CN109959436A - 物料称量的控制方法、装置及物料称量系统 - Google Patents

Abstract

本发明涉及物料计量领域，公开了一种物料称量的控制方法、装置及物料称量系统。所述控制方法包括：获取历史称量数据，其中所述历史称量数据包括至少两次物料称量过程中的所述物料在所述称量装置上落定时的落定称量值；根据所述历史称量数据预测当前物料称量过程所对应的落定称量值，并根据所述当前物料称量过程所对应的落定称量值与期望称量值的落差确定预计称量值；以及在所述称量装置上的物料的实际称量值到达所述预计称量值时，控制螺旋机停止输送物料。本发明的方案基于历史的多次物料称量结果来预测当前的预计称量值，并据此控制螺旋机停止，减少了各种因素对落定称量值的影响，更能满足称量要求。

Description

物料称量的控制方法、装置及物料称量系统

技术领域

本发明涉及物料计量领域，具体地，涉及一种物料称量的控制方法、装置及物料称量系统。

背景技术

目前，如何精确快速地进行物料计量是搅拌站控制的核心部分，而如何精确快速地控制从螺旋机转出至称量装置的物料的称量又是物料计量控制的重要部分。现有的物料称量方式一般是：通过称重传感器实时检测至称量装置中的称量值，并将称量值与预计称量值相比较，若两者相同，则控制螺旋机停止工作，称量装置将其上的物料输出。

但是，采用螺旋机输送时，当需要停止输送时，螺旋机由于惯性较大还会继续运转一段时间，而这段时间中螺旋机仍会不断地向称量装置输送物料，导致实际称量值会比预计称量值要大，例如预计称量500公斤水泥，但实际称量值可能是510公斤。因此，在实际称量中，往往依赖前一次的称量结果，来提前控制螺旋机停止工作，以使实际称量值与预计称量值一致。然而，在物料输送的完整过程中，称量装置中的物料会一直变化，且称量精度还会受到称量装置本身的影响(如称量装置的参数问题或晃动问题)，因此在根据前一次称量结果控制当前称量时的螺旋机停止时机时，仍然无法保障当前称量值会与预计称量值一致，例如前一次实际称量值为510公斤，与预计称量值有10公斤落差，因此在当前控制中，在称量传感器数值为490公斤时停止螺旋机，但最终的实际称量值并不是刚好500公斤，而是受各种因素影响而实际称量了505公斤，如此类推，可能每一次称量都无法达到500公斤的要求。

因此，在现有技术中，采用螺旋机会存在较大的称量误差，而基于前一次称量结果控制螺旋机提前停止的方案，没有考虑对称量结果产生影响的多方因素，会使得每一次称量结果都无法达到称量要求。

发明内容

本发明的目的是提供一种物料称量的控制方法、装置及物料称量系统，用以至少部分地解决上述技术问题。

为了实现上述目的，本发明提供一种物料称量的控制方法，其中，一次物料称量过程是指螺旋机向称量装置输送物料至所述物料在所述称量装置上落定的过程，所述控制方法包括：获取历史称量数据，其中所述历史称量数据包括至少两次物料称量过程中的所述物料在所述称量装置上落定时的落定称量值；根据所述历史称量数据预测当前物料称量过程所对应的落定称量值，并根据所述当前物料称量过程所对应的落定称量值与期望称量值的落差确定预计称量值；以及在所述称量装置上的物料的实际称量值到达所述预计称量值时，控制螺旋机停止输送物料。

优选地，所述根据所述历史称量数据预测当前物料称量过程所对应的落定称量值包括：采用平均预测算法、指数平滑预测算法和回归预测算法中的一者或多者来处理所述历史称量数据中所包括的多个落定称量值，以预测出当前物料称量过程所对应的落定称量值。

优选地，所述平均预测算法包括算术平均预测算法、几何平均预测算法、加权平均预测算法和移动平均预测算法中的任意一者。

优选地，所述控制方法还包括：将所述预计称量值限定在预设范围中，当所述预计称量值超出该预设范围的最大值时，将所述预计称量值确定为该最大值，当所述预计称量值小于所述预设范围的最小值时，将所述预计称量值确定为该最小值。

