CN112798085A - 基于智能垃圾分类及运输处置的精准称重算法及称重装置 - Google Patents
基于智能垃圾分类及运输处置的精准称重算法及称重装置 Download PDFInfo
- Publication number
- CN112798085A CN112798085A CN202011631069.6A CN202011631069A CN112798085A CN 112798085 A CN112798085 A CN 112798085A CN 202011631069 A CN202011631069 A CN 202011631069A CN 112798085 A CN112798085 A CN 112798085A
- Authority
- CN
- China
- Prior art keywords
- value
- sampling
- zero
- weighing
- weight
- 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.)
- Pending
Links
- 238000005303 weighing Methods 0.000 title claims abstract description 76
- 239000011159 matrix material Substances 0.000 claims abstract description 47
- 238000006243 chemical reaction Methods 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 45
- 238000004364 calculation method Methods 0.000 claims abstract description 27
- 238000013507 mapping Methods 0.000 claims abstract description 8
- 238000005070 sampling Methods 0.000 claims description 117
- 239000013598 vector Substances 0.000 claims description 67
- 238000012952 Resampling Methods 0.000 claims description 4
- 230000007547 defect Effects 0.000 abstract description 2
- 238000012545 processing Methods 0.000 abstract description 2
- 239000002699 waste material Substances 0.000 abstract description 2
- 238000001914 filtration Methods 0.000 description 14
- 239000000523 sample Substances 0.000 description 11
- 230000001174 ascending effect Effects 0.000 description 10
- 230000036544 posture Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000005284 excitation Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000012723 sample buffer Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G13/00—Weighing apparatus with automatic feed or discharge for weighing-out batches of material
- G01G13/24—Weighing mechanism control arrangements for automatic feed or discharge
- G01G13/28—Weighing mechanism control arrangements for automatic feed or discharge involving variation of an electrical variable which is used to control loading or discharge of the receptacle
