CN111649815A

CN111649815A - 一种基于动态连续称重智能补偿算法

Info

Publication number: CN111649815A
Application number: CN202010256118.6A
Authority: CN
Inventors: 章年
Original assignee: Shenzhen Innoview Technology Co ltd
Current assignee: Shenzhen Innoview Technology Co ltd
Priority date: 2020-04-02
Filing date: 2020-04-02
Publication date: 2020-09-11

Abstract

一种基于动态连续称重智能补偿算法，建立应变式压力传感器以及秤体构成的称重部分的微分方程；利用测试系统动力学中的时间域建模法对传感器进行建模，确定系统的动态参数固有频率ωn和阻尼比ζ；加入串联补偿环节Hc(s)，串连在传感器的H(s)的后面，以形成一个等效系统He(s)；建立传感器的数据模型，计算出阶跃相应；引入模糊控制算法消除冲击力F(t)的影响；引入仿人智能积分控制算法消除留空量△G的影响。本发明对传感器进行补偿的方法，使得传感器的振荡得以有效抑制，同时引入的利用具有仿人智能控制算法的模糊控制器可以有效地消除留空量△G和冲击力F(t)对精度的影响。在提高了动态称重的速度的同时，也保证了系统的测量准确性。

Description

一种基于动态连续称重智能补偿算法

技术领域

本发明涉及公路动态连续称重技术领域，尤其涉及一种基于动态连续称重智能补偿算法。

背景技术

在称重技术中，应用最为普遍的是由应变片和弹性体组成的压力传感器。在静态称重中，将重物放于称重系统的托架上，待稳定后，就可以准确地读出重量值。但是在动态称重过程中，这种传感器就暴露出缺陷。由于其弹性体的阻尼过小，振荡严重，称重系统的动态响应过程到达稳态的时间较长，不能满足快速测量的要求。

在称量系统中,人们总希望被测物体的重量与称量输出之间呈线性关系，称量系统的线性度(非线性误差)是影响系统精度的重要指标之一，线性度越高，则系统的称量精度越高,反之,系统的称量精度越低。由于称重传感器、信号放大器、A/D转换器等模块存在的非线性,导致称重系统的输入与输出之间呈现出非线性的关系,从而影响了系统的称量精度,因此为了提高精度，有必要对称重系统的非线性误差进行修正处理。

非线性误差修正的方式主要分为两大类,一类是通过硬件进行修正，这种方式难以做到全量程修正,并且修正硬件的漂移会影响整个测量系统的精度，可靠性和精度都比较低,一般情况下很少使用。另一类是通过软件进行修正，这种方式比较灵活,便于修改,弥补了硬件修正存在的不足,只要算法设计合理，就可以做到高精度的非线性修正,在工业测量系统中逐渐得到了广泛的应用。

为解决上述问题，本申请中提出一种基于动态连续称重智能补偿算法。

发明内容

(一)发明目的

为解决背景技术中存在的技术问题，本发明提出一种基于动态连续称重智能补偿算法，本发明对传感器进行补偿的方法，使得传感器的振荡得以有效抑制，加快了系统响应的快速性，同时引入的利用具有仿人智能控制算法的模糊控制器可以有效地消除留空量△G和冲击力F(t)对精度的影响。因此，在提高了动态称重的速度的同时，也保证了系统的测量准确性。

(二)技术方案

为解决上述问题，本发明提供了一种基于动态连续称重智能补偿算法，其包括以下具体步骤：

S1、建立应变式压力传感器以及秤体构成的称重部分的微分方程；

S2、利用测试系统动力学中的时间域建模法对传感器进行建模，确定系统的动态参数固有频率ωn和阻尼比ζ；

S3、加入串联补偿环节Hc(s)，串连在传感器的H(s)的后面，以形成一个等效系统He(s)；

S4、建立传感器的数据模型，计算出阶跃相应；并使用最小二乘法辨识出补偿环节的Hc(z)；

S5、引入模糊控制算法消除冲击力F(t)的影响；

S6、引入仿人智能积分控制算法消除留空量△G的影响；

S7、设模糊集合中，误差E，误差变化率C为经过量化的模糊变量，输出控制量U，三者的论域选取均为{-N,…，-1,0,1,…，N},其中，α、β和γ为加权因子，且α、β和γ∈(0,1)；

