基于数字量求和方式对机车车辆称重台称重测量模型的改进

首先介绍了基于多个力传感器共同测试技术的机车车辆称重台的组成结构和传统称重测量模型。由于传统模型要求多个力传感器的输出特性完全一致,这在实际应用中往往无法满足。因此,在进行多次重复测量时,各个传感器的负荷分配变化都会导致合成信号的变化,从而产生测量不确定度。采用一种基于数字量求和方式的称重测量模型,对传统模型进行改进,消除各个力传感器输出特性的差异对测量结果造成的影响,减小测量不确定度。试验结果证实了该方法的正确性和有效性。     

称重传感器蠕变误差的神经网络补偿方法

针对电阻应变式称重传感器存在严重的蠕变误差直接影响称重结果准确度的问题,提出了一种基于神经网络的称重传感器蠕变误差自动补偿模型,并给出了模型的训练算法。对量程为50 kg,C3等级的电阻应变式称重传感器进行了实验,实验结果表明,使用神经网络蠕变误差补偿方法补偿后,称重传感器加载标准砝码30 min内的蠕变误差最大变化量为0.0108 kg,小于国家标准GB/T 7551-200《称重传感器》规定的允许值。     

在线校准称重给煤机——给煤机技术的重大突破

本文对计量给煤机这一称重产品的工作原理、设备组成作了简单介绍,以图文结合的形式着重阐述了三组称重桥架在称重给煤机的应用及优点。     

动态轨道衡称重模型建立与分析

利用ADAMS软件建立动态轨道衡称重系统模型,并通过实际测量来验证其可靠性,使软件仿真取代动态称重现场数据采集,降低测量劳动强度.首先根据实际的轨垫式轨道衡的称重结构原理建立模型,利用单一变量法改变质量或者速度,进行仿真称重过程,从而得到在不同的负载、不同速度下的仿真称重数据.然后再利用动态轨道衡实测相应数据,与软件仿真结果比较分析.结果表明,当车辆速度在20km/h以内,模型仿真结果与实际实验结果吻合,验证了动态轨道衡称重模型的可靠性,可用软件仿真取代动态称重现场数据采集工作,为动态轨道称重补偿研究奠定理论基础.     

基于FLANN的动态称重法

根据“逆模型”的思想 ,利用神经元网络良好的逼近能力 ,基于函数联接型神经网络 ( FLANN)的传感器动态补偿方法和最小二乘法 ,提出了一种车辆动态称重解决新方法     

车辆动态称重的速度补偿研究

研究了速度对车辆动态称重准确度的影响,并对车辆载重受力进行分析,导出速度与车辆轴重的数学表达式,利用机械动力学分析系统构建了动态称重有限元模型仿真称重过程,并对速度影响进行补偿。结果表明,基于机械动力学分析系统的有限元动态称重速度补偿模型正确可靠,20t载重汽车在8.33m/s情况下最大补偿量达到10%,大大提高了动态称重准确度。     

基于露点温度的冻干残余水分含量计算

为估算冻干过程残余水分含量,缩短冻干时间,降低能耗,提出一种新的方法──露点模型法来监控冻干过程物料的水分迁移情况。首先,根据传质原理,建立了相应的数学模型。然后以称重法为参考,对浓度为2%(W/V)的甘露醇(冻干保护剂)进行了模拟研究。实验结果表明该数学模型计算值与实际称重值在趋势上非常吻合。若对露点模型加以进一步完善和修正,将在成批控制冻干样品上呈现出很好的前景。     

基于软质电容式称重传感器的车辆动态称重系统

介绍了一种基于软质电容式称重传感器的车辆动态称重(WIM)系统.针对橡胶材料力学特性对系统输出值的影响,提出了基于Kelvin模型的数据处理方法.利用该方法进行实验测量,车辆总重量的测量误差在10%以内,其精度优于ASTM E1318-94给出的Ⅱ类WIM系统精度(置信95%时总重误差±15%).理论分析和实验结果表明该方法有助于实时测量,便于交通稽查.     

电子汽车衡加载状态与检定结果研究

针对采用砝码法和衡器载荷测量仪法检定电子汽车衡的加载状态,结合实际尺寸和边界条件建立电子汽车衡结构模型;应用数学模型计算和有限元分析手段,对不同加载状态下承载器的变形特性以及对称重传感器的影响进行了分析。研究结果表明,两种方法在称重和偏载检定时结果略有差异,但不影响检定结果判断。通过实际称重和偏载检定测试,验证了理论分析结论。     

动态公路车辆自动衡器整车式称重设备安装使用探讨

正本文总结了动态公路车辆自动衡器检定工作中遇到的一些问题,结合国家标准,通过观察分析,对整车式称重设备的安装使用提出一些建议,希望能够对整车式称重设备的推广和使用起到推动作用。一、常见整车式称重设备使用方法整车式称重设备目前的使用方法有以下几种:静态称量、动态一车一秤称量和动态连续跟车称量。这几种使用方法中,静态称量的准确度最高,可以达到     

基于轮计量和系统模型的动态轨道称重系统

本介绍一种船只过坝动态轨道称重系统,该系统用轮计量法获取重量信号,并用一种特殊的模型测量法处理重量信号。中还介绍了系统软、硬件的组成和设计思路,以及系统标定的方法。     