- G01G13/29—Weighing mechanism control arrangements for automatic feed or discharge involving variation of an electrical variable which is used to control loading or discharge of the receptacle involving digital counting
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)
Abstract
本发明涉及秤台技术领域,具体涉及一种基于智能垃圾分类及运输处置的精准称重算法及称重装置。现有使用多个称重传感器进行测量的秤台需要手动调节变阻器进行校准,存在校准不精准,人工误差大的缺陷。为了解决上述问题,本发明采用了以下的技术方案:基于智能垃圾分类及运输处置的精准称重算法,在设置一定配重w时,称重传感器的读数为AD值,AD值与无配重时称重传感器的稳定读数之差为净AD值,通过调整w与净AD值之间的映射关系对大秤台进行校准,在运算中通过调整转换系数矩阵R进行所述映射关系的调节。这样的计算方式无需人工介入,有效的规避了人工调节变阻器所产生的误差,能够提供一种更加精准的秤台称重和校准方法。
Description
技术领域
本发明涉及秤台技术领域,具体涉及一种基于智能垃圾分类及运输处置的精准称重算法及称重装置。
背景技术
在传统的使用多个称重传感器进行测量的秤台中,传感器采用并联法接入采样电路,每个传感器串联有变阻器。传感器具体的接入方法为:将所有称重传感器的E+各自串联一个变阻器后并联到一起,各自E-也并联到一起,接入到激励电源上;将各自的S+和S-分别并联到一起,接入采样电路进行采样。
在这种秤台中,并联的多个传感器被当做一个传感器进行校准和计算。在初始阶段,秤台清空时获取零点的传感器输出值z,秤台放置重量为w的砝码时获取对应的传感器输出值v,计算出转换系数r=w/(v-z);实际称重时传感器读数为s,实际重量m通过公式m=r*(s-z)计算。当传感器出现读数误差时,秤台通过调节每个传感器串联的变阻器,调节每个传感器的激励电压,补偿传感器本身的误差,使得整体平衡。其记录的转换系数r为一个对应多个传感器的单一数值。
由于传统方法R值单一,调节的精度不高。同时,需要手动调节变阻器进行校准,存在校准不精准,人工操作主观性强,误差大的缺陷。
发明内容
为了解决上述问题,本发明的第一目的在于提供基于智能垃圾分类及运输处置的精准称重算法;第二目的在于提供一种采用上述算法的称重装置。
为了实现上述的目的,本发明采用了以下的技术方案:
一种基于智能垃圾分类及运输处置的精准称重算法,适用于包括多个称重传感器的大秤台,所述传感器单独进行校准;在设置一定配重w时,称重传感器的读数为AD值,AD值与无配重时称重传感器的稳定读数之差为净AD值,通过调整w与净AD值之间的映射关系对大秤台进行校准,在运算中通过调整w与净AD值之间的转换系数进行所述映射关系的调节。
不同与传统的秤台中将所有并联的传感器视为一个传感器的校准和计算方法,本发明方案中对各个传感器单独进行校准和计算。同时,不同于传统方法中通过手动调节变阻器补偿传感器本身的误差,本发明的方案通过调整w与净AD值之间的转换系数进行映射关系的调节以获得更为精准的重量读数。这样的校准方式通过采样和运算即可完成秤台的校准,无需人工介入,有效的规避了传统秤台校准过程中人工调节变阻器所产生的误差,能够提供一种更加精准的秤台称重和校准方法。
作为优选,秤台对放置在秤台上的配重采用以下的步骤进行重量计算:
S1放置配重w,对n个单独接入采样电路的传感器读数分别进行读数采样,n大于1;配重w为0时,对上述n个单独接入采样电路的传感器读数分别进行零点读数采样;
S2根据历史采样记录以及本次采样读数,通过平均值算法得到每个传感器每次的采样平均值;根据历史零点记录以及本次零点读数,通过平均值算法得到每个传感器每次的零点平均值;
S3判定采样平均值和零点平均值是否稳定,如果判定稳定,则采样平均值记为采样稳定值,即本次校准中的AD值,零点平均值记为零点稳定值,代入S4进行校准;如果判定不稳定,则返回S1,对不稳定的值进行重新采样和/或重新零点测量;
S4采样平均值和零点平均值的差值,即净AD值,与重量w间存在转换关系,计算两者间的转换系数矩阵;
S5保存零点稳定值与转换系数;将转换系数代入实际测量重量与读取的净AD值间的转换关系公式中,通过传感器读数即可换算得出实际测量重量。
具体的计算步骤根据每一个传感器的读数进行多次采样,采样完毕后需要判断采样的稳定性。当采样数据稳定后才能够纳入后续的计算步骤中。数据进行平均值计算后通过公式算出转换系数,完成转换系数的调整。
