CN108168680A - 一种动态称重滤波方法及其系统 - Google Patents

一种动态称重滤波方法及其系统 Download PDF

Info

Publication number
CN108168680A
CN108168680A CN201711459662.5A CN201711459662A CN108168680A CN 108168680 A CN108168680 A CN 108168680A CN 201711459662 A CN201711459662 A CN 201711459662A CN 108168680 A CN108168680 A CN 108168680A
Authority
CN
China
Prior art keywords
weighing
state
weight
filtered
filtering
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201711459662.5A
Other languages
English (en)
Other versions
CN108168680B (zh
Inventor
付政清
傅韶洲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen City Meixinte Intelligent Equipment Co Ltd
Original Assignee
Shenzhen City Meixinte Intelligent Equipment Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen City Meixinte Intelligent Equipment Co Ltd filed Critical Shenzhen City Meixinte Intelligent Equipment Co Ltd
Priority to CN201711459662.5A priority Critical patent/CN108168680B/zh
Publication of CN108168680A publication Critical patent/CN108168680A/zh
Application granted granted Critical
Publication of CN108168680B publication Critical patent/CN108168680B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G23/00—Auxiliary devices for weighing apparatus
    • G01G23/01—Testing or calibrating of weighing apparatus

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Sorting Of Articles (AREA)

Abstract

本发明提供一种动态称重滤波方法及其系统，所述动态称重滤波方法包括以下步骤：步骤S1，对传送带上的物体重量进行连续等周期的采样；步骤S2，对物体重量的采样结果进行过滤，得到滤波后的重量值；步骤S3，根据滤波后的重量值计算重量变化斜率；步骤S4，通过所述重量变化斜率判断所述物体的称量状态；步骤S5，根据称量状态确定是否采用低通滤波器进行滤波，并输出最终的重量结果。本发明符合物体在传送带上运动的特点，能够有效降低因为物体在传送带上运动而带来振动噪声和称重误差；本发明的滤波过程速度快且精度高，滤波平滑，过渡稳定，使得动态称重的过程更加稳定可靠，并使得动态称重的准确率和工作效率都得到了很大的提升。

