CN112304412A - 称重装置的滞后补偿方法 - Google Patents

Abstract

本发明公开了一种滞后补偿方法，获取的称重值通过理想滞后误差模型计算滞后误差，并进一步通过理想滞后补偿模型计算理想补偿值；然后利用滞后标定时建立的系统滞后误差模型和理想滞后误差模型的比例关系，将所述理想补偿值修正为最终补偿值。本发明建立系统自身滞后补偿和理想状态滞后补偿的映射关系，实现了复杂滞后误差补偿情况转化为理想滞后误差补偿情况。从而不但对理想状态下的滞后误差补偿具有良好的补偿效果；在复杂滞后情况下，也能够获得优异的滞后补偿效果。

Description

称重装置的滞后补偿方法

技术领域

本发明涉及一种称重装置的滞后补偿方法。

背景技术

称重传感器或称重系统的滞后误差是称重传感器或称重系统的称重误差的主要来源之一，补偿或修正称重传感器或称重系统的滞后误差有助于称重传感器或称重系统的称重精度提升，对于称重数据测量和称重应用具有积极意义。

现有的称重传感器或称重系统的滞后补偿方法通常具有适用性低，补偿效果不可靠，补偿适用范围受限的问题。比如文献《用于称重传感器的一种新的滞后补偿方法》(ZhuZijian,Chen Renwen,A NEW HYSTERESIS COMPENSATION METHOD FOR LOAD CELLS,Jun.2002:Vol.19No.1:89-93)中采用e指数或类似的数学方法对称重传感器或称重系统的滞后误差加以补偿，而且e指数或类似的数学方法与滞后标定包络线形状之间需要满足一定的配合关系，这种配合关系在实际应用的复杂的称重传感器或称重系统中无法得到保证的，从而导致称重传感器或称重系统的滞后补偿效果不佳。而且在复杂的称重传感器或称重系统的滞后情况中甚至出现滞后标定包络线存在交叉的情况，导致在滞后补偿过程中出现了补偿误差在交叉点处为零的情况，进而导致滞后补偿方法状态不确定，影响称重传感器或称重系统的滞后补偿方法的补偿效果的可靠性，并使得滞后补偿方法的适用范围受限。

发明内容

本发明要解决的技术问题是：为了克服现有技术的滞后补偿方法使用范围有限，而且补偿效果不可靠的问题，提供了一种滞后补偿方法，利用系统自身滞后补偿和理想状态滞后补偿的结合，实现了复杂滞后情况下的优异的滞后补偿的效果。

本发明是通过下述技术方案来解决上述技术问题的：

本发明提供了一种滞后补偿方法，获取的称重值通过理想滞后误差模型计算滞后误差，并进一步通过理想滞后补偿模型计算理想补偿值；

其特点是，利用滞后标定时建立的系统滞后误差模型和理想滞后误差模型的比例关系，将所述理想补偿值修正为最终补偿值。

本发明中在理想滞后误差和滞后补偿的计算的理想补偿值基础上，利用滞后标定时获得的表征系统实际滞后误差的系统滞后误差和理想滞后误差之间比例关系，将复杂的滞后情况，转化为理想滞后情况的滞后补偿，从而进一步修正理想补偿值来提升滞后补偿的精度。特别是对于滞后标定包络线存在交叉的情况也具有良好的精度。

其中理想滞后误差以及理想滞后补偿均利用现有技术中的滞后误差和误差补偿的计算模型实现理想滞后补偿的计算。

较佳地，系统滞后误差模型的建立包括以下步骤：

记录标准砝码依次单独在秤台面任何位置上加载和卸载过程中，秤所输出的重量数据和标准砝码在秤台面上的位置信息；

每组重量数据分别计算加载和卸载滞后误差，并结合对应的位置信息建立系统滞后误差模型。

本发明将位置信息、与对应于位置信息的加载和卸载滞后误差作为系统滞后误差模型的参数或参数计算的基础，在标定过程中不再局限于称台上有限的固定测试点的选择，而且在标定时，能够采样更多的点，进而提升误差计算精度，同时秤盘上任意测试点的选择也简化了标定的操作。