作为优选,步骤S1中读数采样的方法是根据配重w进行采样,采样涉及n个单独接入采样电路的传感器,n为大于1的整数,每个传感器各自的E+、E-、S+、S-分开接线;所述采样过程包括:
S1.1放置配重块w在任意n个位置处,其中,n个位置中的任意3个不在一条直线上;
S1.2分别记录在该位置上n个传感器的单独读数,形成n个传感器n次的读数矩阵;
S1.3不放置任何配重,即w=0时,进行零点采样,分别记录n个传感器的单独零点读数,形成n个传感器的零点读数n维行向量。
在采样过程中,n个传感器对应n次采样能够形成传感器读数的矩阵。当采样次数小于n次时,无法形成能够解出所有传感器对应转换系数的矩阵;采样次数大于n时,由于矩阵并非是数学中的理论模型,其运算中会出现计算误差值,因此会产生转换系数间的冲突,导致计算不出结果的情况出现。零点向量由于没有砝码,只需读取一次,因此形成的是对应每个传感器的行向量。
作为优选,步骤S2中所述的采样平均值算法与零点平均值的算法相同,具体为:
S2.1根据历史采样记录,针对同一重量,给每个传感器维护一个记有每个数据采样时间的,根据采样值大小有序排列的缓存数组;
S2.2单次读数后新增数值替换最老的数值,并根据数值大小插入缓存数组的序列,保持缓存数组有序;
S2.3取所述缓存数组中段1/3的数据计算平均值,即为该缓存数组的的采样平均值。
本发明的技术方案中涉及的平均值算法不同于数字称重系统里常用的软件滤波方法。常用的滤波法有限幅滤波法、中值滤波法、均值滤波法、滑动平均滤波法、消抖滤波法以及数字滤波法。本发明中采用的数值平均值算法为一种独立的平均值算法,类似于中值滤波法、均值滤波法、滑动平均滤波法的结合,并在其结合的基础上维护数值的有序性,这样的算法相较于现有技术中的几种平均值算法,具有计算精度更高、运算速度更快的有益效果。
作为优选,步骤S3中对采样平均值或零点平均值是否稳定的判定方法具体为,当缓存数组中最大值与最小值之差大于等于设定值时,判定该采样平均值或零点平均值为采样不稳定值或零点不稳定值;缓存数组中最大值与最小值之差小于固定值时,判定该采样平均值或零点平均值为采样稳定值或零点稳定值。
在测量中有事会因为摆放位置、重心等外界因素造成读数不稳定的情况,通过读数稳定值的判定能够筛选读数中稳定的数值,使得校准能够尽可能排除不稳定隐私,因此更加精确。
作为优选,在步骤S4的运算中通过调整转换系数矩阵R进行调节,具体方法如下:
S4.1.1设秤台由n个传感器组成的传感器组进行称重,第i个传感器的转换系数为ri,则有待计算的转换系数列向量为[r1 r2...ri...rn-1]T,记为未知数R;
S4.1.2取各传感器的零点稳定值形成零点行向量[z1 z2...zi...zn-1],记为Z,其中zi为第i个传感器的零点稳定值;
S4.1.3将重量为w的砝码放置在不同的位置进行采样并取产生采样稳定值的n次采样结果,任意三次砝码的位置不能在同一直线上,记第j次采样第i个传感器的采样稳定值为vji,净AD值uji=vji-zi,则有第i次[uj1 uj2...uji...ujn-1]*[r1 r2...ri...rn-1]T=wj=w;
S4.1.4n个净AD值行向量组成n阶方阵,记为U,乘上系数列向量[r1r2...ri...rn-1]T等于重量列向量[w1 w2...wi...wn-1]T;
S4.1.5通过运算公式R=W*U-1计算得到转换系数R的列向量。
采样通过形成的矩阵和行向量列向量进行计算得出R针对每个传感器的列向量,实现传感器的单独映射关系调整
作为优选,矩阵U通过以下方式进行化简:
S4.2.1循环n次如下操作:k从0到n-1,在第k次时,找到第k列ukk至ukn-1中最大的行k’,将该行与k行对调,重量列向量找中wk’与wk也对调,之后对k+1到n-1行执行计算使得其第k列值为0,重量列向量执行相同操作;循环操作至左边AD方阵成为上三角矩阵时停止;
S4.2.2循环操作完成后,左边AD方阵成为上三角矩阵,记做U1,重量列向量为W1,通过和差、数乘等运算将U1转换为对角矩阵U’,重量列向量通过相同运算,结果记为W;
S4.2.3通过运算公式R=W*U’-1计算得到转换系数R的列向量。
由于矩阵U并非数学模型中的完美模型,矩阵采用不同的化简方法时会产生一定的精度损失。经过多重化简方法的尝试,通过上述方法进行化简所计算得出的R的列向量精度损失最小,与本发明中计算方式最契合。
作为优选,在步骤S5中,计算待测重物的重量读数m的方法如下:
S5.1保存零点稳定值记做Z,Z为零点稳定值形成零点行向量;
S5.2保存转换系数记做R,R为S4中计算得出的转换系数列向量;
S5.3记录实际测量重量的传感器读数为S,S为各传感的实时的稳定AD值行向量S=[s1...si...sn-1];