Description

一种动态称重滤波方法及其系统
技术领域
本发明涉及一种称重滤波方法，尤其涉及一种稳定可靠的动态称重滤波方法，并涉及采用了该动态称重滤波方法的动态称重滤波系统。
背景技术
动态电子秤是流水线上用的称重工具，现在使用已经越来越广泛，其工作原理是将需要称重的物体不断地由传送带经过动态电子秤，进而使得动态电子秤能够不停地检测重量，现有技术普遍使用的是300Hz的采样频率，这种动态电子秤虽然能够满足最基本的流水称重工作，但是由于运动中的物体会振动，那么，必然会给称重数据造成很大的噪声进而使得这种动态的称重结果满足不了稳定可靠的要求，存在一定的误差。
现有的动态电子秤等仪器虽然也存在采用模拟滤波或数字滤波的方法，模拟滤波采用贝塞尔(Bessel)滤波器，通过设计模拟滤波电路实现；模拟滤波电路的主要器件包括高精度运算放大器和精密电阻；通常采用多阶贝塞尔滤波器实现稳定的滤波效果，对应的滤波电路需要较多的高精度运算放大器和精密电阻，不仅难以实现，而且成本高昂。
随着采样频率、采样精度的提高以及数字处理器性能的提高，数字滤波方式逐渐得到推广，现有技术中是将贝塞尔滤波器数字化转为数字滤波器，可实现与贝塞尔模块滤波器相近的效果。但是，这种数字化过程因离散采样和计算位数有限产生的舍入误差将降低滤波器的性能。此外，不同流水线上的物品重量及称重采样变化规律并不相同，因此，这种传统的、单一的滤波器是难以满足实际需求的。
发明内容
本发明所要解决的技术问题是需要提供一种稳定可靠、速度快且精度高，能够尽量降低因为物体振动而带来的称重误差，可以平滑稳定过渡的动态称重滤波方法，并提供采用了该动态称重滤波方法的动态称重滤波系统。
对此，本发明提供一种动态称重滤波方法，包括以下步骤：
步骤S1，对传送带上的物体重量进行连续等周期的采样；
步骤S2，对物体重量的采样结果进行过滤，得到滤波后的重量值；
步骤S3，根据滤波后的重量值计算重量变化斜率；
步骤S4，通过所述重量变化斜率判断所述物体的称量状态；
步骤S5，根据称量状态确定是否采用低通滤波器进行滤波，并输出最终的重量结果。
本发明的进一步改进在于，所述步骤S1中，对所述物体重量进行连续等周期的采样过程中，采样周期时间为Ts，采样结果为ms,k，k表示第k个采样周期，k为自然数。
本发明的进一步改进在于，所述步骤S2中，通过贝塞尔数字滤波器对所述采样结果进行过滤。
本发明的进一步改进在于，所述步骤S2中，通过公式mb,k＝fB(mb,k-1,…,mb,k-M-1,ms,k,…,ms,k-M-1)对所述采样结果进行过滤，进而得到滤波后的重量值mb,k，其中，fB表示贝塞尔数字滤波器的数学函数，M表示贝塞尔数字滤波器的阶数，mb,k-1和mb,k-M-1分别表示第k-1个周期和第k-M-1个周期的贝塞尔数字滤波后的重量值；若k-x<1(x＝k-1,…,k-M-1)，则令mb,k-x＝0，ms,k-x＝0。
本发明的进一步改进在于，所述步骤S3中，通过公式计算重量变化斜率Sk，其中，p表示斜率间隔点。
本发明的进一步改进在于，所述步骤S4中，设定重量变化斜率极大阈值为Smax、重量变化斜率平衡阈值为Sbal和重量变化斜率最小阈值为Smin，然后将所述重量变化斜率Sk分别与所述重量变化斜率极大阈值Smax、重量变化斜率平衡阈值Sbal和重量变化斜率最小阈值Smin对比，进而判断所述物体的称量状态。
本发明的进一步改进在于，所述步骤S4中，若所述重量变化斜率Sk大于所述重量变化斜率极大阈值Smax，则判定所述物体的称量状态为上升状态；若当前称量状态为上升状态且所述重量变化斜率Sk小于所述重量变化斜率平衡阈值Sbal，则判定所述物体的称量状态为稳定状态；若当前称量状态为稳定状态且所述重量变化斜率Sk小于所述重量变化斜率最小阈值Smin，则判定所述物体的称量状态为下降状态。
本发明的进一步改进在于，所述步骤S5中，若称量状态为稳定状态，则采用所述低通滤波器进行滤波；若称量状态为初始状态、上升状态或下降状态中的任意一种，则不采用所述低通滤波器进行滤波，所述初始状态为最初的称量状态。
