的点值时，此点值作为冲击区间的左端点，接着，从矢量波峰向右(即时间坐标增大的方向)移动，当移动到小于判断阈值的点值时，此点值作为冲击区间的右端点；左右端点确定后，完成冲击区段的识别，左右端点之间波段为冲击区段。左右端点为冲击开始时刻和冲击回复离地时刻，寻找左右端点是为了确定冲击区间，识别出冲击区间后是为了计算冲击区间内的三轴加速度特值，该特征值为三轴加速度在冲击区间内的各自平均值，用于后续输入神经网络中训练出识别冲击姿态模型。

进一步可选地，当沿所述矢量加速度的轨迹分别向所述矢量波峰的两侧移动过程中未找到小于所述判断阈值的点值时，将所述判断阈值增大设定值后重新以所述矢量波峰为起点，沿所述矢量加速度的轨迹分别向所述矢量波峰的两侧移动来寻找小于新的判断阈值的点值。

具体的，若未能找到冲区间左端点，则开始自动调整阈值a，调整后继续寻找波峰左端点；若未能找到波峰右端点，则开始自动调整阈值a，自动调整阈值后继续寻找波峰右端点。一般来说，冲击区段两端相当于货物放置在地面上，传感器仅受到重力加速度作用，矢量加速度应该为接近1g的值，但有时由于噪声、干扰等因素导致加速度存在偏移，冲击波两侧的加速度并不接近1g，会比1g大较多，此时则需增大判断阈值a，否则可能寻找不到左右端点；但调整此值需非常慎重，调得过大会导致识别的冲击波区间变窄，影响后续跌落姿态判断，判断阈值a增大的设定阈值可选的为0.05-0.1g。

进一步可选地，所述判断阈值接近重力常数的值。

进一步可选地，所述判断阈值为1.2g～1.4g，g为重力常数。

一般来说，冲击波两端相当于货物放置在地面上，传感器仅受到重力加速度左右，矢量加速度应该为接近1g的值，但有时由于噪声、干扰等因素导致加速度存在偏移，冲击波两侧的加速度并不接近1g，会比1g大较多，此时则需增大判断阈值a，否则可能寻找不到左右端点；但调整此值需非常慎重，调得过大会导致识别的冲击波区间变债，影响后续跌落姿态判断。

进一步可选地，如图2所示的流程图，步骤S3中包括：

S31、在所述冲击区段中分别获取货物在X轴、Y轴、Z轴三个方向的加速度；

S32、基于所述冲击区段中货物在X轴、Y轴、Z轴三个方向的加速度，分别计算所述冲击区段中货物在X轴、Y轴、Z轴的加速度平均值x、y、z，以及三轴加速度平均值的平方和根

S33、分别计算所述冲击区段中货物在X轴的加速度平均值与三轴加速度平均值的平方和根的比值x1，Y轴的加速度平均值与三轴加速度平均值的平方和根的比值y1，Z轴的加速度平均值与三轴加速度平均值的平方和根的比值z1，满足：

进一步可选地，如图2所示的流程图，步骤S4，包括：

S41、确定x₁、y₁、z₁中的最大值a_max，最小值a_mid和中间值a_min；

S42、通过比较所述最小值a_mid、所述最小值a_mid和所述中间值a_min与设定阈值的大小来判定货物的跌落状态。

当判断a_max＞第一设定阈值，a_mid＜第二设定阈值、a_min＜第二设定阈值时，即某一个方向冲击占主导，判定货物的跌落状态为面跌落；当判断a_max-a_mid＜第三设定阈值，且a_min＜第二设定阈值时，即某两个方向冲击占主导且差异小，判定货物的跌落状态为棱跌落；当以上条件均不满足时，判定货物的跌落状态为角跌落；其中第一设定阈值＞第二设定阈值＞第三设定阈值。第一设定阈值、第二设定阈值和第三设定阈值根据多次试验确定。第一设定阈值可选的为0.8，第二设定阈值可选的为0.2，第三设定阈值可选的为0.1。

在货物运输过程中，货物在放置平台上相对放置平台出现运动事件后无法判断该运动事件即为跌落。因此，在判断货物的跌落状态前需要判断货物的运动事件是否为跌落。具体判断方法如下：