4.通过转换公式m=(S-Z)*R计算出m的重量读数。
在实际称重的过程中,待测重物的重量读数也是通过每个传感器得出的实时读数行向量与转换系数列向量的计算得出。
作为优选,步骤3中实际测量重量的每个传感器读数Si通过权利要求2中步骤S2与S3中个传感器零点稳定值的稳定判断方法判断读数稳定后计入S的行向量中。
实测重量S也需要进行稳定性判断,筛除外界干扰因素后的读数代入公式计算,换算出实际重量的读数。经过稳定性判断后的读数相较读数直接计入的方式更加精准。
一种大秤台称重装置,包括有多个称重传感器和采样电路,所述采样电路上设置有计算模块,所述承重传感器各自的E+、E-、S+、S-分开接线,单独接入采样电路进行采样,所述计算模块能够执行上述的任意一种基于智能垃圾分类及运输处置的精准称重算法。
采用上述算法的大秤台各个传感器间并不采用并联的方式接入采样电路,而采用单独接入的方式进行。这样所产生的R值相互间不会产生干扰,计算更加精准。
本发明中所采用的大秤台称重算法受各个传感器间的干扰较小,读数的干扰过滤方法更加精准和快速,计算的化简方法进一步提高了其精准度。整套方法能够全自动进行运算,避免了人工操作时的误差,较普通的秤台以及秤台的计算方法测量更加精确。
附图说明
图1为本发明一实施例中的基于智能垃圾分类及运输处置的精准称重算法整体工作流程示意图;
图2为本发明一实施例中的基于智能垃圾分类及运输处置的精准称重算法采样子流程示意图;
图3为本发明一实施例中的基于智能垃圾分类及运输处置的精准称重算法校准子流程示意图;
图4为本发明一实施例中的基于智能垃圾分类及运输处置的精准称重算法称重子流程示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上,除非另有明确的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触,也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且,第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方,或仅仅表示第一特征水平高度小于第二特征。
在下述实施例中采用的采样电路采用的传感器参数如下表所示:
在下述实施例中采用设置有多个称重传感器的大秤台,采样电路上设置有计算模块,所述承重传感器各自的E+、E-、S+、S-分开接线,单独接入采样电路进行采样。该大秤台的算法步骤如下:
S1:放置配重w,对n个单独接入采样电路的传感器读数分别进行读数采样,n大于1;配重w为0时,对上述n个单独接入采样电路的传感器读数分别进行零点读数采样;采样时
S1.1放置配重块w在任意n个位置处,其中,n个位置中的任意3个不在一条直线上,形成n种不同读数姿态;
S1.2分别记录在该姿态位置上n个传感器的单独读数,形成n个传感器n次的读数矩阵;
S1.3不放置任何配重,即w=0时,进行零点采样,分别记录n个传感器的单独零点读数,形成n个传感器的零点读数n维行向量。
S2:根据历史采样记录以及本次采样读数,通过平均值算法得到每个传感器每次的采样平均值;根据历史零点记录以及本次零点读数,通过平均值算法得到每个传感器每次的零点平均值;步骤S2中所述的采样平均值算法与零点平均值的算法相同,具体为:
S2.1根据历史采样记录,针对同一重量,给每个传感器维护一个记有每个数据采样时间的,根据采样值大小有序排列的缓存数组;
S2.2单次读数后新增数值替换最老的数值,并根据数值大小插入缓存数组的序列,保持缓存数组有序;
S2.3取所述缓存数组中段1/3的数据计算平均值,即为该缓存数组的的采样平均值。
S3:判定采样平均值和零点平均值是否稳定,如果判定稳定,则采样平均值记为采样稳定值,即本次校准中的AD值,零点平均值记为零点稳定值,代入S4进行校准;如果判定不稳定,则返回S1,对不稳定的值进行重新采样和/或重新零点测量;步骤S3中对采样平均值或零点平均值是否稳定的判定方法具体为,当缓存数组中最大值与最小值之差大于等于设定值时,判定该采样平均值或零点平均值为采样不稳定值或零点不稳定值;缓存数组中最大值与最小值之差小于固定值时,判定该采样平均值或零点平均值为采样稳定值或零点稳定值。
S4:采样平均值和零点平均值的差值,即净AD值,与重量w间存在转换关系,计算两者间的转换系数;在步骤S4的运算中通过调整转换系数R进行调节,具体方法如下:
S4.1.1设秤台由n个传感器组成的传感器组进行称重,第i个传感器的转换系数为ri,则有待计算的转换系数列向量为[r1 r2...ri...rn-1]T,记为未知数R;
S4.1.2取各传感器的零点稳定值形成零点行向量[z1 z2...zi...zn-1],记为Z,其中zi为第i个传感器的零点稳定值;
