共查询到16条相似文献,搜索用时 109 毫秒
1.
2.
动态称重系统的建模及其参数估计 总被引:5,自引:0,他引:5
阐述了为了兼顾动态称重系统的快速性和精度,将动态称重作为一个基于最小二乘法的参数估计和预测问题来处理,即从建立数学模型和信号处理算法方面加以解决。然后,将动态称重系统等效为二阶系统,分析得出了系统为时变非线性系统,推导出了系统的动态数学模型,并且,根据系统模型,将问题转化为参数辨识问题。辨识算法上,采用了基于Householder变换的自适应最小二乘法,其具有抗方程病态性好、稳定性好、估计精度高、计算量小、跟踪性好等优点。试验结果证明:所提出方法是可行的,达到了试验提出的技术要求,测量相对误差小于0.25%FS,系统在全量程范围内的准确度不低于0.25%。在提高称重速度的同时,也保证了系统的测量准确性,对于此类系统的实用化开发具有很好的参考价值。 相似文献
3.
4.
5.
6.
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. 相似文献
7.
HHT在动态称重传感器处理非线性信号中的应用 总被引:1,自引:0,他引:1
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. 相似文献
8.
9.
10.
通过对系统输入信号的设计,使Hammerstein系统输出只反映系统的线性动态,并将非线性部分的静态影响有效地分离掉.利用最小二乘辨识得到系统的线性动态模型.基于此模型并依据系统的测量输出重构系统的中间输入,进而可估计出非线性部分的参数,据此给出了多变量Hammerstein系统辨识的动态分离方法.仿真结果表明所提出的方法是有效的. 相似文献
11.
要提高公路预检系统的可靠性与稳定性,关键是要提高系统动态称重的准确度等级,提出专家系统与模糊多阈值消噪算法相结合的动态称重数据处理方法。弯板传感器动态称重过程的知识多,处理过程复杂,采用专家系统对知识进行处理;动态称重信号的干扰在不同小波分解层和不同数据区间的强度不同,采用模糊多阈值消噪算法对动态称重数据进行消噪处理,重构的动态称重数据达到要求,并在Matlab中分析表明该算法是有效的。通过现场试验验证,将专家系统与模糊多阈值消噪算法相结合,使系统动态称重误差小于2%,称量准确度等级达到2级指标。 相似文献
12.
在某导弹注药生产线控制系统中,影响弹体质量的主要因素是控制过程中每次注药重量的精确度,因此提高动态称重中的精度是控制系统设计过程中的重要环节。在分析了注药过程中误差来源的前提下,提出了基于模糊推理的迭代学习控制与点动式控制结合的控制方式,解决了长期以来动态称重中的精度问题,使精度达到了0.5%。实际表明:该控制方法测量精度高、可靠性强。 相似文献
13.
14.
基于动态修正和二阶预估的高精度配料系统 总被引:1,自引:0,他引:1
称量过程的动态特性使得采用传统的粗精给料方式难以达到满意的效果。本文中首先分析称量中动态偏差出现的原因以及在若干轮称量后的表现规律,基于动态修正和二阶预估相结合的方法探讨如何消除动态偏差对称量提前量的影响,最终给出自动称量进行改进的方法。 相似文献
15.
樊旺日 《自动化技术与应用》2010,29(7):47-50,58
为了提高动态汽车衡的称重精度,采用有限冲击响应(FIR)数字滤波算法滤除车辆动态称重过程中产生的随机干扰噪声。鉴于称重信号的信噪比较低和干扰噪声的复杂性,对基本算法进行了改进和优化,基于ARM微控制器平台实现了这一算法。通过对应用该算法的动态汽车衡的称重结果的分析,证明此算法对于提高动态称重精度具有良好的效果。 相似文献
16.
针对目前汽车动态称重方法称量精度低和所需数据样本数量大的缺陷,提出了一种新的动态称重数据处理方法,通过GM(1,1)模型对车辆动态称重数据进行预处理,获得每个称重数据的误差补偿量,建立了以车辆速度、加速度、动态称重残差序列为输入变量的灰色神经网络模型,使系统称量误差小于1%,称量准确度等级达到1级指标。研究表明,该方法在动态汽车衡数据处理中的可行性强,实现了在贫信息、少数据情况下对动态称重数据的高精度处理,为汽车动态称重系统精度的进一步提高提供了理论与技术支撑。 相似文献