本发明的进一步改进在于，所述步骤S5中，若采用所述低通滤波器进行滤波，则通过公式mf,k＝(1-α)·mf,k-1+α·mb,k计算低通滤波后的重量值mf,k，其中，α表示低通滤波因子，f表示低通滤波；若称量状态为稳定状态，则输出最终的重量结果mO,k＝mf,k；若称量状态为初始状态、上升状态或下降状态中的任意一种，则输出最终的重量结果mO,k＝mb,k。
本发明还提供一种动态称重滤波系统，所述动态称重滤波系统采用了如上所述的动态称重滤波方法。
与现有技术相比，本发明的有益效果在于：通过对传送带上的物体重量进行连续等周期的采样，然后对物体重量的采样结果进行过滤，并通过滤波后的重量值计算其重量变化斜率，进而能够根据重量变化斜率来判断所述物体的称量状态，以此决定是否采用低通滤波器进行滤波，因此，本发明符合物体在传送带上运动的特点，能够有效降低因为物体在传送带上运动而带来振动噪声和称重误差；本发明的滤波过程速度快且精度高，滤波平滑，过渡稳定，使得动态称重的过程更加稳定可靠，并使得动态称重的准确率和工作效率都得到了很大的提升。
附图说明
图1是本发明一种实施例的工作流程示意图；
图2是本发明一种实施例中2阶贝塞尔数字滤波器的幅频特性仿真示意图；
图3是本发明一种实施例中4阶贝塞尔数字滤波器的幅频特性仿真示意图；
图4是本发明一种实施例中6阶贝塞尔数字滤波器的幅频特性仿真示意图；
图5是本发明一种实施例中只使用贝塞尔数字滤波器以及使用了贝塞尔数字滤波器和低通滤波器的双重滤波之间的对比仿真效果示意图；
图6是采用了阶数为4阶、截止频率为2Hz、采样频率为300Hz的贝塞尔数字滤波前和贝塞尔数字滤波后的对比仿真效果示意图；
图7是采用了阶数为4阶、截止频率为4Hz、采样频率为300Hz的贝塞尔数字滤波前和贝塞尔数字滤波后的对比仿真效果示意图；
图8是采用了阶数为4阶、截止频率为6Hz、采样频率为300Hz的贝塞尔数字滤波前和贝塞尔数字滤波后的对比仿真效果示意图；
图9是采用了阶数为4阶、截止频率为8Hz、采样频率为300Hz的贝塞尔数字滤波前和贝塞尔数字滤波后的对比仿真效果示意图；
图10是采用了阶数为2阶、截止频率为8Hz、采样频率为300Hz的贝塞尔数字滤波前和贝塞尔数字滤波后的对比仿真效果示意图；
图11是采用了阶数为6阶、截止频率为8Hz、采样频率为300Hz的贝塞尔数字滤波前和贝塞尔数字滤波后的对比仿真效果示意图。
具体实施方式
下面结合附图，对本发明的较优的实施例作进一步的详细说明。
如图1所示，本例提供一种动态称重滤波方法，包括以下步骤：
步骤S1，对传送带上的物体重量进行连续等周期的采样；
步骤S2，对物体重量的采样结果进行过滤，得到滤波后的重量值；
步骤S3，根据滤波后的重量值计算重量变化斜率；
步骤S4，通过所述重量变化斜率判断所述物体的称量状态；
步骤S5，根据称量状态确定是否采用低通滤波器进行滤波，并输出最终的重量结果。
本例所述步骤S1中，对所述物体重量进行连续等周期的采样过程中，采样周期时间为Ts，采样结果为ms,k，k表示第k个采样周期，k为自然数，即k为大于或等于1的整数。
本例所述步骤S2中，通过贝塞尔数字滤波器对所述采样结果进行过滤。所述步骤S2中，通过公式mb,k＝fB(mb,k-1,…,mb,k-M-1,ms,k,…,ms,k-M-1)对所述采样结果进行过滤，进而得到滤波后的重量值mb,k，其中，fB表示贝塞尔数字滤波器的数学函数，M表示贝塞尔数字滤波器的阶数，阶数M的优选取值范围为2～8的整数，mb,k-1和mb,k-M-1分别表示第k-1个周期和第k-M-1个周期的贝塞尔数字滤波后的重量值；若k-x<1(x＝k-1,…,k-M-1)，则令mb,k-x＝0，ms,k-x＝0。
贝塞尔数字滤波器具有最大平坦的群延迟(线性相位响应)的线性过滤器。具有单位群时延的n阶贝塞尔滤波器的传递函数为式中为n阶贝塞尔数字滤波器的多项式。
阶数越高或截止频率越低，贝塞尔数字滤波器的响应速度越慢，但滤波效果越好。
利用数学辅助软件Matlab可以求解不同阶数以及不同截止频率的贝塞尔模拟低通滤波器的传递函数，然后进行Z变换，转为状态方程
获得状态方程系数ak(k＝1,2,…,n)和bk(k＝1,2,…,n-1)后，即可以在单片机中设置贝塞尔数字滤波器，进行迭代计算，完成贝塞尔数字滤波。
本例所述贝塞尔数字滤波器的幅频特性如图2至图4所示，设定截止频率为8Hz(截止频率对幅频特性没有影响)，观察2、4、6阶贝塞尔数字滤波器的伯德(Bode)图，即通过仿真示意图比较不同阶数的贝塞尔数字滤波器的幅频特性。