S4.1.3将重量为w的砝码放置在不同的位置进行采样并取产生采样稳定值的n次采样结果,任意三次砝码的位置不能在同一直线上,记第j次采样第i个传感器的采样稳定值为vji,净AD值uji=vji-zi,则有第i次[uj1 uj2...uji...ujn-1]*[r1 r2...ri...rn-1]T=wj=w;
S4.1.4n个净AD值行向量组成n阶方阵,记为U0,乘上系数列向量[r1r2...ri...rn-1]T等于重量列向量[w1 w2...wi...wn-1]T;
S4.1.5通过运算公式R=W*U0-1计算得到转换系数矩阵R的列向量。
其中U1通过以下步骤进行化简:
S4.2.1循环n次如下操作:k从0到n-1,在第k次时,找到第k列ukk至ukn-1中最大的行k’,将该行与k行对调,重量列向量找中wk’与wk也对调,之后对k+1到n-1行执行计算使得其第k列值为0,重量列向量执行相同操作;循环操作至左边AD方阵成为上三角矩阵时停止;
S4.2.2循环操作完成后,左边AD方阵成为上三角矩阵,记做U1,重量列向量为W1,通过和差、数乘等运算将U1转换为对角矩阵U,重量列向量通过相同运算,结果记为W;
S4.2.3通过运算公式R=W*U-1计算得到转换系数R的列向量。
S5:保存零点稳定值与转换系数;将转换系数代入实际测量重量与读取的净AD值间的转换关系公式中,通过传感器读数即可换算得出实际测量重量。
在步骤S5中,计算待测重物的重量读数m的方法如下:
S5.1保存零点稳定值记做Z,Z为零点稳定值形成零点行向量;
S5.2保存转换系数矩阵记做R,R为S4中计算得出的转换系数列向量;
S5.3记录实际测量重量的传感器读数为S,S为各传感的实时的稳定AD值行向量S=[s1...si...sn-1];
S5.4通过转换公式m=(S-Z)*R计算出m的重量读数。
步骤5.3中实际测量重量的每个传感器读数Si通过权利要求2中步骤S2与S3中个传感器零点稳定值的稳定判断方法判断读数稳定后计入S的行向量中。
实施例1
实施例1中展示了本发明技术方案中S1-S3采样平均值计算时的四种情况。具体情况如表1所示:
在缓存未满处理的两个示例中,由于数列未取满,新取的传感器瞬时读数插入队列中时,按时间排序最早的读数67对新取读数的影响不大。数字83、21按大小顺序插入缓存队列。同时由于缓存队列未满,无法形成相应的矩阵,因此平均值和稳定值的计算无法完成。
在缓存已满示例1中,由于数列已取满,新取的传感器瞬时读数20插入队列中时,按时间排序最早的读数16,原第二早的数据28成为最早读数,下一次排序时将被替代。将最早读数16从大小升序的排序中删除,同时将瞬时读数20按照数列大小升序排列顺序插入采样值升序缓存队列,形成新的有序采样数列。采样平均值为数列的中部1/3数列,即升序排列中第10-19号采样值的平均值。(15+15+15+15+17+18+19+20+20+20+21)/10=17.5,取整18作为平均值。采样偏差等于最大值-最小值,即升序的队尾数值减去队首数值,采样偏差值为17。由于设定的稳定阈值为15,17>15,判定平均采样值18不稳定,不采用进行下一步计算,返回重新采样。
在缓存已满示例2中,新取的传感器瞬时读数13插入队列中时,按时间排序最早的读数为28,原第二早的数据11成为最早读数,下一次排序时将被替代。将最早读数28从大小升序的排序中删除,同时将瞬时读数13按照数列大小升序排列顺序插入采样值升序缓存队列,形成新的有序采样数列。采样平均值为数列的中部1/3数列,即升序排列中第10-19号采样值的平均值。(15+15+15+15+17+18+19+20+20)/10=16.9,四舍五入取整17作为平均值。采样偏差等于最大值-最小值,即升序的队尾数值减去队首数值,采样偏差值为11。由于设定的稳定阈值为15,11<15,判定采样稳定。平均采样值17作为稳定采样数值代入下一步计算。
实施例2
实施例2中展示了本发明技术方案中S4-S5重量计算时的一种情况。具体情况如表2所示:
本实施例对应设置有4个传感器,即n=4,因此对应采用四个采样姿态对传感器读数AD值进行记录。当砝码重量取用10kg时,按实施例1中所示的方法记录各传感器的稳定读数。将读数值减去零点时传感器的读数值,获得4x4的净AD值标定矩阵。由于已知重量为固定砝码重量10kg,所以重量列向量的初始值均为10。通过净AD值标定矩阵与重量列向量一同进行的简化,得到成为上三角矩阵的净AD值方阵,记做U1,重量列向量为W1,通过运算公式R=W*U-1计算得到转换系数矩阵R的列向量,记为转换系数矩阵。记录R的列向量和零点的AD值。
在计算验证中,将原始四种姿态中读取的AD值代入公式中反算,得出砝码重量值为10kg,即R值和零点AD值准确可用。