优选地，所述比例关系为系统滞后误差模型的数据和理想滞后误差模型的数据的比例函数。

本发明中利用系统滞后误差模型中各个数据与理想滞后误差模型中各个数据之间的比值构成比例函数，进而修正补偿值。

优选地，所述最终补偿值为所述理想补偿值与比例关系的乘积。

优选地，所述秤为平台秤，并且秤中设置至少3个称重传感器。

优选地，每组加载和卸载滞后误差，与对应的位置信息组合，拟合成的二次函数作为系统滞后误差模型。

本发明利用拟合二次函数的方式来快速建立系统滞后误差模型，降低系统计算量。

优选地，每组加载和卸载滞后误差的计算公式如下：

ErrUp＝Weight1-(Weight1+Weight2)/2

ErrDown＝Weight2-(Weight1+Weight2)/2

Weight1、Weight2是任一个测试点加载和卸载的测量值，ErrUp和ErrDown是加载和卸载的滞后误差。

较佳地，所述理想滞后误差模型建立包括以下步骤：

获取称在满量程时最大滞后误差；

然后加载过程和卸载过程分别以空载、满载以及空载至满载之间若干个点的滞后误差拟合函数，所述函数构成所述理想滞后误差模型。

本发明采样空载至满载过程的多个点来拟合函数，进而提升构建的量滞后误差模型的精度。

优选地，所述函数为二次函数、指数函数、多项式函数。

较佳地，所述理想滞后补偿模型包括以下公式：

加载补偿公式为correction_factor＝AI+BI*raw_count+CI*raw_count^2；

卸载补偿公式为correction_factor＝AD+BD*raw_count+CD*raw_count^2；

其中AI、BI、CI和AD、BD、CD为理想滞后误差模型计算得到的参数；raw_count是未补偿值；correction_factor是输出的补偿值。

优选地，所述理想滞后补偿模型包括以下公式：

加载补偿公式为correction_factor＝AI+BI*raw_count+CI*raw_count^2+AIE*[(RMAX-raw_count)/(RMAX–change_sign_value)]；

卸载补偿公式为correction_factor＝AD*raw_count+BD*raw_count+CD*raw_count^2+ADE*[raw_count/change_sign_value]；

其中AI、BI、CI和AD、BD、CD为理想滞后误差模型计算得到的参数；raw_count是未补偿值；correction_factor是输出的补偿值；AIE加载时初始值与理想曲线的差值；ADE是卸载时初始值与理想曲线的差值；RMAX是秤的量程；change_sign_value是初始值。

本发明的积极进步效果在于：

本发明建立系统自身滞后补偿和理想状态滞后补偿的映射关系，实现了复杂滞后误差补偿情况转化为理想滞后误差补偿情况。从而不但对理想状态下的滞后误差补偿具有良好的补偿效果；在复杂滞后情况下，也能够获得优异的滞后补偿效果。

附图说明

图1为本发明的实施例的滞后补偿的流程图。

图2为秤台面示意图。

图3为实施例的平台秤示意图。

附图标记说明

1-4 称重传感器

S 平台秤

P 称台面

具体实施方式

下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。

本发明利用标定数据建立系统滞后误差模型，并结合现有理想滞后模型，利用系统滞后误差模型与理想滞后误差模型的映射关系来调整滞后补偿值，实现了复杂滞后误差补偿情况转化为理想滞后误差补偿情况。该方案不仅对理想下的滞后误差具有良好的补偿效果，对复杂情况甚至交叉情况也具有良好的补偿效果。

下面通过如下所述的实施例，举例说明本发明的实现方式。

如图3所示，本实施例的平台秤S中，在平台秤S的量程以内，选择标准砝码，在秤盘上任意选择位置完成标准砝码在秤盘上的加载和卸载，并记录加载和卸载的测量值以及标准砝码在秤盘上的位置信息。

如图2所示的秤台面P示意图，本实施例的称台面P上的四个边角上分别设置一个称重传感器，并在秤台面P上按照图2所示的坐标系，建立坐标，并利用现有的称重物体的重心位置计算算法，计算被称物体在秤台面P上的位置信息。

本实施例中标准砝码在图2中所示称台面P上选取的4个不同的位置A、B、C和D进行加载和卸载操作，此时获得这4个位置的测量值和位置信息以及标准砝码的重量值，并计算滞后误差，计算公式如下。