对货物运动过程中的矢量加速度进行时域积分，将时域积分结果的绝对值与第一判断阈值进行比较，根据比较结果来确定货物位移过程是冲击事件还是振动事件；当时域积分结果的绝对值＞第一设定阈值时，判断为冲击事件，否则判断为振动事件。

当判断货物的位移过程为冲击事件时，进一步将所述时域积分结果的绝对值与第二判断阈值进行比较，根据比较结果来确定所述冲击事件是跌落事件还是普通冲击事件；当时域积分结果的绝对值＜第二设定阈值时，判断为跌落事件，否则判断为普通冲击。

其中，第一判断阈值＜第二判断阈值＜重力常数g。

进一步的，当所述时域积分结果的绝对值＜第二设定阈值时，还判断失重区间段的持续时间t是否大于设定时间阈值，若失重区间段的持续时间t大于设定时间阈值，则判断为跌落事件。

首先三轴加速度的数据传入算法程序内，将三轴加速度数据进行矢量合成，将矢量合成的加速度波形放入巴特沃斯低通滤波器进行滤波处理；然后，对矢量加速度进行时域积分，当积分绝对值大于第一判断阈值a1(第一判断阈值可选的为0.1～0.3g)，判断为冲击事件，否则判断为振动事件，这是因为振动为围绕平衡位置的往复运动，时域积分值较小，冲击为瞬间加速度变化，时域积分值较大；接着，对冲击事件的加速度数据进一步判断，若存失重情况，即加速度小于一定第二判断阈值阈值a2(第二判断阈值可选的为0.6～0.8g)，则该事件可能为跌落，否则可判断为普通冲击事件；为了避免由于信号扰动导致错误判断，加速度失重存在一定时间才能判断为跌落，为此对存在失重的加速数据进行进一步判断，计算具体失重时间，具体为：首先在矢量加速度上寻找矢量加速度小于重力常数g的时刻，即自由落体开始时刻T2,然后，寻找矢量波峰，获取矢量波峰时刻Tmax，从矢量峰值时刻Tmax向时间坐标减小的方向查找矢量加速度小于第三判断阈值a3(第二判断阈值可选的0.6～0.8g)的时刻，即为撞击时刻T3，根据自由落体开始时刻T3和撞击时刻T2，可计算失重时间t＝T3-T2，若失重时间t大于设定时间阈值t’(设定时间阈值t’可选的为0.1s)，则可判断为跌落事件，否则仍然判断为普通冲击事件；值得注意的是：判断算法涉及到的阈值(a1、a2、a3、t’)，需在实验室通过多组振动、冲击、跌落和抛掷实验反复验证确定，以提高算法区分准确性。

本实施例还提出了一种货物跌落姿态识别系统，包括：

数据采集模块，用于采集货物跌落时的三轴加速度值；

数据处理模块，用于对所述三轴加速度进行矢量合成获得矢量加速度；

算法模块，用于基于所述矢量加速度来确定货物跌落时的冲击区段，以及基于所述冲击区段的三轴加速度计算冲击区段中每个轴的加速度平均值与三轴加速度平均值的平方和根的比值，并根据所述每个轴的加速度平均值与三轴加速度平均值的平方和根的比值的大小来确定货物的跌落姿态。

具体的，先将内置三轴加速度传感器和数据采集、存储和发送等组件的黑匣子放置至于产品包装内，启动黑匣子；如图3所示的运行流程图，黑匣子随产品一起运输，采集运输过程中的跌落数据；然后，通过无线远程传输或者本地连接将采集到的数据上传到物流环境分析平台，物流环境分析平台主要由服务器、数据库和客户端(网页端、PC端和移动端)等组成，集成了数据处理、货物运输状态分析与风险识别算法，能够实现在线检测、在线存储、数据处理、自动识别、特征再现、统计分析、信息发布、管理优化、多用户共享等功能。在物流环境分析平台运行数据处理及跌落姿态识别与分析算法，识别出跌落的姿态信息，然后将相应信息归纳生成分析报告，黑匣子关闭，整个运行过程结束。

进一步可选地，其采用上述的货物跌落姿态识别方法。

以上所述仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专利的技术人员在不脱离本发明技术方案范围内，当可利用上述提示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明方案的范围内。