实施例3
实施例3中展示了本发明技术方案中S4-S5重量计算时的一种情况。具体情况如表3所示:
本实施例对应设置有4个传感器,即n=4,因此对应采用四个采样姿态对传感器读数AD值进行记录。当砝码重量取用20kg时,按实施例1中所示的方法记录各传感器的稳定读数。将读数值减去零点时传感器的读数值,获得4x4的净AD值标定矩阵。由于已知重量为固定砝码重量20kg,所以重量列向量的初始值均为20。通过净AD值标定矩阵与重量列向量一同进行的简化,得到成为上三角矩阵的净AD值方阵,记做U1,重量列向量为W1,通过运算公式R=W*U-1计算得到转换系数R的列向量,记为转换系数。记录R的列向量和零点的AD值。
在计算验证中,将原始四种姿态中读取的AD值代入公式中反算,得出砝码重量值为20kg,即R值和零点AD值准确可用。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.基于智能垃圾分类及运输处置的精准称重算法,适用于包括多个称重传感器的大秤台,其特征在于:所述传感器单独进行校准,在设置一定配重w时,称重传感器的读数为AD值,AD值与无配重时称重传感器的稳定读数之差为净AD值,通过调整w与净AD值之间的映射关系对大秤台进行校准,在运算中通过调整w与净AD值之间的转换系数进行所述映射关系的调节。
2.根据权利要求1所述的基于智能垃圾分类及运输处置的精准称重算法,其特征在于:秤台对放置在秤台上的配重采用以下的步骤进行重量计算:
S1放置配重w,对n个单独接入采样电路的传感器读数分别进行读数采样,n大于1;配重w为0时,对上述n个单独接入采样电路的传感器读数分别进行零点读数采样;
S2根据历史采样记录以及本次采样读数,通过平均值算法得到每个传感器每次的采样平均值;根据历史零点记录以及本次零点读数,通过平均值算法得到每个传感器每次的零点平均值;
S3判定采样平均值和零点平均值是否稳定,如果判定稳定,则采样平均值记为采样稳定值,即本次校准中的AD值,零点平均值记为零点稳定值,代入S4进行校准;如果判定不稳定,则返回S1,对不稳定的值进行重新采样和/或重新零点测量;
S4采样平均值和零点平均值的差值,即净AD值,与重量w间存在转换关系,计算两者间的转换系数矩阵;
S5保存零点稳定值与转换系数;将转换系数代入实际测量重量与读取的净AD值间的线性关系公式中,通过传感器读数即可换算得出实际测量重量。
3.根据权利要求2所述的基于智能垃圾分类及运输处置的精准称重算法,其特征在于:
步骤S1中读数采样的方法是根据配重w进行采样,采样涉及n个单独接入采样电路的传感器,n为大于1的整数,每个传感器各自的E+、E-、S+、S-分开接线;所述采样过程包括:
S1.1放置配重块w在任意n个位置处,其中,n个位置中的任意3个不在一条直线上;
S1.2分别记录在该位置上n个传感器的单独读数,形成n个传感器n次的n*n读数矩阵;
S1.3不放置任何配重,即w=0时,进行零点采样,分别记录n个传感器的单独零点读数,形成n个传感器的零点读数n维行向量。
4.根据权利要求2所述的基于智能垃圾分类及运输处置的精准称重算法,其特征在于:
步骤S2中所述的采样平均值算法与零点平均值的算法相同,具体为:
S2.1根据历史采样记录,针对同一重量,给每个传感器维护一个记有每个数据采样时间的,根据采样值大小有序排列的缓存数组;
S2.2单次读数后新增数值替换最老的数值,并根据数值大小插入缓存数组的序列,保持缓存数组有序;
S2.3取所述缓存数组中段1/3的数据计算平均值,即为该缓存数组的的采样平均值。
5.根据权利要求2所述的基于智能垃圾分类及运输处置的精准称重算法,其特征在于:
步骤S3中对采样平均值或零点平均值是否稳定的判定方法具体为,当缓存数组中最大值与最小值之差大于等于设定值时,判定该采样平均值或零点平均值为采样不稳定值或零点不稳定值;缓存数组中最大值与最小值之差小于固定值时,判定该采样平均值或零点平均值为采样稳定值或零点稳定值。
6.根据权利要求2所述的基于智能垃圾分类及运输处置的精准称重算法,其特征在于:
在步骤S4的运算中通过调整转换系数矩阵R进行调节,具体方法如下:
S4.1设秤台由n个传感器组成的传感器组进行称重,第i个传感器的转换系数为ri,则有待计算的转换系数列向量为[r1 r2...ri...rn-1]T,记为未知数R;
S4.2取各传感器的零点稳定值形成零点行向量[z1 z2...zi...zn-1],记为Z,其中zi为第i个传感器的零点稳定值;
S4.1.3将重量为w的砝码放置在不同的位置进行采样并取产生采样稳定值的n次采样结果,任意三次砝码的位置不能在同一直线上,记第j次采样第i个传感器的采样稳定值为vji,净AD值uji=vji-zi,则有第i次[uj1 uj2...uji...ujn-1]*[r1 r2...ri...rn-1]T=wj=w;