任一个测试点加载和卸载的测量值为Weight1、Weight2，则加载和卸载的滞后误差ErrUp和ErrDown分别为：

ErrUp＝Weight1-(Weight1+Weight2)/2

ErrDown＝Weight2-(Weight1+Weight2)/2

如图2所示秤中4个顺序编号的称重传感器的重量数据，分别记为W1t、W2t、W3t、W4t。则被称物重量记为Wot＝W1t+W2t+W3t+W4t。

计算被称量物的秤台面重心位置信息Xot和Yot：

Xot＝(W3t+W4t)/Wot；

Yot＝(W2t+W3t)/Wot；

然后将4个不同的位置A、B、C和D位置信息以及加载和卸载的滞后误差作为一组，拟合成二次函数，并将二次函数作为系统滞后误差模型。

在另一个实施例中，省略了1号称重传感器，并利用标准称重数据W代替W1，实现3个称重传感器计算被称物体在秤台面P上的重心位置信息。

在又一个实施例中利用称台面P上7×7的矩阵并利用神经网络算法等来计算被称物体的重心位置。

本实施例中还根据标准砝码的重量值，确定平台秤S的满量程值W_max，根据秤台面P上加载和卸载操作时的测量值，得到最大滞后误差为max_largest，然后加载过程以(0，0)，(W_max/2，-max_largest)，(W_max，0)三点拟合成二次方程，卸载过程以(0，0)，(W_max/2，max_largest)，(W_max，0)三点拟合成二次方程。将这两个二次方程作为理想滞后误差模型。

在另一个实施例中，利用空载至满载过程中包括空载和满载的6个点来拟合二次方程，进而提升构建的量滞后误差模型的精度。此外还可采样更多的点以及指数拟合、多项式拟合等不同的拟合来提升理想滞后误差模型精度或计算效率。

在滞后补偿模型建立中，对于加载过程，滞后补偿公式为：

correction_factor＝AI+BI*raw_count+CI*raw_count^2

其中AI、BI、CI为理想滞后误差模型计算得到的参数。raw_count是未补偿值，correction_factor是输出的补偿值。

在另一个实施例中，考虑到存在加载和卸载不是零载或满量程的情况，所以可以进一步引入e指数函数对补偿值进行修正，本实施例中将e指数简化为一次函数，此时加载时的滞后补偿公式如下形式：

correction_factor＝AI+BI*raw_count+CI*raw_count^2+AIE*[(RMAX-raw_count)/(RMAX–change_sign_value)]

其中，AIE加载时线初始值与理想曲线的差值，RMAX是系统量程，change_sign_value是点初始值。

除了加载过程的滞后补偿之外，本是实施例对于卸载过程，滞后补偿公式为：

correction_factor＝AD+BD*raw_count+CD*raw_count^2

其中AD、BD、CD为理想滞后误差模型计算得到的参数。raw_count是未补偿值，correction_factor是输出的补偿值。

在另一个实施例中，通过e指数简化为一次函数，此时卸载时的滞后补偿公式如下形式：

correction_factor＝AD*raw_count+BD*raw_count+CD*raw_count^2+ADE*[raw_count/change_sign_value]

其中ADE是卸载时线初始值与理想曲线的差值，change_sign_value是点初始值。

通过上述加载和卸载过程中的补偿公式，构成理想滞后补偿模型。本实施例中理想滞后误差模型和理想滞后补偿模型组合成为理想滞后模型。

平台秤在记录了上述系统滞后误差模型和理想滞后模型后，本实施例中的滞后补偿流程如下：

在秤空载时，初始化各个模型中AIE、ADE、本次加卸载方向以及上一次加卸载方向的参数。本实施例中初始化时，可以将上述参数归零。

然后进行方向的判定，根据本次测量值与上一次的测量值，与预设的阈值比较，判定本次称重的方向是加载还是卸载。

再后，进行补偿值的计算，对于加载过程，判断上一次加卸载方向是否与本次的加卸载方向不同，若不同，则利用理想滞后误差模型重新计算AIE等参数，并记录本次加载时的重量值，然后根据上述的加载补偿公式或利用e指数简化的加载补偿公式，计算补偿量。若相同，直接利用AIE等参数和本次加载时的重量值，根据上述的加载补偿公式或利用e指数简化的加载补偿公式，计算补偿量。

对于卸载过程，计算方式类似，同样判断判断上一次加卸载方向是否与本次的加卸载方向不同，若不同，则利用理想滞后误差模型重新计算ADE等参数，并记录本次卸载时的重量值，然后根据上述的卸载补偿公式或利用e指数简化的卸载补偿公式，计算补偿量。若相同，直接利用ADE等参数和本次卸载时的重量值，根据上述的卸载补偿公式或利用e指数简化的卸载补偿公式，计算补偿量。

