一種適用於汽車衡的稱重方法
2023-09-14 11:07:45 2
專利名稱：一種適用於汽車衡的稱重方法
技術領域：
本發明涉及一種適用於汽車衡的稱重方法。
背景技術：
汽車衡是衡器的重要分支，主要用於大宗貨物計量。目前模擬式電子汽車衡佔據汽車衡市場的主導地位，其主要由承重傳力機構(秤體)、模擬稱重傳感器、稱重顯示儀表三大主部件組成。汽車衡根據量程不同，一般具有4 12路稱重傳感器。這些傳感器按照一定拓撲結構，對稱地分布在秤體下方，構成了一個多傳感器系統。該多傳感器系統存在I禹合性，各路傳感器輸出相互關聯，並與載荷加載位置有關。汽車衡在模擬接線盒中將各路稱重傳感器的輸出信號集中累加，獲得一個與被測載荷質量成比例的電壓信號，經信號調理、A/D轉換後，由單片機處理獲得稱重結果，送顯示、通信，完成被測載荷的稱重。偏載誤差和線性度誤差是影響汽車衡稱重結果準確性的兩個主要因素。偏載誤差是由於汽車衡受各種非線性因素的影響，被測載荷處於汽車衡承載面上不同位置時，稱重結果不一致而產生的誤差；線性度誤差是由於各路稱重傳感器的特性不一致，導致汽車衡的輸入與輸出並非理想的線性關係，從而產生的稱重誤差。現有汽車衡的偏載誤差與線性度誤差補償過程是分開的，傳統的偏載誤差補償方法是通過人工反覆調節汽車衡接線盒中電阻器，改變每路傳感器通道增益，補償偏載誤差，這種方法人工操作繁瑣，工作效率低，補償效果差；為此，有學者提出多元線性回歸方法(「大型衡器系統偏載荷數位化補償方法的研究」，陳昌，王孝良，秦子君，大連理工大學學報，1994，I)、利用線性方程組求解角差修正係數的方法(「基於先進數據處理技術的智能稱重傳感器研究」，朱子健，南京航空航天大學博士論文，2005),但這些方法不能解決因拓撲結構所帶來的各傳感器輸出關聯性問題，也沒有考慮汽車衡各種非線性因素影響，因此補償效果較差；有學者採用神經網絡方法進行汽車衡偏載誤差與線性度誤差補償(「基於多傳感器信息融合的汽車衡誤差補償」，林海軍，滕召勝，遲海，等，儀器儀表學報，2009，6 基於多RBF神經網絡的汽車衡誤差補償」，林海軍，滕召勝，遲海，等，湖南大學學報，2010，5)，雖 然能大大減少稱重誤差，但是神經網絡需要大量的訓練樣本，工作量大；工作量大的主要原因是汽車衡量程大，測試時需要的標準砝碼多、加載點多，稱重信息獲取不易。現有汽車衡線性度誤差補償是在偏載誤差補償完成後，利用如下方法完成:首先利用不同重量的標準砝碼依次加載在汽車衡秤體上，獲得目標稱重結果與實際稱重結果，然後將實際稱重結果倍乘修正係數，使之等於目標稱重結果。這種方法是在基於汽車衡輸入-輸出為線性關係的基礎上的，與實際相差較大，因此補償效果較差。
發明內容
本發明的目的在於克服現有技術中的不足，提供一種新的適用於汽車衡的稱重方法:即利用神經網絡良好的逼近非線性函數能力，構造汽車衡的實際稱重模型；同時利用汽車衡的理想稱重模型構造神經網絡的約束條件，以減少神經網絡訓練所需的樣本，降低工作量，完成汽車衡實際稱重模型的優化，最終實現汽車衡準確稱重與誤差補償。
本發明的目的通過下述技術方案予以實現:
所述稱重方法包括使用稱重傳感器、數據採集裝置、微處理器和顯示器；所述稱重傳感器通過數據採集裝置與微處理器連接；所述顯示器與微處理器連接；所述稱重方法的步驟包括建立稱重數學模型、稱重信號採集、在線稱重；所述建立稱重數學模型的數學模型包括理想稱重模型、實際稱重模型及它們的訓練方法，其步驟:
1)所述理想稱重模型為線性函數；所述線性函數的輸入為#路稱重傳感器輸出的數據Xiyi ,輸出為A(X);其輸入-輸出關係表達式為公式(I):
權利要求
1.一種適用於汽車衡的稱重方法，所述稱重方法包括使用稱重傳感器、數據採集裝置、微處理器和顯示器；所述稱重傳感器通過數據採集裝置與微處理器連接；所述顯示器與微處理器連接；所述稱重方法的步驟包括建立稱重數學模型、稱重信號採集、在線稱重；其特徵在於:所述建立稱重數學模型的數學模型包括理想稱重模型、實際稱重模型及它們的訓練方法，其步驟； 1)所述理想稱重模型為線性函數；所述線性函數的輸入為#路稱重傳感器輸出的數據P1,輸出為A(X);其輸入-輸出關係表達式為公式(I):
2.根據權利要求1所述的適用於汽車衡的稱重方法，其特徵在於:所述在線稱重應當在實際稱重模型訓練合格後進行，其步驟如下: 1)將採集到#路稱重傳感器的稱重信號作為BP神經網絡第一層的輸入向量X； 2)將輸入向量X和保存在存儲單元中的實際稱重模型參數W、b(1)、V和b(2)—起代入公式(3)中，求得BP神經網絡輸出為最終稱重結果； 3)顯示器上顯示最終稱重結果。
3.根據權利要求1或2所述的適用於汽車衡的稱重方法，其特徵在於:所述稱重信號採集的方法，將各路稱重傳感器的輸出信號進行信號放大、濾波和模數轉換處理後獲得的數據，作為理想稱重模型和實際稱重模型訓練與在線稱重的輸入向量X。
4.根據權利要求1或2所述的適用於汽車衡的稱重方法，其特徵在於:所述微處理器為單片機、DSP處理器或其他嵌入式系統設備，並帶有存儲單元。
5.根據權利要求3所述的適用於汽車衡的稱重方法，其特徵在於:所述微處理器為單片機、DSP處理器或其他嵌入式系統設備，並帶有存儲單元。
全文摘要
本發明公開了一種適用於汽車衡的稱重方法，所述稱重方法包括使用稱重傳感器、數據採集裝置、微處理器和顯示器；稱重方法的步驟包括建立稱重數學模型、稱重信號採集、在線稱重；建立稱重數學模型的模型包括理想稱重模型、實際稱重模型及它們的訓練方法；理想稱重模型為線性函數；實際稱重模型為三層BP神經網絡，第一層為輸入層，第二層為隱含層，第三層為輸出層；在線稱重前，必須對理想稱重模型和實際稱重模型進行設定樣本數量的訓練，訓練過程在微處理器與外部計算機連接的情況下進行，採集設定數量的樣本信息，以理想稱重模型及其導數為約束條件，最後獲得實際稱重模型參數W、b(1)、V和b(2)保存在微處理器中，然後撤離外部計算機。
文檔編號G06N3/02GK103234610SQ20131017718
公開日2013年8月7日 申請日期2013年5月14日 優先權日2013年5月14日
發明者林海軍, 滕召勝, 汪魯才, 楊進寶 申請人:湖南師範大學