Dynamic weighing under nonzero initial conditions

The discrete output error (OE) model of second order is derived for the weighing system dynamics. Using the model and the recursive least squares (RLS) procedure, model parameters and then the mass being weighed can be estimated from a dynamic measurement signal of very short duration. The validity and the accuracy of this method are illustrated by digital simulation studies and real-life measurements     

基于PLC冗余技术的全自动称量包装精度控制

目的 由于全自动称量包装精度控制容易受到物料冲力等因素的影响,导致精度控制很难保持稳定,降低其抗扰性能.为此,提出基于PLC冗余技术的全自动称量包装精度控制方法.方法 建立称量传感器的数学模型,采用滑动平均滤波和程序判断滤波处理称量原始信号,去除动态振荡和干扰因素,将处理的信号作为输入数据,利用PLC冗余技术制定同步机制,实现数据传输和控制命令的同步传输,在此基础上,使用设计的专家控制器,根据灵活的控制规则库实现全自动称量包装的精度控制.结果 设计的基于PLC冗余技术的全自动称量包装精度控制方法过码质量计量偏差小、通讯数据协同性好.结论 通过滤波处理的控制方法可以有效提高控制系统的抗扰性能.     

基于胎压的静态载重测量技术研究

研究了车辆胎压与载重的相关机理,通过测量轮胎内的气压变化间接测出汽车载重。对载重与受力模型进行了分析,并通过测量实验以及误差分析验证了所提出的模型的有效性和实用性。依据提出的测量方法,设计了一种基于胎压的新型数字式便携载重测量仪。该测量仪主要由便携式控制显示终端和压力变送器组成。实验测试结果表明,该测量仪测量精度较高、成本低、体积小、携带方便,适用于各种轮胎车辆的载重测量。     

粉状饲料动态定量称量包装控制系统设计与实现

目的 为提高粉状饲料包装过程的称量精度,提高包装效率,基于RBF神经网络设计一种粉状饲料定量称量包装控制系统.方法 首先介绍系统总体结构,以动态定量称量为主要研究对象,重点分析包装机的给料过程.针对精细给料过程,建立被控对象数学模型,结合传统PID控制和RBF神经网络设计称量控制器.通过RBF神经网络实现PID控制器参数的在线调整,从而提高称量精度.最后进行实际称量试验.结果 试验结果表明,静态和动态称量偏差均可以控制在0.5％以内,计量为25～50 kg,生产能力可以达到900包/h.结论 所述控制系统称量精度较高,具有比较理想的可靠性和稳定性,能够满足包装需求.     

基于支持向量机的车载称重模块设计

称重测量模块是车载称重系统的核心部分．介绍了车载称重模块的工作原理、流程和实施方案．利用Pro/Engineer软件建立了车架的三维模型．在ANSYS中对模型作必要的简化,联系现实情况在车架上施加载荷,找到应变敏感点,分析了应变和载荷之间的关系．基于支持向量机设计了称重算法,用总体样本交叉验证的方法验证了不同工况下该算法的可行性和正确性．     

静不稳定机械式衡重台力学分析和校准方法

为解决机械式衡重台因静不稳定性难以校准的问题，分析机械式衡重台的测量原理和力学特点，提出机械式衡重台校准方法，通过减少机械式衡重台非平衡状态下载重架的最大偏转角度，实现校准时的测量不确定度控制，保障校准结果的准确性。利用该方法对机械式衡重台进行校准，并开展测量不确定度分析，结果表明扩展不确定度U = 84 g（k = 2），验证了该方法的有效性。研究成果对于促进水下航行体产品力学计量领域的发展具有积极作用，为水下航行体产品试验研究提供了有力支撑。     

动态定量称量包装系统BP神经网络PID控制算法

目的针对动态定量称量包装控制系统具有大惯性、滞后、非线性且无法建立精确数学模型等缺点,研究提高动态定量称量包装系统控制精度的方法。方法提出了一种改进型BP神经网络PID的定量称量包装控制系统,将BP神经网络与PID控制方法相结合,通过神经网络的自学习、加权系数的调整,优化PID控制器参数K_i,K_p,K_d,并将粒子群算法引入到神经网络中作为其学习算法,以有效提高BP神经网络算法的收敛速度。结果仿真和实验结果表明,改进型BP神经网络PID控制响应速度快、超调量较小,系统称量误差得到大幅度减小。结论所述控制方法可以明显提高定量称量控制过程的稳定性、精确性以及鲁棒性。     

非线性质量补偿方法在微量包装系统中的应用

目的 为解决微量包装系统中称量传感器输出电压与质量之间的非线性关系、提高称量精度,基于改进BP神经网络设计一种非线性补偿方法.方法 阐述电阻应变式称量传感器的非线性补偿原理,根据称量传感器输入和输出之间的关系,设计一种神经网络补偿器.为提高神经网络控制性能,引入一种惩罚因子,可解决因训练不足导致的误差偏大等问题.结果 经对比发现,改进型BP神经网络具有较快的收敛速度、较高的精度,可提高微量称量包装系统的控制性能.高速模式下,称量误差可以控制在0.5％以内,实际称量结果较理想.结论 该方法能够改善系统动态性能,提高测量精度,可满足称量、包装行业等精度要求.