本发明还提供了一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行如上述的物料称量的控制方法。

本发明还提供了一种物料称量的控制装置，其中，一次物料称量过程是指螺旋机向称量装置输送物料至所述物料在所述称量装置上落定的过程，所述控制装置包括：数据采集模块，用于获取历史称量数据，其中所述历史称量数据包括至少两次物料称量过程中的所述物料在所述称量装置上落定时的落定称量值；预测模块，用于根据所述历史称量数据预测当前物料称量过程所对应的落定称量值，并根据所述当前物料称量过程所对应的落定称量值与期望称量值的落差确定预计称量值；以及控制模块，用于在所述称量装置上的物料的实际称量值到达所述预计称量值时，控制螺旋机停止输送物料。

优选地，所述预测模块包括平均预测模块、指数平滑预测模块和回归预测模块中的任意一者或多者；其中，所述平均预测模块用于采用平均预测算法来处理所述历史称量数据中所包括的多个落定称量值，以预测出当前物料称量过程所对应的落定称量值；其中，所述指数平滑预测模块用于采用指数平滑预测算法来处理所述历史称量数据中所包括的多个落定称量值，以预测出当前物料称量过程所对应的落定称量值；其中，所述回归预测模块用于采用回归预测算法来处理所述历史称量数据中所包括的多个落定称量值，以预测出当前物料称量过程所对应的落定称量值。

优选地，所述平均预测模块包括算术平均预测模块、几何平均预测模块、加权平均预测模块和移动平均预测模块中的任意一者。

优选地，所述控制装置还包括：限制模块，用于将所述预测模块所预测出的预计称量值限定在预设范围中，当所述预计称量值超出该预设范围的最大值时，将所述预计称量值确定为该最大值，当所述预计称量值小于所述预设范围的最小值时，将所述预计称量值确定为该最小值。

本发明还提供了一种物料称量系统，所述物料称量系统包括：螺旋机，用于输送物料；称量装置，其开口连接所述螺旋机的输出口，用于接收所述螺旋机所输送的物料；称量传感器，用于检测所述称量装置中的物料的重量；以及上述的控制装置，与所述称量传感器及所述螺旋机电连接，用于根据所述称量传感器的检测值控制所述螺旋机。

通过上述技术方案，本发明的有益效果是：本发明的方案基于历史的多次物料称量结果来预测当前的预计称量值，并据此控制螺旋机停止，减少了各种因素对落定称量值的影响，更能满足称量要求。

本发明的其它特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：

图1是本发明实施例的一种物料称量的控制方法的流程示意图；

图2是本发明实施例的一种物料称量的控制装置的结构示意图；

图3是本发明实施例的预测模块的结构示意图；

图4是本发明实施例的物料称量系统的结构示意图；以及

图5是采用本发明实施例的物料称量系统进行物料称量的示例方法的流程图。

附图标记说明

100、数据采集模块 200、预测模块

300、控制模块 400、限制模块

210、平均预测模块 220、指数平滑预测模块

230、回归预测模块 211、算术平均预测模块

212、几何平均预测模块 213、加权平均预测模块

214、移动平均预测模块

具体实施方式

以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。

图1是本发明实施例的一种物料称量的控制方法的流程示意图，其中，一次物料称量过程是指螺旋机向称量装置输送物料至所述物料在所述称量装置上落定的过程。如图1所示，该控制方法可以包括：

步骤S100，获取历史称量数据。

其中，所述历史称量数据包括至少两次物料称量过程中的所述物料在所述称量装置上落定时的落定称量值。

本发明实施例中，历史称量数据中所包括的落定称量值越多，越有利于预测以后物料称量过程的落定称量值，但受限于实际条件，需要根据所要求的称量任务来合理确定构成历史称量数据中的落定称量值的数量。在本发明实施例中，优选为采用十次物料称量过程对应的落定称量值。

步骤S200，根据所述历史称量数据预测当前物料称量过程所对应的落定称量值，并根据所述当前物料称量过程所对应的落定称量值与期望称量值的落差确定预计称量值。

在步骤S200中，根据所述历史称量数据预测当前物料称量过程所对应的落定称量值可以包括：采用平均预测算法、指数平滑预测算法和回归预测算法中的一者或多者来处理所述历史称量数据中所包括的多个落定称量值，以预测出当前物料称量过程所对应的落定称量值。

