CN102346064A - 装载机称重装置 - Google Patents

Abstract

装载机称重装置，包括嵌入式处理器、压力传感器、位置传感器、触摸屏、GPRS无线模块、SDRAM存储器、FLASH存储器和实时时钟，所述的压力传感器、位置传感器、实时时钟的输出端均连接于所述的嵌入式处理器，所述的触摸屏、SDRAM存储器、FLASH存储器均有数据交换线与所述的嵌入式处理器连接，所述的GPRS无线模块通过电平转换器与所述的嵌入式处理器数据连接，所述的嵌入式处理器包含有针对输入油压信号的预处理模块。能够去除干扰信号、分解出其中的有用信号、为称重模型提供单值可用信号。

Description

装载机称重装置

技术领域

本发明涉及一种装载机称重装置。

技术背景

对装载机动态称重的研究一直是一个热点，比较多见的是在装载机动臂油缸安装压力传感器，通过测量动臂举升过程中的油压来测量斗内货物的重量，称重数学模型多为线性或分段线性模型，实现了较高的动态测量精度。专利号为CN200310109891.6的国家专利，公开了一种“用于装载机动态称重的智能装置”，它采用的测重数学模型直接将采样信号作为线性模型的数据来源。专利号为ZL200620106188.9的国家专利，公开了一种“具有GPRS数据传输的装载机称重装置”，对于直接将采样信号用于称重提出了异议。

实践表明，测量精度受工作环境的振动及噪声影响，动态测量精度有待提高。多年来的实践结果及分析表明，由于装载机传动机构多，工作条件恶劣，装载机在动态作业状态中，压力传感器输出信号中包含了大振动、大冲击及强噪声等不确定干扰信号。上述测量方法的数据来源由采样电路提供，数据很少进行处理，这样做的问题是，因为油压信号非单值，在每次举升过程中，采样电路的采样数据会不同，而数学模型是固定的，将这样的信号直接用于测重，造成称重计算结果不唯一，误差较大，影响精度。

发明内容

本发明要克服现有装载机称重装置的容易受大振动、大冲击及强噪声等干扰信号影响的缺点，提出一种能够去除其大振动、大冲击及强噪声等干扰信号、分解出其中的有用信号、为称重模型提供单值可用信号的装载机称重装置。

本发明所述的装载机称重装置包括嵌入式处理器、压力传感器、位置传感器、触摸屏、GPRS无线模块、SDRAM存储器、FLASH存储器和实时时钟，所述的压力传感器、位置传感器、实时时钟的输出端均连接于所述的嵌入式处理器，所述的触摸屏、SDRAM存储器、FLASH存储器均有数据交换线与所述的嵌入式处理器连接，所述的GPRS无线模块通过电平转换器与所述的嵌入式处理器数据连接，其特征在于：所述的嵌入式处理器包含有针对输入油压信号的预处理模块，所述的预处理模块进行如下数据处理步骤：

(1)计算出信号x(t)所有的局部极值点，用三次样条分别对所有极大值点和极小值点插值，得到极大值点构成的上包络线u₁(t)和极小值点构成的下包络线v₁(t)；

(2)求出上下包络线的均值m₁(t)，然后求h₁(t)＝x(t)-m₁(t)，判断h₁(t)是否满足IMF的下述两条性质，若满足则认为h₁(t)是信号的一阶IMF，记作f₁(t)＝h₁(t)，否则将h₁(t)当作x(t)，重复上述过程进行筛选并判断是否满足IMF的两个性质：

a.信号的极值点极大值或极小值数目和过零点数目相等或最多相差一个，

b.由局部极大值构成的上包络线和由局部极小值构成的下包络线的平均值为零；

假定经过若干次重复以后得到的信号满足了IMF的两个性质，则将得到的IMF记作f₁(t)；

(3)将f₁(t)从x(t)中分离出来，记y₁(t) ＝x(t)-f₁(t)，显然，y₁(t)中除了稳态分量以外，仍然可能包含其他高频分量，因此将y₁(t)作为新的待分解信号按照前述过程继续筛选，得到f₂(t)；

(4)将f₂(t)从y₁(t)中分离出来，记y₂(t)＝y₁(t)-f₂(t)，如此循环刚才的过程，依次得到f₃(t)，f₄(t)，……，f_n(t)及y₃(t)，Y₄(t)，……，y_n(t)，直至y_n(t)小于某个阈值或呈现单调，分解结束。此时原始信号可以写成：

$x\left(t\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{f}_i\left(t\right)+y_n\left(t\right)$

即原始信号可以表示为一列IMF分量和一个趋势项之和，残余分量y_n(t)正是想要获得的稳态有用信号。

EMD时频分析是最新发展起来的一种时频分析方法。所谓EMD既empirical mode decomposition(经验模态分解)，能把信号分解成一组稳态和线性的数据序列集，即本征模函数IMF(Intrinsic mode function)，实现对信号进行滤波和去噪，具有自适应性。

EMD方法认为，任何复杂的的时间序列都是由一系列非正弦的、频率从高到低的若干阶IMF组成，每一阶IMF都反映了信号的动态特性，其残余量则反映了信号的偏移量或稳态值。EMD算法的目的在于将性能不好的信号分解为一组性能较好的IMFs，这里IMF须满足如下两个性质：

