基于神经网络技术的动态定量称重控制方法的研究

以传送带,料门给料的称重过程为研究对象,提出一种新型动态定量称重控制方法,该方法基于复合技术的思想,以神经网络技术为控制核心,采取多因素协调,较为有效地解决了动态定量称重过程中速度与精度的矛盾。     

动态称重的理论,方法及初步实践

对运行中卡车、火车载重的检测,传输带上物质的在线称重、铲车取物的称重,秤的快速称重都提出了一个共同的课题:动态称重。动态称重要求装置不仅能检测物体的静态重量,还能迅速检出其中的动态干扰因素将其排除,从而能快速、准确地测知物体的真实重量。它作为动态检测的重要方面,正受到各方面的关注。动态称重有多种处理方法。一种是统计处理法,即对被测对象进行多次称重,再求平均值,称重周期取为秤振动周期的若干倍,而每次称的重量也是平均重量,即时间积分的平均值,其公式为     

车辆动态称重模型建立与分析

利用ADAMS对便携式轴重仪的动态称重系统建模并验证模型的可靠性.首先根据实际称重传感器结构和建模原理进行建模,控制单一变量仿真称重过程,得到不同速度、重量下的仿真称重数据.然后利用相同参数的便携称重系统实现实际测量,并与相同条件下仿真结果比较分析.实验结果表明,在30 km/h以下,仿真数值与实测数值相差不超过5％,验证了动态称重模型可靠性,为仿真数据取代现场实测提供可行性,为今后称重信号补偿奠定了理论基础.     

模糊控制在动态称重系统中的应用

针对动态称重系统称重进程中影响控制系统快速性和精度的多种原因的分析,根据动态称重的特性,提出了通过模糊控制改善动态善动态称重系统性能、提高其测量精度的方法。通过对模糊控制器的改进达到了良好的控制效果。     

HHT在动态称重传感器处理非线性信号中的应用

悬臂梁式称重传感器是动态称重(WIM)系统的核心组成部分,但由于动态称重过程中受到的外界影响因素较多,加上动态称重技术本身要求传感器处理的就是非线性、非平稳信号,须寻求一种更加适合的信号处理方法—希尔伯特-黄变换(HHT)技术.HHT是一种适用于非线性非平稳的信号分析方法,适用于动态称重过程中称重传感器的信号处理,根据信号端点处的振幅和频率,分别增加两组特征波的方式进行数据延拓的方法来抑制边界效应,然后通过经验模式分解(EMD)剩余分量的均值来作为动态称重信号中的静态值,计算出车辆真实轴重.     

PLC在饲料称重包装中的应用

动态称重包装在化工、水泥、饲料等行业有广阔的应用，本从讨论饲料称重包装中的应用入手，给出了提高动态称重精度的思路和方法，并已经在饲料动态称重包装中得到了应用。     

煤炭在线动态称重系统研究

分析了目前煤炭在线动态称重系统即胶带秤动态称重系统、矿车衡动态称重系统和箕斗秤动态称重系统的称重原理及优缺点,提出了一种具有高计量精度的基于图像处理技术的矿车衡称重系统;研究了煤炭在线动态称重系统中的关键问题,即标定方法、称重传感器、动态数学模型、数据处理算法和上位机系统软件,指出在提高标定精度的同时降低标定难度是煤炭在线动态称重系统标定方法的研究方向;振弦式称重传感器是称重传感器未来发展方向;先进的技术和理论是动态数学模型和数据处理算法的研究方向。     

关于汽车动态载荷智能测量的研究

汽车动态称重系统虽然能够适应快速称重,但其称量精度有所下降.为了在快速称重的同时保证称量精度,提出了基于改进Levenberg-Marquardt算法的动态载荷处理方法.首先通过小波变换对动态载荷中的高频随机干扰进行预处理,然后采用改进Levenberg-Marquardt算法对低频动态载荷进行拟合,最后从称重信号中减去拟合的动态载荷即可获得真实的静态载荷.仿真和实验表明,该方法可以有效地降低动态载荷对称量精度的影响,使系统动态称重相对误差小于2%,对高速动态称重精度问题具有一定意义.     

汽车动态称重系统的信号处理研究

相对于静态称重,汽车动态称重具有时间省、效率高等特点.现有的汽车动态称重系统在低速运行时(＜ 10 km/h)的情况下,精度较高;而在中高速情况下,由于汽车受到沿路面垂直方向振动的影响,精度下降较快.通过对动态称重系统的阶跃响应曲线进行辨识,得到称重系统的传递函数.在比较称重系统的理想输出信号与实际测量信号之间差异的基础上,考虑汽车振动对测量造成的影响,总结得到汽车轴重信号波峰补偿算法.试验证明,该方法有效地提高了汽车动态称重的精度.     

遗传神经网络在动态称重中的应用

为提高称重传感器的稳态响应,加快称重速度,提出一种基于人工神经网络预测动态称重终值的方法,即在BP网络的基础上用遗传算法进行优化,通过动态在线建模预测系统稳态输出AD值,再通过加权移动平均法得出物重.试验结果表明,该方法能够改善系统动态性能,提高测量精度,解决称重速度与精度难以同时提高的矛盾.