基于新型卡尔曼滤波算法的称重系统实现研究

针对信号采集中存在脉冲干扰和高斯白噪声引起的误差问题,提出了基于新型卡尔曼滤波算法的称重系统实现方案,给出了该称重系统的组成。该算法对信号进行阈值和防脉冲干扰滤波,在防脉冲干扰滤波过程中不断优化阈值滤波中的对比值,消除了干扰幅度较大的非周期脉冲信号;将信号送入下一级滤波器进行时间更新、测量更新,消除了高斯白噪声干扰。一系列试验表明,测量范围内系统灵敏度约为0.15 mV/kg;最大差值为0.1 kg,准确度达到99.7%;经过新型卡尔曼滤波后误差均处于0.4%以下,相比使用传统的卡尔曼滤波算法,系统精度提高到4.5倍。     

基于数字滤波的高精度称重系统设计

在工业领域中,设备使用的环境中存在着不同种类的噪声。传统的称重系统采用固定的滤波方案,无法保证在不同的使用环境中都达到良好的使用效果。设计了一个具有多种滤波方案的称重系统,通过递推平均滤波、一阶滤波、消抖滤波三种滤波方式相结合的方法,保证系统能够在不同的工业环境中都保持理想的测量精度。     

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。     

FIT／1高速高精度数字式传感器的研究与应用

本文介绍了一种尚未在国内广泛使用的高速高精度数字式称重传感器。该传感器由德国HBM公司生产，其突出特点是可以在干扰严重的动态使用条件下迅速准确得出测量值。由于其内部采用了嵌入式操作系统，使得该传感器与其它国内同类产品在使用方法和通讯方式上都有所不同。本文讨论了将该传感器作为快速重量测试元件应用时，其工作特性、内部参数的设置方法以及与PLC的数据通讯。     

FIT/1 高速精度数字式传感器的研究与应用

本文介绍了一种尚未在国内广泛使用的高速高精度数字式称重传感器.该传感器由德国HBM公司生产,其突出特点是可以在干扰严重的动态使用条件下迅速准确得出测量值.由于其内部采用了嵌入式操作系统,使得该传感器与其它国内同类产品在使用方法和通讯方式上都有所不同.本文讨论了将该传感器作为快速重量测试元件应用时,其工作特性、内部参数的设置方法以及与PLC的数据通讯.     

汽车衡的现场使用和调试维修

结合实际工作经验,以SCS全电子100t汽车衡为例,介绍称重传感器的现场使用和调试。     

汽车衡称量管理系统设计与实现

汽车衡是大型企业广泛使用的称重仪器，本文叙述了汽车衡计算机称量管理系统设计与实现的一种方法，通过实行计算机管理，增加了重称系统的自动化程度，提高了称重的可靠性和准确性。     

应变式传感器胶封技术的研究

胶封是目前我国应变式称重测力传感器生产厂家使用的一种最普遍的密封方法,本文结合作者多年的实践经验与资料积累,详细介绍了应变片表面涂覆单组分保护面胶和应变孔灌封双组分胶粘剂的工艺方法。     

电子汽车衡故障分析

论述了电子汽车衡的工作原理及其在使用中的故障判断及排除方法.     

一种高精度的电子秤设计

设计了一种以DSP处理器TMS320LF2407为信息处理核心的高精度电子秤,介绍了其系统框图,重点阐述了称重传感器的工作原理与电子秤称重数据采集电路的设计方法,并完成了电子秤的软件设计;测试结果表明,电子秤的各项性能均优于国家标准<非自动秤通用检定规程JJG555-1996>规定的三级秤指标,称重误差小.     

一种基于信噪比最大化的信号恢复方法

针对平稳噪声下的信号恢复问题,提出一种信噪比最大化指标函数,利用混合信号中噪声的协方差矩阵先验知识,通过多通道信号的线性组合,恢复出需要检测的信号,并使其信噪比最大化。对方法进行了推导和仿真,结果表明,这种基于信噪比最大化的信号恢复方法能够在信号和噪声频谱有较大重叠的情况下,增强信号同时抵消噪声,以最大信噪比恢复出需要的信号,效果明显,具有良好的实际应用价值。     

一种基于听觉特性的自适应小波语音增强方法

提出一种基于人类听觉特性的自适应小波滤波算法。该方法用听觉感知小波变换对含噪语音信号进行小波分解,这样可以保证对信号频率和幅值的听觉特性,将经听觉感知小波变换所分离出来的噪声成分作为自适应滤波器的输入。通过采用递推最小二乘算法从而实现信噪分离的最佳滤波,以保证去除信号中的相关噪声。结果表明,该方法能实现非平稳信号在同频段对噪声成分和有用信号的最佳估计,提高了语音的清晰度和可懂度。     

小波模极大值滤噪法在示波计时电位信号处理中的应用

将小波模极大值滤噪法用于处理含噪示波计时电位信号。研究了信号中有用信息频带大小和噪音频带大小对滤噪结果的影响。示波计时电位信号经小波模极大值滤噪法处理后，切口宽度和相对深度变化很小，切口相对深度的相对误差仅为1．3％。实验结果表明：该方法适合于对信号中有用信息频带较窄且位于低频的信号滤噪或有用信息频带与噪音频带(即有用信息的频率上限与噪音的频率下限)有一定差距的含噪信号中高频噪音的滤除。     

基于混合线性模型的图像去噪

现有的图像去噪算法大多假设图像为分段平滑信号,通过滤除图像中的振动分量达到去噪的效果.如果将这类方法应用于纹理图像,则会导致图像细节信息的损失.该文针对保留图像细节的问题,提出了基于混合线性模型的去噪方法.新方法不假设图像分段平滑,仅假设图像具有自相似性,利用图像的相似性区分图像信号与噪声.文中使用统计学习的方法对图像区域进行聚类,并得到图像主成份,以主成份作为信号分量重组图像,从而对纹理图像取得很好的去噪效果.     