由图2至图4可以看出，阶数为2阶的贝塞尔数字滤波器的分频斜率约为9.8dB/oct，而阶数为4阶的贝塞尔数字滤波器其分频斜率增加至18.8dB/oct。根据原有设备的指标，4阶(或3阶)的贝塞尔数字滤波器能满足要求。
本例所述步骤S3中，通过公式计算重量变化斜率Sk，其中，p表示斜率间隔点，斜率间隔点p的优选取值范围为1～6的整数。
本例所述步骤S4中，设定重量变化斜率极大阈值为Smax、重量变化斜率平衡阈值为Sbal和重量变化斜率最小阈值为Smin，然后将所述重量变化斜率Sk分别与所述重量变化斜率极大阈值Smax、重量变化斜率平衡阈值Sbal和重量变化斜率最小阈值Smin对比，进而判断所述物体的称量状态。
本例所述步骤S4中，若所述重量变化斜率Sk大于所述重量变化斜率极大阈值Smax，则判定所述物体的称量状态为上升状态；若当前称量状态为上升状态且所述重量变化斜率Sk小于所述重量变化斜率平衡阈值Sbal，则判定所述物体的称量状态为稳定状态；若当前称量状态为稳定状态且所述重量变化斜率Sk小于所述重量变化斜率最小阈值Smin，则判定所述物体的称量状态为下降状态。
本例所述步骤S5中，若称量状态为稳定状态，则采用所述低通滤波器进行滤波；若称量状态为初始状态、上升状态或下降状态中的任意一种，则不采用所述低通滤波器进行滤波，所述初始状态为最初的称量状态。
本例所述步骤S5中，若采用所述低通滤波器进行滤波，通过公式mf,k＝(1-α)·mf,k-1+α·mb,k计算低通滤波后的重量值mf,k，其中，α表示低通滤波因子，低通滤波因子α的优选取值范围为0～0.5的实数，f表示低通滤波；若称量状态为稳定状态，则输出最终的重量结果mO,k＝mf,k；若称量状态为初始状态、上升状态或下降状态中的任意一种，则输出最终的重量结果mO,k＝mb,k。
本例还提供一种动态称重滤波系统，所述动态称重滤波系统采用了如上所述的动态称重滤波方法。
值得一提的是，本例所述低通滤波器为改进型的低通滤波器。
本例引入改进型的低通滤波器(MLP)的原因是仅仅只有贝塞尔数字滤波器(Bessel滤波器)在平台段的滤波器是不够理想，如图6至图11所示，即使将截止频率设置为2Hz，在平台段仍存在2.5Hz的频率振荡。采用Butterworth带阻滤波器或贝塞尔数字滤波器二次滤波均无法解决低频率振荡的问题。至于振荡的原因，很可能是物体在等间距传送带的转动轴(轮)上运动造成的。由图6至图11可知，截止频率越高，或贝塞尔数字滤波器的阶数越低，响应特性越好，但是平滑程度越差。
因此，本例在步骤S4和步骤S5中引入改进型的低通滤波器，其设计出发点为判断重量检测数据的斜率变化以确定是否需要进行低通滤波。因为物体在传送带上运动时，重量检测数值先逐渐增大，然后保持稳定，最后逐渐减小。所以，在重量检测数值逐渐增大过程中，重量变化的斜率先增大后减小至0甚至为负值，当斜率减小至某个值时，即若称量状态为稳定状态时，则启动所述低通滤波器；在重量检测数值逐渐减小过程中，重量变化的斜率由接近0开始减小，当斜率减小至某个值时，即当称量状态为下降状态时，停止低通滤波器；在初始状态和上升状态，同样也不需要启动低通滤波器。
本例引入的改进型的所述低通滤波器的滤波效果如图5所示；图5中，双重滤波指的是经过了步骤S2的贝塞尔数字滤波器之后，还经过了步骤S4和步骤S5的低通滤波器，即本例所述的动态称重滤波方法其实就是双重滤波。在实验过程中，对采样频率为300Hz的600个点进行处理，结果如图5所示，图5的双重滤波指的是先用贝塞尔数字滤波器(n＝4，fs＝2)滤波，然后在步骤S4和S5中再根据实际情况用改进型的低通滤波器进行滤波。由图5可以看出，经过本例所述动态称重滤波方法的双重滤波后，平台段数值变化范围小于5；而仅用贝塞尔数字滤波器(n＝4，fs＝2)滤波的结果数值变化范围将近25，如图6至图11所示。