其中，所述平均预测算法可以包括算术平均预测算法、几何平均预测算法、加权平均预测算法和移动平均预测算法中的任意一者。

这里，算术平均预测算法是指以历史称量数据中所有的落定称量值之和除以求和时使用的落定称量值个数，求得平均数进行预测的方法；几何平均预测算法是指将历史称量数据中的n个落定称量值相乘再开n次方，所得的n次方根即为几何平均数，根据几何平均数建立预测模型以预测当前的预计称量值；加权平均预测算法是指就是在求历史称量数据中所有的落定称量值的平均数时，根据各落定称量值的准确性的不同，分别给以不同的权数后加以平均的方法；移动平均预测算法是例如对于历史称量数据中的十组落定称量值，用第一组落定称量值预测第二组落定称量值，用第二组落定称量值预测第三组落定称量值，依次类推，最后根据第十组落定称量值预测出当前物料称量过程对应的落定称量值。

进一步地，指数平滑预测算法是指是在移动平均预测算法基础上发展起来的一种时间序列分析预测法，它是通过计算指数平滑值，配合一定的时间序列预测模型对现象的未来进行预测，其原理是任一组的指数平滑值都是本组实际称量值与前一组指数平滑值的加权平均。指数平滑法的基本公式是：

S_t＝ay_t+(1-a)S_t-1

式中，S_t是指时间t的平滑值，y_t是时间t的实际值；S_t-1是时间t-1的平滑值，a是平滑常数，其取值范围为[0，1]。

进一步地，回归预测算法是指通过建立回归模型来实现预测对象的预测方法，且回归预测分为线性回归预测和非线性回归预测。以一元线性回归预测算法为例，其为分析一个因变量与一个自变量之间的线性关系的预测方法，可通过以下步骤进行预测：1)选取一元线性回归模型的变量，本发明实施例中为历史称量数据的落定称量值；2)绘制计算表和拟合散点图；3)计算变量间的回归系数及其相关的显著性；4)回归分析结果的应用，即预测出当前物料称量过程所对应的落定称量值。

需说明的是，上述的平均预测算法、指数平滑预测算法和回归预测算法可参考现有文献，在此不再多述。

更进一步地，对于预测出的预计称量值，还可以将其限定在预设范围中，当所述预计称量值超出该预设范围的最大值时，将所述预计称量值确定为该最大值，当所述预计称量值小于所述预设范围的最小值时，将所述预计称量值确定为该最小值。其中，预测范围可根据操作人员的经验数据来确定，将预计称量值限定在该预测范围内，有利于防止预测失误等原因所导致的称量偏差。

另外，为保证预测出的预计称量值的准确性，本发明实施例的控制方法还可以对历史称量数据进行整理，例如筛选出其中落定称量值与期望称量值偏差较大时对应的落定称量值。

步骤S300，在所述称量装置上的物料的实际称量值到达所述预计称量值时，控制螺旋机停止输送物料。

举例而言，期望称量值为500公斤，通过步骤S200预测出的预计称量值为495公斤，因此当称量装置上的物料的实际称量值到达495公斤时，控制螺旋机停止，而根据预测当前物料称量过程的落定称量值与期望称量值会存在5公斤的落差，即螺旋机停止后仍有5公斤物料会落入称量装置中，从而可以使所述称量装置上最终的落定称量值到达期望称量值所要求的500公斤。

综上，本发明实施例的物料称量的控制方法基于历史的多次物料称量结果来预测当前的预计称量值，并据此控制螺旋机停止，减少了各种因素对落定称量值的影响，更能满足称量要求。

本发明实施例还提出了一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行如上述实施例所述的物料称量的控制方法。其中，所述机器可以是控制器、计算机等。

基于同样的发明思路，本发明实施例还提供了一种物料称量的控制装置。图2是本发明实施例的一种物料称量的控制装置的结构示意图，其中，一次物料称量过程是指螺旋机向称量装置输送物料至所述物料在所述称量装置上落定的过程。如图2所示，所述控制装置可以包括：数据采集模块100，用于获取历史称量数据，其中所述历史称量数据包括至少两次物料称量过程中的所述物料在所述称量装置上落定时的落定称量值；预测模块200，用于根据所述历史称量数据预测当前物料称量过程所对应的落定称量值，并根据所述当前物料称量过程所对应的落定称量值与期望称量值的落差确定预计称量值；以及控制模块300，用于在所述称量装置上的物料的实际称量值到达所述预计称量值时，控制螺旋机停止输送物料。

其中，所述数据采集模块100可包括采集部分和存储部分，采集部分用于从物料斗处的物料传感器处获取每次物料称量控制过程的落定称量值，存储部分用于将所述采集的数据进行分类存储。

图3是本发明实施例的预测模块200的结构示意图。如图3所示，所述预测模块200可以包括平均预测模块210、指数平滑预测模块220和回归预测模块230中的任意一者或多者。