金属基复合材料缺陷超声信号消噪研究

为了剔除金属基复合材料缺陷超声信号中的噪声,得到没有污染的缺陷信号,便于进行信号分析,文章中使用了一种改进小波包消噪方法——平均能量阈值法,讨论了平均能量阈值法消噪的原理,并将小波包的多尺度时频分析及重构结合在一起,用于信的消噪研究中,通过仿真实验并与小波消噪方法进行对比。证明了该方法消噪的有效性;结果表明基于平均能量阈值法消噪技术在保信号奇异性的同时,能有效地去除金属基复合材料缺陷超声信号中的噪声。     

基于双调制随机共振的涡街信号检测方法

研究一种用于涡街流量计涡街频率测量的随机共振信号处理方法.探讨了信号与双稳系统的阈值和克莱默斯逃逸率之间的关系,通过外加幅值和频率可调的信号进行双重调制,实现信号与双稳系统的匹配,数值仿真表明该匹配方式是可行和有效的.针对涡街信号,提出基于标准差的调制参数选取方法,该方法利用涡街信号特征,通过信号标准差估计管道内流速,缩小了调制参数的选取范围,提高了信号与双稳系统匹配的效率.实验结果表明,利用标准差选取调制参数对涡街信号进行调制,可以有效地使涡街信号,特别是弱涡街信号产生随机共振,进而检测到涡街频率,实现流量测量.     

基于Duffing振子的梯形增幅波弱信号检测*

针对引信产品测试中的非周期梯形增幅波信号提出了基于Duffing振子的梯形增幅波弱信号检测的新方法。该方法利用梯形增幅信号的特征进行分段预处理,将非周期信号的检测转换为Duffing振子的准周期信号检测,避免了低信噪比下基于Duffing振子的微弱非周期信号检测受混沌振子检测机理的限制这一难点。仿真实验证明,该方法有效地检测出了低信噪比下的微弱非周期梯形增幅信号。结果表明,该方法能有效检测出引信测试中的梯形增幅波信号,并对零均值色噪声具有较强的抑制能力。     

基于卷积自编码神经网络的心电信号降噪

心电信号由于在采集过程中会受到外界环境的干扰导致其形态特征被严重淹没,从而对医生的诊断和远程智能分析造成干扰。基于此,提出了一种基于卷积自编码神经网络的心电信号降噪算法。该方法利用自编码器的编码、解码特性,通过卷积的方法构建深层神经网络来学习从含噪心电信号到干净心电信号的端对端映射。卷积层捕获心电信号的细节特征,同时消除噪声;解码部分能够对特征图进行上采样并恢复心电信号细节,从而得到干净的心电信号。实验中采用信噪比和均方根误差为指标,将该方法与小波阈值法、S变换法、BP神经网络法和指导滤波法进行比较。实验结果表明,该降噪方法整体降噪精度更优,同时信号的低频成分也得到了很好的保持。该方法可做到在消除心电信号中复杂噪声的同时完整保留心电信号的形态,为心血管疾病的智能诊断和心电图的特征检测奠定了基础。     

矿用钢丝绳损伤检测信号处理方法研究

采用电磁检测法检测矿用钢丝绳受损情况时,检测信号中含有大量噪声,且存在尖峰和突变干扰,增大了损伤识别难度,需要对原始检测信号进行降噪处理。常用的傅里叶变换无法处理运行中的钢丝绳检测信号,而小波变换因存在平移不变性较差、频带混叠等问题而影响检测准确度。提出了基于双树复小波变换的矿用钢丝绳损伤检测信号处理方法。首先采用Q平移法构造双树复小波高低通滤波器,对原始信号进行3层双树复小波分解,得到高低频信号分量;然后采用最小极大方差软阈值方法对分解信号进行降噪处理;最后对降噪信号进行重构。在实验室环境下搭建了钢丝绳损伤检测试验平台,对基于双树复小波变换的钢丝绳损伤检测信号处理方法的降噪性能进行验证,结果表明:该方法可有效减少检测信号中的尖峰和突变数量,使信号平稳,降噪效果优于经典小波变换,且增大了奇异点处信号峰值,有利于后续特征提取。     

基于稀疏分解的水下目标回波信号处理方法

针对超低信噪比的水下弱信号处理问题,基于稀疏分解理论,重点关注入射信号和回波模型等先验信息如何融入稀疏字典（过完备原子库）的构造,并结合匹配追踪方法,提出基于稀疏分解的水下回波信号处理方法。首先建立水下回波信号亮点模型,得到回波模型和入射 信号的关系,对已知的发射信号进行离散化、能量归一化以及移位处理,构造适合回波信号自身特性的过完备原子库;然后基于匹配追踪算法实现水下回波信号的稀疏分解,并将处理结果与常用的匹配滤波方法进行对比分析。仿真结果表明,本文方法不仅能精确重构出原始回波信号,而且在处理超低信噪比水下回波信号时较匹配滤波方法具有明显的优势。