S4.1.4n个净AD值行向量组成n阶方阵,记为U0,乘上系数列向量[r1 r2...ri...rn-1]T等于重量列向量[w1 w2...wi...wn-1]T;
S4.1.5通过运算公式R=W*U0-1计算得到转换系数R的列向量。
7.根据权利要求6所述的基于智能垃圾分类及运输处置的精准称重算法,其特征在于:
矩阵U通过以下方式进行化简:
S4.2.1循环n次如下操作:k从0到n-1,在第k次时,找到第k列ukk至ukn-1中最大的行k’,将该行与k行对调,重量列向量找中wk’与wk也对调,之后对k+1到n-1行执行计算使得其第k列值为0,重量列向量执行相同操作;循环操作至左边AD方阵成为上三角矩阵时停止;
S4.2.2循环操作完成后,左边AD方阵成为上三角矩阵,记做U1,重量列向量为W1,通过和差、数乘等运算将U1转换为对角矩阵U,重量列向量通过相同运算,结果记为W;
S4.2.3通过运算公式R=W*U-1计算得到转换系数R的列向量。
8.根据权利要求2所述的基于智能垃圾分类及运输处置的精准称重算法,其特征在于:
在步骤S5中,计算待测重物的重量读数m的方法如下:
S5.1保存零点稳定值记做Z,Z为零点稳定值形成零点行向量;
S5.2保存转换系数记做R,R为S4中计算得出的转换系数列向量;
S5.3记录实际测量重量的传感器读数为S,S为各传感的实时的稳定AD值行向量S=[s1...si...sn-1];
S5.4通过转换公式m=(S-Z)*R计算出m的重量读数。
9.根据权利要求8所述的基于智能垃圾分类及运输处置的精准称重算法,其特征在于:步骤S5.3中实际测量重量的每个传感器读数Si通过权利要求2中步骤S2与S3中个传感器零点稳定值的稳定判断方法判断读数稳定后计入S的行向量中。
10.一种大秤台称重装置,包括有多个称重传感器和采样电路,其特征在于:所述采样电路上设置有计算模块,所述承重传感器各自的E+、E-、S+、S-分开接线,单独接入采样电路进行采样,所述计算模块能够执行权利要求1-9中所述的任意一种基于智能垃圾分类及运输处置的精准称重算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011631069.6A CN112798085A (zh) | 2020-12-31 | 2020-12-31 | 基于智能垃圾分类及运输处置的精准称重算法及称重装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011631069.6A CN112798085A (zh) | 2020-12-31 | 2020-12-31 | 基于智能垃圾分类及运输处置的精准称重算法及称重装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112798085A true CN112798085A (zh) | 2021-05-14 |
Family
ID=75808265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011631069.6A Pending CN112798085A (zh) | 2020-12-31 | 2020-12-31 | 基于智能垃圾分类及运输处置的精准称重算法及称重装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112798085A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114216549A (zh) * | 2021-12-06 | 2022-03-22 | 绍兴数鸿科技有限公司 | 一种基于单片机的智能称重就餐系统 |
CN114344806A (zh) * | 2022-01-17 | 2022-04-15 | 上海电气智能康复医疗科技有限公司 | 一种重量校准系统、方法及平衡训练设备 |
CN115562619A (zh) * | 2021-07-03 | 2023-01-03 | 赵世忠 | 一种用于判定算术表达式是否为零的实现方法、装置及其应用 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109297579A (zh) * | 2018-10-22 | 2019-02-01 | 深圳市赛高智能有限公司 | 一种称重装置的标定方法、系统及终端设备 |
CN112130934A (zh) * | 2020-09-11 | 2020-12-25 | 深圳市双佳医疗科技有限公司 | 一种称重零点的平衡跟随算法 |