其中，所述平均预测模块210用于采用平均预测算法来处理所述历史称量数据中所包括的多个落定称量值，以预测出当前物料称量过程所对应的落定称量值；所述指数平滑预测模块220用于采用指数平滑预测算法来处理所述历史称量数据中所包括的多个落定称量值，以预测出当前物料称量过程所对应的落定称量值；所述回归预测模块230用于采用回归预测算法来处理所述历史称量数据中所包括的多个落定称量值，以预测出当前物料称量过程所对应的落定称量值。

更进一步地，所述平均预测模块210可以包括算术平均预测模块211、几何平均预测模块212、加权平均预测模块213和移动平均预测模块214中的任意一者。

其中，关于预测模块200所包括的各个子模块的具体实施细节可参考上述关于物料称量的控制方法的实施例，在此不再赘述。

再次参考图2，在更为优选的实施例，所述控制装置还可以包括：限制模块400，用于将所述预测模块200所预测出的预计称量值限定在预设范围中，当所述预计称量值超出该预设范围的最大值时，将所述预计称量值确定为该最大值，当所述预计称量值小于所述预设范围的最小值时，将所述预计称量值确定为该最小值。

进一步地，本发明实施例的控制装置可以采用常规控制器来配置，即是使常规控制器集成有数据采集模块100、预测模块200、控制模块300和/或限制模块400。

本发明实施例的控制装置的其他实施细节及有益效果可参考上述关于物料称量的控制方法的实施例，在此不再赘述。

仍然基于相同的发明思路，本发明实施例还提供了一种物料称量系统。图4是本发明实施例的物料称量系统的结构示意图。如图4所示，所述物料称量系统可以包括：螺旋机500，用于输送物料；称量装置600，其开口连接所述螺旋机500的输出口，用于接收所述螺旋机500所输送的物料；称量传感器700，用于检测所述称量装置中的物料的重量；以及上述实施例的控制装置，与所述称量传感器700及所述螺旋机500电连接，用于根据所述称量传感器700的检测值控制所述螺旋机500。

此外，物料称量系统还应包括料仓、阀门、管道等常规部件，在此不再多述。

其中，螺旋机500被连接到料仓以接收物料，再向称量装置600输出物料。本发明实施例可采用各种形式的螺旋机，不限制螺旋机500的结构。其中，称量装置600例如是称料斗，而称量传感器700可安装在称量装置600的任意位置，只要保证能检测出物料的重量即可。另外，称量传感器700可以是一个，也可以是多个，本发明实施例对此并不限制。所述控制装置用于根据所述称量传感器700的检测值控制所述螺旋机500，具体的控制方法如上述的实施例。

其中，关于控制装置的具体实施细节，可参考上述实施例，在此不再赘述。

图5是采用本发明实施例的物料称量系统进行物料称量的示例方法的流程图，该示例方法中，仍以500公斤(以下均以公斤为单位)的理想称量值为例，且采用算术平均预测算法来进行预测。如图5所示，该示例方法可以包括以下步骤：

步骤S501，启动螺旋机，开始物料输送，并通过称量传感器检测物料的实时称量值。

其中，螺旋机的启动、停止及转速都可能通过控制装置来进行控制。

步骤S502，控制装置记录前十次物料称量过程所对应的落定称量值。

例如，前十次物料称量过程分别对应的落定称量值为510、498、505、510、505、512、498、508、495、506。

步骤S503，控制装置求取获取的前十次物料称量过程所对应的落定称量值的平均数。

对应于步骤S502中的数据，求取出的平均数为504.7公斤。

步骤S504，控制装置计算该平均值与期望称量值的落差。

对应于步骤S503的例子，落差为504.7-500＝4.7公斤。

步骤S505，控制装置根据所述落差确定预计称量值。

对应于步骤S504的例子，所述落差表明了当称量装置中的实际称量值达到500而控制螺旋机停止时，螺旋机中仍有4.7公斤的物料会下放到称量装置中，从而应该将预计称量值确定为500-4.7＝495.3公斤。