S8、输入前几次称重的误差：e_n-1，e_n-2；

S9、计算误差变化：C＝e_n-1-e_n-2，判断E·C的值，若E·C＞0或E≠0, 则增加积分项∑＝e_n-1+e_n-2，否则，不增加积分项；

S10、计算误差调整量：Δe＝βe_n-1+γC+(1-β-γ)∑e_i或Δe＝αe_n-1+ (1-α)C；

S11、计算调整时间：Δt＝Δe/k，从而决定关闭阀门时间t₂＝t₁+Δt。

优选的，S1中应变式压力传感器以及秤体构成的称重部分的微分方程可等效为二阶系统：

m——秤体质量，kg；

M(t)——车辆质量，kg；

c——系统等效阻尼系数；

c₁——系统等效刚度，N/m；

F(t)——轮胎压到传感器的冲击力，N；

x——秤体相对参考零点的位移，m；

g——重力加速度，m/s²。

优选的，S2中用锤击法产生单位脉冲作为激励源，获得实验过渡过程曲线，然后分析过渡曲线，利用图解法从图上量出振荡周期和峰值，便可以计算出系统传递函数的动态参数ω_n和ζ；

式中:

A₁，A_n——曲线上相隔n个周期的两个峰值；

f——过度过程振荡频率，Hz，可从曲线上直接量出的振荡周期T求得： f＝T/1。

优选的，S3中：

式中k应等于传感器的静态灵敏度，为了展宽传感器低频部分的工作频带，且加快响应速度，动态补偿滤波器的阻尼比选为0.707，其固有频率可根据展宽的工作频带确定。

优选的，S5中在预测关闭时刻t的基础上加上调节时间△t；引入模糊控制算法，根据前几次称重情况，模仿人的称重行为，计算出本次称重的调节时间△t，计算车轮震动的时刻t₁＝e/k，k为理想称重曲线图中AB段斜率；对其调整，则得真正车轮轴震动时间为：t₂＝t₁+Δt。

本发明的上述技术方案具有如下有益的技术效果：本发明对传感器进行补偿的方法，使得传感器的振荡得以有效抑制，加快了系统响应的快速性，同时引入的利用具有仿人智能控制算法的模糊控制器可以有效地消除留空量△G和冲击力F(t)对精度的影响。因此，在提高了动态称重的速度的同时，也保证了系统的测量准确性，对于系统的实用化开发具有很好的参考价值。

附图说明

图1为本发明提出的基于动态连续称重智能补偿算法的实验装置结构示意图。

图2为本发明提出的基于动态连续称重智能补偿算法中实验过度过程曲线图。

图3为本发明提出的基于动态连续称重智能补偿算法中传感器动态补偿原理结构示意图。

图4为本发明提出的基于动态连续称重智能补偿算法中理想称重曲线图。

图5为本发明提出的基于动态连续称重智能补偿算法中加入补偿环节后脉冲响应曲线图之一。

图6为本发明提出的基于动态连续称重智能补偿算法中加入补偿环节后脉冲响应曲线图之二。

图7为本发明提出的基于动态连续称重智能补偿算法中加入补偿环节后脉冲响应曲线图之三。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。

如图1-7所示，本发明提出的一种基于动态连续称重智能补偿算法，其包括以下具体步骤：

S2、利用测试系统动力学中的时间域建模法对传感器进行建模，确定系统的动态参数固有频率ω_n和阻尼比ζ；

S5、引入模糊控制算法消除冲击力F(t)的影响；

S6、引入仿人智能积分控制算法消除留空量△G的影响；

S8、输入前几次称重的误差：en-1，en-2；

本发明中，利用算法对传感器进行动态补偿，根据前几次称重情况，引入具有仿人智能控制思想的模糊控制器，便可以有效缩短动态过渡时间，消除留空量△G和冲击力F(t)对精度的影响，从而满足称重的快速性及精度要求。

一般情况下，在保证称重速度的前提下希望有较高的计量精度，建立应变式压力传感器加秤体构成的称重部分的微分方程，可以等效为二阶系统。

m——秤体质量，kg；

M(t)——车辆质量，kg；

c——系统等效阻尼系数；

c₁——系统等效刚度，N/m；

F(t)——轮胎压到传感器的冲击力，N；

x——秤体相对参考零点的位移，m；

g——重力加速度，m/s²。

利用测试系统动力学中的时间域建模法对传感器进行建模，确定系统的动态参数固有频率ωn和阻尼比ζ。用锤击法产生单位脉冲作为激励源，获得实验过渡过程曲线，然后分析过渡曲线，利用图解法从图上量出振荡周期和峰值，便可以计算出系统传递函数的动态参数ω_n和ζ。

式中：

A₁，A_n——为曲线上相隔n个周期的两个峰值；

f——过度过程振荡频率，Hz，可从曲线上直接量出的振荡周期T求得：

f＝T/1。

加入串联补偿环节Hc(s)，串连在传感器的H(s)的后面，以形成一个等效系统He(s)，使总的传递函数达到理想状态，结合参数辨识对传感器进行动态补偿，设在一个时间段[t₀，t₀+Δt]内，式(1)可以简化为一个线性时不变系统：