综上所述，本例通过对传送带上的物体重量进行连续等周期的采样，然后对物体重量的采样结果进行过滤，并通过滤波后的重量值计算其重量变化斜率，进而能够根据重量变化斜率来判断所述物体的称量状态，以此决定是否采用低通滤波器进行滤波，因此，本例符合物体在传送带上运动的特点，能够有效降低因为物体在传送带上运动而带来振动噪声和称重误差；本例的滤波过程速度快且精度高，滤波平滑，过渡稳定，使得动态称重的过程更加稳定可靠，并使得动态称重的准确率和工作效率都得到了很大的提升。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1.一种动态称重滤波方法，其特征在于，包括以下步骤：
步骤S1，对传送带上的物体重量进行连续等周期的采样；
步骤S2，对物体重量的采样结果进行过滤，得到滤波后的重量值；
步骤S3，根据滤波后的重量值计算重量变化斜率；
步骤S4，通过所述重量变化斜率判断所述物体的称量状态；
步骤S5，根据称量状态确定是否采用低通滤波器进行滤波，并输出最终的重量结果。
2.根据权利要求1所述的动态称重滤波方法，其特征在于，所述步骤S1中，对所述物体重量进行连续等周期的采样过程中，采样周期时间为Ts，采样结果为ms,k，k表示第k个采样周期，k为自然数。
3.根据权利要求2所述的动态称重滤波方法，其特征在于，所述步骤S2中，通过贝塞尔数字滤波器对所述采样结果进行过滤。
4.根据权利要求3所述的动态称重滤波方法，其特征在于，所述步骤S2中，通过公式mb,k＝fB(mb,k-1,…,mb,k-M-1,ms,k,…,ms,k-M-1)对所述采样结果进行过滤，进而得到滤波后的重量值mb,k，其中，fB表示贝塞尔数字滤波器的数学函数，M表示贝塞尔数字滤波器的阶数，mb,k-1和mb,k-M-1分别表示第k-1个周期和第k-M-1个周期的贝塞尔数字滤波后的重量值；若k-x<1(x＝k-1,…,k-M-1)，则令mb,k-x＝0，ms,k-x＝0。
5.根据权利要求4所述的动态称重滤波方法，其特征在于，所述步骤S3中，通过公式计算重量变化斜率Sk，其中，p表示斜率间隔点。
6.根据权利要求5所述的动态称重滤波方法，其特征在于，所述步骤S4中，设定重量变化斜率极大阈值为Smax、重量变化斜率平衡阈值为Sbal和重量变化斜率最小阈值为Smin，然后将所述重量变化斜率Sk分别与所述重量变化斜率极大阈值Smax、重量变化斜率平衡阈值Sbal和重量变化斜率最小阈值Smin对比，进而判断所述物体的称量状态。
7.根据权利要求6所述的动态称重滤波方法，其特征在于，所述步骤S4中，若所述重量变化斜率Sk大于所述重量变化斜率极大阈值Smax，则判定所述物体的称量状态为上升状态；若当前称量状态为上升状态且所述重量变化斜率Sk小于所述重量变化斜率平衡阈值Sbal，则判定所述物体的称量状态为稳定状态；若当前称量状态为稳定状态且所述重量变化斜率Sk小于所述重量变化斜率最小阈值Smin，则判定所述物体的称量状态为下降状态。
8.根据权利要求7所述的动态称重滤波方法，其特征在于，所述步骤S5中，若称量状态为稳定状态，则采用所述低通滤波器进行滤波；若称量状态为初始状态、上升状态或下降状态中的任意一种，则不采用所述低通滤波器进行滤波，所述初始状态为最初的称量状态。
9.根据权利要求8所述的动态称重滤波方法，其特征在于，所述步骤S5中，若采用所述低通滤波器进行滤波，则通过公式mf,k＝(1-α)·mf,k-1+α·mb,k计算低通滤波后的重量值mf,k，其中，α表示低通滤波因子，f表示低通滤波；若称量状态为稳定状态，则输出最终的重量结果mO,k＝mf,k；若称量状态为初始状态、上升状态或下降状态中的任意一种，则输出最终的重量结果mO,k＝mb,k。
10.一种动态称重滤波系统，其特征在于，所述动态称重滤波系统采用了如权利要求1至9任意一项所述的动态称重滤波方法。
CN201711459662.5A 2017-12-28 2017-12-28 一种动态称重滤波方法及其系统 Active CN108168680B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711459662.5A CN108168680B (zh) 2017-12-28 2017-12-28 一种动态称重滤波方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711459662.5A CN108168680B (zh) 2017-12-28 2017-12-28 一种动态称重滤波方法及其系统