步骤S506，当实际称量值到达预计称量值时，控制装置向螺旋机发送停止指令。

对应于步骤S505的例子，在实际称量值到达495.3公斤时，向螺旋机发送停止指令。

步骤S507，在所有物料落定后，确定落定称量值是否达到理想称量值。

步骤S508，控制装置记录本次物料称量过程最终的落定称量值，并将其作为历史称量数据以预测下一次物料称量过程的预计称量值。

该步骤S508中，即使本次的落定称量值与理想称量值仍有差距，但其相对于前十次过程，会更加接近于理想称量值，从而将其加入至下一次预测过程，有利于优化预测结果。

综上，通过多次预测，可保证每次称量的精确性，并使得后面的物料称量过程的落定称量值越来越与理想称量值一致。

以上结合附图详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，这些简单变型均属于本发明的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。

本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得单片机、芯片或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。

Claims (10)

1.一种物料称量的控制方法，其中，一次物料称量过程是指螺旋机向称量装置输送物料至所述物料在所述称量装置上落定的过程，其特征在于，所述控制方法包括：

获取历史称量数据，其中所述历史称量数据包括至少两次物料称量过程中的所述物料在所述称量装置上落定时的落定称量值；

根据所述历史称量数据预测当前物料称量过程所对应的落定称量值，并根据所述当前物料称量过程所对应的落定称量值与期望称量值的落差确定预计称量值；以及

在所述称量装置上的物料的实际称量值到达所述预计称量值时，控制螺旋机停止输送物料。

2.根据权利要求1所述的控制方法，其特征在于，所述根据所述历史称量数据预测当前物料称量过程所对应的落定称量值包括：

采用平均预测算法、指数平滑预测算法和回归预测算法中的一者或多者来处理所述历史称量数据中所包括的多个落定称量值，以预测出当前物料称量过程所对应的落定称量值。

3.根据权利要求2所述的控制方法，其特征在于，所述平均预测算法包括算术平均预测算法、几何平均预测算法、加权平均预测算法和移动平均预测算法中的任意一者。

4.根据权利要求1至3中任意一项所述的控制方法，其特征在于，所述控制方法还包括：

将所述预计称量值限定在预设范围中，当所述预计称量值超出该预设范围的最大值时，将所述预计称量值确定为该最大值，当所述预计称量值小于所述预设范围的最小值时，将所述预计称量值确定为该最小值。

5.一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行如上述权利要求1至4中任意一项所述的物料称量的控制方法。

6.一种物料称量的控制装置，其中，一次物料称量过程是指螺旋机向称量装置输送物料至所述物料在所述称量装置上落定的过程，其特征在于，所述控制装置包括：

数据采集模块，用于获取历史称量数据，其中所述历史称量数据包括至少两次物料称量过程中的所述物料在所述称量装置上落定时的落定称量值；

预测模块，用于根据所述历史称量数据预测当前物料称量过程所对应的落定称量值，并根据所述当前物料称量过程所对应的落定称量值与期望称量值的落差确定预计称量值；以及

控制模块，用于在所述称量装置上的物料的实际称量值到达所述预计称量值时，控制螺旋机停止输送物料。

7.根据权利要求6所述的控制装置，其特征在于，所述预测模块包括平均预测模块、指数平滑预测模块和回归预测模块中的任意一者或多者；

其中，所述平均预测模块用于采用平均预测算法来处理所述历史称量数据中所包括的多个落定称量值，以预测出当前物料称量过程所对应的落定称量值；

其中，所述指数平滑预测模块用于采用指数平滑预测算法来处理所述历史称量数据中所包括的多个落定称量值，以预测出当前物料称量过程所对应的落定称量值；

其中，所述回归预测模块用于采用回归预测算法来处理所述历史称量数据中所包括的多个落定称量值，以预测出当前物料称量过程所对应的落定称量值。

8.根据权利要求7所述的控制装置，其特征在于，所述平均预测模块包括算术平均预测模块、几何平均预测模块、加权平均预测模块和移动平均预测模块中的任意一者。

9.根据权利要求6至8中任意一项所述的控制装置，其特征在于，所述控制装置还包括：

限制模块，用于将所述预测模块所预测出的预计称量值限定在预设范围中，当所述预计称量值超出该预设范围的最大值时，将所述预计称量值确定为该最大值，当所述预计称量值小于所述预设范围的最小值时，将所述预计称量值确定为该最小值。

10.一种物料称量系统，其特征在于，所述物料称量系统包括：

螺旋机，用于输送物料；

称量装置，其开口连接所述螺旋机的输出口，用于接收所述螺旋机所输送的物料；

称量传感器，用于检测所述称量装置中的物料的重量；以及

权利要求7至9中任意一项所述的控制装置，其与所述称量传感器及所述螺旋机电连接，用于根据所述称量传感器的检测值控制所述螺旋机。