这是一个二阶现行系统，若设等效二阶系统为：

式中k应等于传感器的静态灵敏度，为了展宽传感器低频部分的工作频带，且加快响应速度，动态补偿滤波器的阻尼比选为0.707，其固有频率可根据展宽的工作频带确定。这样就得到了等效系统的理想动态响应；

在应用中，使用脉冲标定法测得动态试验数据，利用最小二乘法辨识方法建立传感器的数学模型。再计算出阶跃响应。把这阶跃响应作为补偿环节的输入，把等效系统的理想阶跃响应作为补偿环节的输出，用最小二乘法辨识出补偿环节的Hc(z)。

实际应用中，考虑选用基于Householder变换的快速自适应最小二乘算法到避免出现数据饱和现象和减小计算量，，具有以下优点：数值稳定性好，抗方程病态性好，对数据误差有较小的灵敏度，跟踪性好，估计精度高。

由于动态称重过程具有非线性，难以建立精确的数学模型，同时补偿后的输出曲线,由上式知,含有车轮的冲击力F(t),留空量ΔG因素也没有考虑，为了消除动态称重过程中的留空量△G和冲击力F(t)的影响，必须在预测关闭时刻t的基础上加上调节时间△t来消除这2个因素造成的误差。考虑到系统能快速准确的称出所需重量的经验，引入模糊控制算法，根据前几次称重情况，模仿人的称重行为，计算出本次称重的调节时间△t，计算车轮震动的时刻 t₁＝e/k，k为理想称重曲线,图中AB段斜率，有误差，对其调整，则得真正车轮轴震动时间为：t₂＝t₁+Δt。

另外，再引入仿人智能积分控制算法：当前几次称重的误差向着减小的方向变化，即误差绝对值逐渐减小时，应不加积分控制作用；当前几次称重的误差向着增大的方向变化，即误差绝对值逐渐增大时，应增加积分控制作用，从而加速本次称重的快速性和稳定性。

设模糊集合中，误差E，误差变化率C为经过量化的模糊变量，输出控制量U，三者的论域选取均为{-N,…，-1,0,1,…，N},其中，α、β和γ为加权因子，且α、β、γ∈(0,1)。

输入前几次称重的误差：e_n-1,,e_n-2；

计算误差变化：C＝e_n-1-e_n-2，判断E·C的值，若E·C＞0或E≠0,则增加积分项∑＝e_n-1+e_n-2，否则，不增加积分项；

计算误差调整量：Δe＝βe_n-1+γC+(1-β-γ)∑e_i或Δe＝αe_n-1+(1-α)C；

计算调整时间：Δt＝Δe/k，从而决定关闭阀门时间t₂＝t₁+Δt。

应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims

1.一种基于动态连续称重智能补偿算法，其特征在于，包括以下具体步骤：

S5、引入模糊控制算法消除冲击力F(t)的影响；

S6、引入仿人智能积分控制算法消除留空量△G的影响；

S8、输入前几次称重的误差：e_n-1，e_n-2；

S9、计算误差变化：C＝e_n-1-e_n-2，判断E·C的值，若E·C＞0或E≠0,则增加积分项∑＝e_n-1+e_n-2，否则，不增加积分项；

S10、计算误差调整量：Δe＝βe_n-1+γC+(1-β-γ)∑e_i或Δe＝αe_n-1+(1-α)C；S11、计算调整时间：Δt＝Δe/k，从而决定关闭阀门时间t₂＝t₁+Δt。

2.根据权利要求1所述的基于动态连续称重智能补偿算法，其特征在于，S1中应变式压力传感器以及秤体构成的称重部分的微分方程可等效为二阶系统：

m——秤体质量，kg；

M(t)——车辆质量，kg；

c——系统等效阻尼系数；

c₁——系统等效刚度，N/m；

F(t)——轮胎压到传感器的冲击力，N；

x——秤体相对参考零点的位移，m；

g——重力加速度，m/s²。

3.根据权利要求1所述的基于动态连续称重智能补偿算法，其特征在于，S2中用锤击法产生单位脉冲作为激励源，获得实验过渡过程曲线，然后分析过渡曲线，利用图解法从图上量出振荡周期和峰值，便可以计算出系统传递函数的动态参数ω_n和ζ；参考公式计算可得：

式中

A₁，A_n——曲线上相隔n个周期的两个峰值；

f＝T/1。

4.根据权利要求1所述的基于动态连续称重智能补偿算法，其特征在于，S3中：

5.根据权利要求1所述的基于动态连续称重智能补偿算法，其特征在于，S5中在预测关闭时刻t的基础上加上调节时间△t；引入模糊控制算法，根据前几次称重情况，模仿人的称重行为，计算出本次称重的调节时间△t，计算车轮震动的时刻t₁＝e/k，k为理想称重曲线图中AB段斜率；对其调整，则得真正车轮轴震动时间为：t₂＝t₁+Δt。