最后进行补偿值计算，计算此次加卸载状态下，系统滞后误差模型与理想滞后误差模型的比例函数，利用理想滞后补偿模型计算的补偿量与比例函数做乘法，得到本次输出的最终补偿值。

另一个实施例中，平台秤S上设置有6×6阵列的称重传感器。并利用神经网路算法、遗传算法等来计算被秤台面P上称量物体的重心位置、物体形状等状态信息。并进一步利用这些状态信息修正滞后补偿值，提供补偿精度；或者在称重加载或卸载过程中，修正系统滞后误差模型、理想滞后误差模型所计算的滞后误差和参数，进而提供高滞后补偿计算的精度。

通过上述的滞后补偿流程描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件以及必要的硬件平台的方式来实现，基于这样的理解，本发明的技术方案本质上或者说对于现有技术做出贡献的部分可以以软件产品的方式体现出来，该计算机软件产品可以存储在存储介质中，包括但不限于ROM/RAM(只读存储器/随机存储存储器)、磁碟、光盘等，包括若干指令用以使得一台或多台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明的各个实施例或者实施例中某些部分所述的方法。

本发明的滞后补偿流程可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (11)

1.一种滞后补偿方法，获取的称重值通过理想滞后误差模型计算滞后误差，并进一步通过理想滞后补偿模型计算理想补偿值；

其特征在于，利用滞后标定时建立的系统滞后误差模型和理想滞后误差模型的比例关系，将所述理想补偿值修正为最终补偿值。

2.如权利要求1所述的滞后补偿方法，其特征在于，系统滞后误差模型的建立包括以下步骤：

记录标准砝码依次单独在秤台面任何位置上加载和卸载过程中，秤所输出的重量数据和标准砝码在秤台面上的位置信息；

每组重量数据分别计算加载和卸载滞后误差，并结合对应的位置信息建立系统滞后误差模型。

3.如权利要求1所述的滞后补偿方法，其特征在于，所述比例关系为系统滞后误差模型的数据和理想滞后误差模型的数据的比例函数。

4.如权利要求3所述的滞后补偿方法，其特征在于，所述最终补偿值为所述理想补偿值与比例关系的乘积。

5.如权利要求2所述的滞后补偿方法，其特征在于，每组加载和卸载滞后误差，与对应的位置信息组合，拟合成的二次函数作为系统滞后误差模型。

6.如权利要求5所述的滞后补偿方法，其特征在于，每组加载和卸载滞后误差的计算公式如下：

ErrUp＝Weight1-(Weight1+Weight2)/2

ErrDown＝Weight2-(Weight1+Weight2)/2

Weight1、Weight2是任一个测试点加载和卸载的测量值，ErrUp和ErrDown是加载和卸载的滞后误差。

7.如权利要求1所述的滞后补偿方法，其特征在于，所述理想滞后误差模型建立包括以下步骤：

获取秤在满量程时最大滞后误差；

然后加载过程和卸载过程分别以空载、满载以及空载至满载之间若干个点的滞后误差拟合函数，所述函数构成所述理想滞后误差模型。

8.如权利要求7所述的滞后补偿方法，其特征在于，所述函数为二次函数、指数函数、多项式函数。

9.如权利要求1所述的滞后补偿方法，其特征在于，所述理想滞后补偿模型包括以下公式：

加载补偿公式为correction_factor＝AI+BI*raw_count+CI*raw_count^2；

卸载补偿公式为correction_factor＝AD+BD*raw_count+CD*raw_count^2；

其中AI、BI、CI和AD、BD、CD为理想滞后误差模型计算得到的参数；raw_count是未补偿值；correction_factor是输出的补偿值。

10.如权利要求1所述的滞后补偿方法，其特征在于，所述理想滞后补偿模型包括以下公式：

加载补偿公式为correction_factor＝AI+BI*raw_count+CI*raw_count^2+AIE*[(RMAX-raw_count)/(RMAX–change_sign_value)]；

卸载补偿公式为correction_factor＝AD*raw_count+BD*raw_count+CD*raw_count^2+ADE*[raw_count/change_sign_value]；

其中AI、BI、CI和AD、BD、CD为理想滞后误差模型计算得到的参数；raw_count是未补偿值；correction_factor是输出的补偿值；AIE是加载时初始值与理想曲线的差值；ADE是卸载时初始值与理想曲线的差值；RMAX是秤的量程；change_sign_value是初始值。

11.如权利要求1-10中任一项所述的滞后补偿方法，其特征在于，所述秤为平台秤，并且秤中设置至少3个称重传感器。

Images