Publications (2)

Publication Number Publication Date
CN108168680A true CN108168680A (zh) 2018-06-15
CN108168680B CN108168680B (zh) 2020-04-07

Family

ID=62519021

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711459662.5A Active CN108168680B (zh) 2017-12-28 2017-12-28 一种动态称重滤波方法及其系统

Country Status (1)

Country Link
CN (1) CN108168680B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108922084A (zh) * 2018-07-06 2018-11-30 Ut斯达康通讯有限公司 一种商品识别方法及装置
CN109720784A (zh) * 2018-12-18 2019-05-07 上海多科电子科技有限公司 时变滤波称重系统和方法
CN112329585A (zh) * 2020-10-29 2021-02-05 上海舜宇恒平科学仪器有限公司 一种用于电子天平的称重信号切换滤波处理方法
CN113899434A (zh) * 2021-09-29 2022-01-07 杭州越歌科技有限公司 一种垃圾称重方法、系统、存储介质及智能终端
CN114166324A (zh) * 2021-11-29 2022-03-11 上海耀华称重系统有限公司 参数可调的称重仪表的滤波方法及系统
CN116184968A (zh) * 2023-04-24 2023-05-30 山东星峰面粉机械有限公司 用于玉米熟粉生产线的生产控制方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09159518A (ja) * 1995-12-13 1997-06-20 Kubota Corp はかりの非直線性補正用データの取得方法
JP2007170837A (ja) * 2005-12-19 2007-07-05 Yamato Scale Co Ltd 計量器用フィルタおよび計量器用フィルタリング方法
CN201361622Y (zh) * 2009-01-19 2009-12-16 中国计量学院 基于斜率滤波算法的快速重量分选系统
JP2015034752A (ja) * 2013-08-09 2015-02-19 日本ダイナマット株式会社 車両重量測定器固定具、及び該固定具を備えた車両重量測定装置
CN105953875A (zh) * 2016-06-22 2016-09-21 锐马（福建）电气制造有限公司 一种活体动物称重方法及其装置
CN107132779A (zh) * 2017-04-21 2017-09-05 九阳股份有限公司 一种豆浆机的智能控制方法
CN107368768A (zh) * 2016-05-11 2017-11-21 欧姆龙健康医疗事业株式会社 适用于体重秤的用户识别方法及体重秤

