CN110232166A

CN110232166A - 一种基于特征选择的皮带秤误差源分析方法

Info

Publication number: CN110232166A
Application number: CN201910046734.6A
Authority: CN
Inventors: 孙京诰; 徐立栋; 陈方杰
Original assignee: East China University of Science and Technology
Current assignee: East China University of Science and Technology
Priority date: 2019-01-18
Filing date: 2019-01-18
Publication date: 2019-09-13
Anticipated expiration: 2039-01-18
Also published as: CN110232166B

Abstract

本发明提出一种基于特征选择变换的皮带秤误差源分析方法。通常情况下，皮带秤经过长久使用后或因安装环境不同会发生称重不精准现象，需要重新补偿调零。然而，造成皮带秤的称重不精确的误差源众多，如温度、阻力系数以及环境湿度等，且影响程度各不相同。因此设计一种误差源分析方法，通过记录并分析皮带秤运行过程中可能造成误差的相关数据，得到各个误差源对皮带秤称重准度的影响程度关系，以及误差源在某频段上的影响大小，由此即可为后续皮带秤做出针对性补偿提供依据。

Description

一种基于特征选择的皮带秤误差源分析方法

技术领域

本发明涉及皮带秤误差源分析，具体是对影响皮带秤测量精度的误差的影响程度以及影响频段规律分析。

背景技术

电子皮带秤是皮带输送机输送固体散状物料过程中对物料进行连续称重的一种计量设备。皮带秤测量精度是评价皮带秤工作性能的最重要指标。但皮带秤的称重精度会受到安装误差、环境变化以及自身特性的变化等因素的影响，且长期使用会逐步累计误差，造成其称重不精确。

根据研究表明，皮带秤在不同的工作频段下所表现的测量精度不同，而利用频域分析法可以得到时域分析无法得到的数据特性。因此，利用快速傅里叶算法，将记录下的误差源时序变化数据转换至频域内，分析其各频段上的能量分布，可确定不同频段下各误差源的影响作用大小。

对于原始数据分析上，也能体现出皮带秤的误差源的影响作用不同。利用主成分分析方法可以确定各个误差源的特征，判断其对最终称重的影响大小。

发明内容

针对皮带秤误差源对称重影响的问题，本发明的目的在于提供一种计算精准，分析全面的误差源分析方法，用来分析各个误差源在不同频段上的能量分布，分析各个误差源在时序作用上的影响大小，从而指导皮带秤的误差补偿校准工作。

本发明为实现上述目的所采用的技术方案是：一种基于特征选择变换的皮带秤误差源分析方法，包括以下步骤：

一种基于特征选择变换的皮带秤误差源分析方法，其特征在于，该方法的步骤包括：

步骤1：记录皮带秤工作条件下各个待分析的误差源的数据；

步骤2：将步骤1中记录的误差源数据通过快速傅里叶变换，将其时域变化特征转至频域，得到各个误差源在不同频段上作用的能量大小；

步骤3：将步骤1中记录的误差源数据通过主成分分析方法，分析出各个误差源对于称重误差的影响比重，并由此排序确定出各误差源的重要程度。

所述的快速傅里叶变换的方法，包含以下步骤：

记录下的有限长度离散时序误差源数据：。由此，则将原序列做离散傅里叶变换有：

其中，，所以有。

再假设采样序列点数N为偶数，如若不满足则可添加若干个0以使得序列满足要求。而后将序列分解为奇数和偶数的两个序列之和，即：

于是可以推得：

上式中k=0,1,…,N-1；再将其分为两段讨论。

当k为0到N/2-1时，此时有：

而当k为N/2到N-1时，令，于是又得到：

故一个N点的离散傅里叶变换过程可以用两个N/2点的离散傅里叶变换过程表示，依照此逻辑，进一步逐层分解变换，即为快速傅里叶变化过程。所得结果可能复数，取复数模值即为其在该频率的能量。

所述的主成分分析的方法，包含以下步骤：

步骤1：将各列时序误差源数据依次排列构成矩阵，并使得每一列数据减去其平均值，得到新的矩阵；

步骤2：计算矩阵的协方差矩阵C；

步骤3：计算矩阵C的特征值λ_i和特征向量ξ_i；

步骤4：对特征值从大到小排序；

步骤5：保留最大的k个特征值及其对应的特征向量；

步骤6：计算各元素的总负荷值。

总负荷值中各元素值即代表各个误差源对整个皮带秤称重系统精度误差影响程度，负荷值越大，则影响程度越大，由此筛选出重要的误差源。

本发明的创新之处在于，本发明通过记录下可能造成皮带秤称重误差的误差源随时间变化的数据序列，并利用快速傅里叶变换将其从时域特征转换至频域的能量分布，由此可确定出不同误差源在不同的工作频段下的能量大小，即表现出误差源造成皮带秤误差的影响大小。