-
2020
- 2020-12-31 CN CN202011631069.6A patent/CN112798085A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109297579A (zh) * | 2018-10-22 | 2019-02-01 | 深圳市赛高智能有限公司 | 一种称重装置的标定方法、系统及终端设备 |
CN112130934A (zh) * | 2020-09-11 | 2020-12-25 | 深圳市双佳医疗科技有限公司 | 一种称重零点的平衡跟随算法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115562619A (zh) * | 2021-07-03 | 2023-01-03 | 赵世忠 | 一种用于判定算术表达式是否为零的实现方法、装置及其应用 |
CN115562619B (zh) * | 2021-07-03 | 2023-10-17 | 赵世忠 | 一种承运重量的车货匹配验证方法 |
CN114216549A (zh) * | 2021-12-06 | 2022-03-22 | 绍兴数鸿科技有限公司 | 一种基于单片机的智能称重就餐系统 |
CN114344806A (zh) * | 2022-01-17 | 2022-04-15 | 上海电气智能康复医疗科技有限公司 | 一种重量校准系统、方法及平衡训练设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112798085A (zh) | 基于智能垃圾分类及运输处置的精准称重算法及称重装置 | |
EP2246675B1 (en) | Weighing method and apparatus | |
CN112304412B (zh) | 称重装置的滞后补偿方法 | |
JP4642504B2 (ja) | 重量測定装置 | |
EP0105145B1 (en) | A combination weighing system | |
US20080264141A1 (en) | Weighing scale | |
CN106441537A (zh) | 一种称重货架的称重方法以及使用该方法的货架 | |
EP3714240B1 (en) | Weighting method and storage medium thereof | |
JPS59198325A (ja) | 自動零点調整方法 | |
CN114722332B (zh) | 一种风洞天平校准数据处理方法 | |
TW201344149A (zh) | 溫度補償系統及方法 | |
JPH0755681A (ja) | 物体の密度を自動的に測定するための装置及び方法 | |
KR100542229B1 (ko) | 표준분동 자동교정장치 | |
Chen | Digital determination of photoelastic birefringence using two wavelengths | |
US4703815A (en) | Span adjusting device for weigher | |
CN108801407A (zh) | 称重装置、称重方法、称重传感器以及存储介质 | |
EP1098177A2 (en) | Automatic submultiple and multiple test weight calibration apparatus | |
CN114910146B (zh) | 一种猪场料塔称重模拟量传感器失效后自动测算重量方法 | |
JPH0795022B2 (ja) | 材料試験機 | |
US4550792A (en) | Combination weighing system | |
González et al. | The assessment of electronic balances for accuracy of mass measurements in the analytical laboratory | |
CN109612562B (zh) | 一种基于分布式称重节点的筒仓物料重量计量系统及方法 | |
CN106226194A (zh) | 马铃薯淀粉含量自动化测定方法 | |
CN113790791B (zh) | 一种重力售货柜的重力传感器标定方法 | |
CN113945262A (zh) | 偏载误差修正方法和系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210514 |