(1)信号的极值点极大值或极小值数目和过零点数目相等或最多相差一个。

(2)由局部极大值构成的上包络线和由局部极小值构成的下包络线的平均值为零。

EMD方法的本质是通过特征时间尺度获得本征振动模式，然后由本征振动模式来分解数据序列

本发明的优点是：能够去除其大振动、大冲击及强噪声等干扰信号、分解出其中的有用信号、为称重模型提供单值可用信号。

附图说明

图1是本发明的系统硬件结构图

具体实施方式

参照附图：

本发明所述的装载机称重装置包括嵌入式处理器、压力传感器、位置传感器、触摸屏、GPRS无线模块、SDRAM存储器、FLASH存储器和实时时钟，所述的压力传感器、位置传感器、实时时钟的输出端均连接于所述的嵌入式处理器，所述的触摸屏、SDRAM存储器、FLASH存储器均有数据交换线与所述的嵌入式处理器连接，所述的GPRS无线模块通过电平转换器与所述的嵌入式处理器数据连接，其特征在于：所述的嵌入式处理器包含有针对输入油压信号的预处理模块，所述的预处理模块进行如下数据处理步骤：

(1)计算出信号x(t)所有的局部极值点，用三次样条分别对所有极大值点和极小值点插值，得到极大值点构成的上包络线u₁(t)和极小值点构成的下包络线v₁(t)；

(2)求出上下包络线的均值m₁(t)，然后求h₁(t)＝x(t)-m₁(t)，判断h₁(t)是否满足IMF的下述两条性质，若满足则认为h₁(t)是信号的一阶IMF，记作f₁(t)＝h₁(t)，否则将h₁(t)当作x(t)，重复上述过程进行筛选并判断是否满足IMF的两个性质：

a.信号的极值点极大值或极小值数目和过零点数目相等或最多相差一个，

b.由局部极大值构成的上包络线和由局部极小值构成的下包络线的平均值为零；

假定经过若干次重复以后得到的信号满足了IMF的两个性质，则将得到的IMF记作f₁(t)；

(3)将f₁(t)从x(t)中分离出来，记y₁(t)＝x(t)-f₁(t)，显然，y₁(t)中除了稳态分量以外，仍然可能包含其他高频分量，因此将y₁(t)作为新的待分解信号按照前述过程继续筛选，得到f₂(t)；

(4)将f₂(t)从y₁(t)中分离出来，记y₂(t)＝y₁(t)-f₂(t)，如此循环刚才的过程，依次得到f₃(t)，f₄(t)，……，f_n(t)及y₃(t)，y₄(t)，……，y_n(t)，直至y_n(t)小于某个阈值或呈现单调，分解结束。此时原始信号可以写成：

$x\left(t\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{f}_i\left(t\right)+y_n\left(t\right)---\left(1\right)$

即原始信号可以表示为一列IMF分量和一个趋势项之和，残余分量y_n(t)正是想要获得的稳态有用信号。

IMF即Intrinsic mode function的简写，本征模函数。

本实施例选用的嵌入式处理器是S3C44B0处理器，对于有效提高运算速度，完成相对复杂的数学运算提供了硬件保证。

本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护的范围不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims (1)

1.装载机称重装置，包括嵌入式处理器、压力传感器、位置传感器、触摸屏、GPRS无线模块、SDRAM存储器、FLASH存储器和实时时钟，所述的压力传感器、位置传感器、实时时钟的输出端均连接于所述的嵌入式处理器，所述的触摸屏、SDRAM存储器、FLASH存储器均有数据交换线与所述的嵌入式处理器连接，所述的GPRS无线模块通过电平转换器与所述的嵌入式处理器数据连接，其特征在于：所述的嵌入式处理器包含有针对输入油压信号的预处理模块，所述的预处理模块进行如下数据处理步骤：

(1)计算出信号x(t)所有的局部极值点，用三次样条分别对所有极大值点和极小值点插值，得到极大值点构成的上包络线u₁(t)和极小值点构成的下包络线v₁(t)；

(2)求出上下包络线的均值m₁(t)，然后求h₁(t)＝x(t)-m₁(t)，判断h₁(t)是否满足IMF的下述两条性质，若满足则认为h₁(t)是信号的一阶IMF，记作f₁(t)＝h₁(t)，否则将h₁(t)当作x(t)，重复上述过程进行筛选并判断是否满足IMF的两个性质：

a.信号的极值点极大值或极小值数目和过零点数目相等或最多相差一个，

b.由局部极大值构成的上包络线和由局部极小值构成的下包络线的平均值为零；

假定经过若干次重复以后得到的信号满足了IMF的两个性质，则将得到的IMF记作f₁(t)；

(3)将f₁(t)从x(t)中分离出来，记y₁(t)＝x(t)-f₁(t)，显然，y₁(t)中除了稳态分量以外，仍然可能包含其他高频分量，因此将y₁(t)作为新的待分解信号按照前述过程继续筛选，得到f₂(t)；

(4)将f₂(t)从y₁(t)中分离出来，记y₂(t)＝y₁(t)-f₂(t)，如此循环刚才的过程，依次得到f₃(t)，f₄(t)，……，f_n(t)及y₃(t)，y₄(t)，……，y_n(t)，直至y_n(t)小于某个阈值或呈现单调，分解结束。此时原始信号可以写成：

$x\left(t\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{f}_i\left(t\right)+y_n\left(t\right)$

即原始信号可以表示为一列IMF分量和一个趋势项之和，残余分量y_n(t)正是想要获得的稳态有用信号。

Images