本发明通过将原误差源时序数据拼接成矩阵，并对其做主成分分析，以确定出各个特征在时域上的作用大小，表现出各误差源在时域造成皮带秤误差的影响大小。

本发明通过分析个误差源在频域即时域上的影响规律，指导皮带秤的误差补偿和校正工作，有效且能针对性地改善皮带秤称重精度。

附图说明

图1为本发明方法的整体流程示意图。

图2为本发明方法中数据从时域至频域变换流程示意图。

图3为本发明方法中时序数据做主成分分析流程示意图。

具体实施方式

下面结合附图对本发明做进一步的详细说明：

本发明公开了一种基于特征选择变换的皮带秤误差源分析方法，如图1所示，本发明的详细步骤为。

（1）在皮带秤工作情况下，各项待分析误差源数据分别按列且以时间顺序采集记录。

（2）对各列误差源时序数据做快速傅里叶变换。

如图2所示，先判别数据点长度是否为偶数，若如若不满足则可添加若干个0以使得序列满足要求。

将序列分解为奇数和偶数的两个序列之和。

判断各序列是否可以进一步解，如果可以，返回继续分解。

当序列无法继续分解时，根据如下公式计算其各自离散傅里叶变换：

其中，所以有。

所得结果可能为复数，则取其模值即为该频率的能量值。

根据计算结果绘制各个误差源的频谱能量图。

（3）对误差源数据做主成分分析。

如图3所示，将各列时序误差源数据合并构成一个矩阵。

将各列数据减去其自身列的均值。

计算当前矩阵的协方差矩阵。

计算协方差矩阵的特征值和特征向量。

对特征值由大到小排序。

选中前k个特征值及其对应的特征向量。

利用下式计算选中的k个误差源的总负荷值：

其中λ_i为上述协方差矩阵的特征值，ξ_i为上述协方差矩阵的特征向量。

对比频谱能量分布图以及主成分分析结果，在皮带秤特定的工作频段下针对应的误差源进行补偿校正。

Claims

1.一种基于特征选择变换的皮带秤误差源分析方法，其特征在于，该方法的步骤包括：

步骤1：记录皮带秤工作条件下各个待分析的误差源的数据；

2.按照权利要求1中所述的一种基于特征选择变换的皮带秤误差源分析方法，其特征在于，所述的快速傅里叶变换的方法，包含以下步骤：

记录下的有限长度离散时序误差源数据：。

3.按照权利要求2中所述的一种基于特征选择变换的皮带秤误差源分析方法，其特征在于将原序列做离散傅里叶变换有：

其中，，所以有。

4.按照权利要求3中所述的一种基于特征选择变换的皮带秤误差源分析方法，其特征在于假设采样序列点数N为偶数，如若不满足则可添加若干个0以使得序列满足要求。

5.按照权利要求4中所述的一种基于特征选择变换的皮带秤误差源分析方法，其特征在于将序列分解为奇数和偶数的两个序列之和，即：

于是可以推得：

上式中k=0,1,…,N-1；再将其分为两段讨论。

6.按照权利要求5中所述的一种基于特征选择变换的皮带秤误差源分析方法，其特征在于当k为0到N/2-1时，此时有：

而当k为N/2到N-1时，令，于是又得到：

故一个N点的离散傅里叶变换过程可以用两个N/2点的离散傅里叶变换过程表示，依照此逻辑，进一步逐层分解变换，即为快速傅里叶变化过程。

7.按照权利要求6中所述的一种基于特征选择变换的皮带秤误差源分析方法，其特征在于所得结果可能复数，取复数模值即为其在该频率的能量。

8.按照权利要求7中所述的一种基于特征选择变换的皮带秤误差源分析方法，其特征在于所述的主成分分析的方法，包含以下步骤：

步骤2：计算矩阵的协方差矩阵C；

步骤3：计算矩阵C的特征值λ_i和特征向量ξ_i；

步骤4：对特征值从大到小排序；

步骤5：保留最大的k个特征值及其对应的特征向量；

步骤6：计算各元素的总负荷值。

9.按照权利要求8中所述的一种基于特征选择变换的皮带秤误差源分析方法，其特征在于总负荷值中各元素值即代表各个误差源对整个皮带秤称重系统精度误差影响程度，负荷值越大，则影响程度越大，由此筛选出重要的误差源。