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09159518A (ja) * 1995-12-13 1997-06-20 Kubota Corp はかりの非直線性補正用データの取得方法
JP2007170837A (ja) * 2005-12-19 2007-07-05 Yamato Scale Co Ltd 計量器用フィルタおよび計量器用フィルタリング方法
CN201361622Y (zh) * 2009-01-19 2009-12-16 中国计量学院 基于斜率滤波算法的快速重量分选系统
JP2015034752A (ja) * 2013-08-09 2015-02-19 日本ダイナマット株式会社 車両重量測定器固定具、及び該固定具を備えた車両重量測定装置
CN107368768A (zh) * 2016-05-11 2017-11-21 欧姆龙健康医疗事业株式会社 适用于体重秤的用户识别方法及体重秤
CN105953875A (zh) * 2016-06-22 2016-09-21 锐马（福建）电气制造有限公司 一种活体动物称重方法及其装置
CN107132779A (zh) * 2017-04-21 2017-09-05 九阳股份有限公司 一种豆浆机的智能控制方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108922084A (zh) * 2018-07-06 2018-11-30 Ut斯达康通讯有限公司 一种商品识别方法及装置
CN109720784A (zh) * 2018-12-18 2019-05-07 上海多科电子科技有限公司 时变滤波称重系统和方法
CN112329585A (zh) * 2020-10-29 2021-02-05 上海舜宇恒平科学仪器有限公司 一种用于电子天平的称重信号切换滤波处理方法
CN113899434A (zh) * 2021-09-29 2022-01-07 杭州越歌科技有限公司 一种垃圾称重方法、系统、存储介质及智能终端
CN113899434B (zh) * 2021-09-29 2023-11-21 杭州越歌科技有限公司 一种垃圾称重方法、系统、存储介质及智能终端
CN114166324A (zh) * 2021-11-29 2022-03-11 上海耀华称重系统有限公司 参数可调的称重仪表的滤波方法及系统
CN116184968A (zh) * 2023-04-24 2023-05-30 山东星峰面粉机械有限公司 用于玉米熟粉生产线的生产控制方法及系统

Also Published As

Publication number Publication date
CN108168680B (zh) 2020-04-07

Similar Documents

Publication Publication Date Title
CN108168680A (zh) 一种动态称重滤波方法及其系统
CN102175296B (zh) 一种应用于高精度数字称重传感器的快速两级滤波算法
CN103178846B (zh) 一种利用lms算法进行adc校准的装置
JP5032799B2 (ja) 測定変換器の出力信号を処理する方法、および力測定デバイス
CN107947759A (zh) 一种具有高灵敏度的动态调整的一阶滞后滤波方法
CN105262503B (zh) 一种基于群时延校准的多径时延产生装置及方法
JP2003337062A (ja) 重量測定用ノイズ除去装置および重量測定用ノイズ除去方法
CN108351235A (zh) 空气流量测定装置
CN104009734A (zh) 梯度变步长lms自适应滤波方法
CN110265002A (zh) 语音识别方法、装置、计算机设备及计算机可读存储介质
JP2007129408A (ja) ノイズ除去装置、重量測定装置、ノイズ除去方法、及びディジタルフィルタの設計方法
CN109670139B (zh) 一种超声波车削装置跟踪频率的确定方法及系统
CN104407197B (zh) 一种基于三角函数迭代的信号相量测量的方法
CN103580647B (zh) 一种滤波器结构
CN109542021A (zh) 一种传感器弱信号数据采集方法及装置
JP6050761B2 (ja) データ処理方法、データ処理システム及び関連する装置
CN103984873A (zh) 一种数字信号处理算法在dsp系统上的应用方法
JP2021113792A (ja) 実効値算出装置
CN115844497A (zh) 超声换能器的控制方法、装置、设备及存储介质
Kelemençe et al. Dynamic weighing using a time-variant low pass filter
CN110799807B (zh) 一种正交编码器信号滤波方法、装置及系统
MX2011000749A (es) Optimizacion de operacion de procesador en un sistema de procesamiento que incluye uno o mas filtros digitales.
JP5570787B2 (ja) 流量計フィルタ・システム及び方法
Zhang et al. Multi-Objective Optimization on Multistage Half-Band FIR Filter Design Using Simulated Annealing Algorithm
CN113267675B (zh) 基于格策尔算法的频谱确定方法、系统、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant