CN115096416A - 一种称重方法、系统、铲运车及计算机可读存储介质 - Google Patents
一种称重方法、系统、铲运车及计算机可读存储介质 Download PDFInfo
- Publication number
- CN115096416A CN115096416A CN202210865623.XA CN202210865623A CN115096416A CN 115096416 A CN115096416 A CN 115096416A CN 202210865623 A CN202210865623 A CN 202210865623A CN 115096416 A CN115096416 A CN 115096416A
- Authority
- CN
- China
- Prior art keywords
- sampling data
- real
- original sampling
- information
- original
- 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
- 238000000034 method Methods 0.000 title claims abstract description 106
- 238000005303 weighing Methods 0.000 title claims abstract description 79
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000005070 sampling Methods 0.000 claims abstract description 251
- 238000012216 screening Methods 0.000 claims description 12
- 238000012163 sequencing technique Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 abstract description 14
- 230000008569 process Effects 0.000 description 25
- 230000002829 reductive effect Effects 0.000 description 7
- 239000003921 oil Substances 0.000 description 6
- 230000000717 retained effect Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000000670 limiting effect Effects 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000036961 partial effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 239000010720 hydraulic oil Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
- G01G19/02—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing wheeled or rolling bodies, e.g. vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66F—HOISTING, LIFTING, HAULING OR PUSHING, NOT OTHERWISE PROVIDED FOR, e.g. DEVICES WHICH APPLY A LIFTING OR PUSHING FORCE DIRECTLY TO THE SURFACE OF A LOAD
- B66F9/00—Devices for lifting or lowering bulky or heavy goods for loading or unloading purposes
- B66F9/06—Devices for lifting or lowering bulky or heavy goods for loading or unloading purposes movable, with their loads, on wheels or the like, e.g. fork-lift trucks
- B66F9/075—Constructional features or details
- B66F9/07504—Accessories, e.g. for towing, charging, locking
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02F—DREDGING; SOIL-SHIFTING
- E02F9/00—Component parts of dredgers or soil-shifting machines, not restricted to one of the kinds covered by groups E02F3/00 - E02F7/00
- E02F9/20—Drives; Control devices
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02F—DREDGING; SOIL-SHIFTING
- E02F9/00—Component parts of dredgers or soil-shifting machines, not restricted to one of the kinds covered by groups E02F3/00 - E02F7/00
- E02F9/20—Drives; Control devices
- E02F9/2025—Particular purposes of control systems not otherwise provided for
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02F—DREDGING; SOIL-SHIFTING
- E02F9/00—Component parts of dredgers or soil-shifting machines, not restricted to one of the kinds covered by groups E02F3/00 - E02F7/00
- E02F9/20—Drives; Control devices
- E02F9/2058—Electric or electro-mechanical or mechanical control devices of vehicle sub-units
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
- G01G19/08—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for incorporation in vehicles
- G01G19/083—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for incorporation in vehicles lift truck scale
Landscapes
- Engineering & Computer Science (AREA)
- Structural Engineering (AREA)
- Civil Engineering (AREA)
- Mining & Mineral Resources (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Transportation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Mechanical Engineering (AREA)
- Forklifts And Lifting Vehicles (AREA)
Abstract
本发明公开了一种称重方法、系统、铲运车及计算机可读存储介质,称重方法包括以下步骤:获取实时采样数据,实时采样数据用于表征铲运车本体的举升油缸的举升状态;根据实时采样数据与多段拟合直线确定对应的实际装载重量;其中,多段拟合直线由以下步骤得到:根据预设的多个标定装载重量获取多个原始采样数据,多个标定装载重量与多个原始采样数据一一对应;基于递推最小二乘法,根据多个标定装载重量和多个原始采样数据得到多段拟合直线。采用递推最小二乘法进行分段直线拟合的计算复杂度低,实时性好。本发明实施例的称重方法能够提高称重系统的精准度与稳定性,称重系统的抗干扰能力强。
Description
技术领域
本发明涉及铲运车相关技术领域,尤其是涉及一种称重方法、系统、铲运车及计算机可读存储介质。
背景技术
铲运车在装载上料的过程中速度很快,只有5秒钟左右的时间,且整个过程为变速曲线运动,运动轨迹呈不规则圆弧形状。要在短时间内完成铲斗内的实时重量计算,并且保证称重精度(动态称重系统要求精度在95%及以上)是有一定难度的。
影响铲运车动态称重数据采集的因素很多,可分为确定性因素与不确定性因素。确定性因素主要有:上料过程速度快、采样时间短、整个过程为变速运动、几何结构受力/运动学实时姿态分析模型复杂。不确定性因素主要有:机械结构存在加工精度误差、液压系统容易受外界温度/液压油品类/阀体差异影响、车辆底盘的轮胎以及道路起伏程序和坡度影响、工作时的车身抖动、环境温度等都会影响到设备的运动特性。另外,环境温湿度可能会影响传感器的准确度,这些都会影响到系统的正常数据采集。
传统计量方式有的采取静态称重,需将整车开到特定的地磅上进行称重,这种方式智能化程度低,会影响铲运车的装载效率。现有的车载动态称重系统方案,称重精度低,系统可靠性及稳定性差,称重结果容易受到设备本身及道路起伏程度的干扰。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种称重方法,能够提高称重系统的精准度与稳定性,且称重系统的抗干扰能力强。
本发明还提供了一种称重系统、铲运车以及计算机可读存储介质。
根据本发明的第一方面实施例的称重方法,包括以下步骤:
获取实时采样数据,所述实时采样数据用于表征铲运车本体的举升油缸的举升状态;
根据所述实时采样数据与多段拟合直线确定对应的实际装载重量;
其中,多段所述拟合直线由以下步骤得到:
根据预设的多个标定装载重量获取多个原始采样数据,多个所述标定装载重量与多个所述原始采样数据一一对应;
基于递推最小二乘法,根据多个所述标定装载重量和多个所述原始采样数据得到多段所述拟合直线。
根据本发明实施例的称重方法,至少具有如下有益效果:
通过根据预设的多个标定装载重量获取多个原始采样数据,并基于递推最小二乘法,可以得到代表标定装载重量和原始采样数据对应关系的多段拟合直线。在实际称重过程中,获取到实时采样数据后可以根据多段拟合直线确定实时采样数据对应的实际装载重量。采用递推最小二乘法进行分段直线拟合的计算复杂度低,实时性好。本发明实施例的称重方法能够提高称重系统的精准度与稳定性,且称重系统的抗干扰能力强。
根据本发明的一些实施例,每个所述原始采样数据皆包括多个原始采样信息;所述基于递推最小二乘法,根据多个所述标定装载重量和多个所述原始采样数据得到多段所述拟合直线,包括以下步骤:
对每个所述原始采样数据中的多个所述原始采样信息进行筛分后求第一均值,多个所述第一均值与多个所述原始采样数据一一对应;
基于递推最小二乘法,根据多个所述标定装载重量和多个所述第一均值得到多段所述拟合直线。
根据本发明的一些实施例,每个所述第一均值皆由以下步骤得到:
对所述原始采样数据中多个所述原始采样信息进行排序,并根据排序结果将多个所述原始采样信息分为偏小信息组和偏大信息组,其中,所述偏大信息组中每个所述原始采样信息皆大于所述偏小信息组中每个所述原始采样信息,且所述偏大信息组中所述原始采样信息的数量大于所述偏小信息组中所述原始采样信息的数量;
根据所述偏大信息组中多个所述原始采样信息确定均值回归曲线;
基于KNN算法,根据所述偏大信息组中多个所述原始采样信息和所述均值回归曲线筛选出K个所述原始采样信息,K小于所述偏大信息组中所述原始采样信息的数量,并将K个所述原始采样信息的均值确认为所述第一均值。
根据本发明的一些实施例,多段所述拟合直线由以下步骤得到:
将多个所述标定装载重量和多个所述第一均值一一对应构成多个坐标点,并依次确定相邻两个所述坐标点连线的斜率,以得到多个直线斜率;
根据多个所述直线斜率依次确定相邻两条所述连线的夹角,以得到多个分段夹角;
根据预设的分段角度阈值与多个所述分段夹角确定多段所述拟合直线。
根据本发明的一些实施例,每个所述实时采样数据皆包括多个实时采样信息;所述根据所述实时采样数据与多段拟合直线确定对应的实际装载重量,包括以下步骤:
对所述实时采样数据中的多个所述实时采样信息进行筛分后求第二均值;
根据所述第二均值与多段所述拟合直线确定对应的所述实际装载重量。
根据本发明的第二方面实施例的称重系统,包括:
采样单元,用于获取实时采样数据以及根据预设的多个标定装载重量获取多个原始采样数据,多个所述标定装载重量与多个所述原始采样数据一一对应,所述实时采样数据和所述原始采样数据皆用于表征铲运车本体的举升油缸的举升状态;
实际装载重量确定单元,用于根据所述实时采样数据与多段拟合直线确定对应的实际装载重量;
多段拟合直线确定单元,用于基于递推最小二乘法,根据多个所述标定装载重量和多个所述原始采样数据得到多段所述拟合直线。
根据本发明实施例的称重系统,至少具有如下有益效果:
通过采样单元可以根据预设的多个标定装载重量获取多个原始采样数据,通过多段拟合直线确定单元可以基于递推最小二乘法,得到代表标定装载重量和原始采样数据对应关系的多段拟合直线。在实际称重过程中,通过采样单元获取到实时采样数据后,通过实际装载重量确定单元可以根据多段拟合直线得到与实时采样数据对应的实际装载重量。采用递推最小二乘法进行分段直线拟合的计算复杂度低,实时性好。本发明实施例的称重系统精准度高、稳定性强、抗干扰能力强。
根据本发明的第三方面实施例的铲运车,包括铲运车本体及主控单元,所述主控单元用于执行如上述第一方面实施例所述的称重方法。由于铲运车采用了上述实施例的称重方法的全部技术方案,因此至少具有上述实施例的技术方案所带来的所有有益效果。
根据本发明的第四方面实施例的计算机可读存储介质,存储有计算机可执行指令,所述计算机可执行指令用于执行如上述第一方面实施例所述的称重方法。由于计算机可读存储介质采用了上述实施例的称重方法的全部技术方案,因此至少具有上述实施例的技术方案所带来的所有有益效果。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是本发明一实施例的称重方法的流程图;
图2是本发明一实施例的多段拟合直线的计算方法流程图;
图3是本发明一实施例的称重系统的系统框图;
图4是本发明一实施例的铲运车在装料举升过程中传感器组采集的实时信号变化曲线图;
图5是本发明一实施例的实时采样数据的信号变化图;
图6是本发明一实施例的经过初次筛分后的N个原始采样信息的信号变化图;
图7是本发明一实施例的经过KNN算法筛分后的K个原始采样信息的信号变化图;
图8是本发明一实施例的连接直线以及夹角的示意图;
图9是传统的采用多次曲线拟合的拟合曲线图;
图10是本发明一实施例的多段拟合直线中的分段拟合直线一的坐标图;
图11是本发明一实施例的多段拟合直线中的分段拟合直线二的坐标图。
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,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,如果有描述到第一、第二等只是用于区分技术特征为目的,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或者隐含指明所指示的技术特征的先后关系。
在本发明的描述中,需要理解的是,涉及到方位描述,例如上、下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。
本发明的描述中,需要说明的是,除非另有明确的限定,设置、安装、连接等词语应做广义理解,所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
本发明实施例提供的铲运车是通过位置传感器在预设的称量位置范围对铲斗中的装载物的重量进行检测,通过两个压力传感器检测举升油缸的液压压力,得到实时采样数据,再将实时采样数据转换为对应铲运车本体的铲斗内的实际装载重量而实现称重,并可以通过主控单元或外设的显示组件显示实际装载重量。然而在现有技术中,铲运车在装料过程中只有5秒钟左右的时间,要在短时间内完成铲斗内的实时重量计算,各种外部因素和铲运车的设备因素会导致其称重精度大大降低。需要说明的是,本发明实施例提供的铲运车的具体结构以及设置的传感器类型皆不能看作是对发明的限定。
参见图4所示,图4为本发明一实施例的铲运车在装料举升过程中传感器组采集的实时信号变化曲线图,横坐标表示时间,纵坐标表示实时信号值,图4中示出连续两次完整的上料过程(装料-上升-卸料-回位)的实时信号变化曲线图,可以明确得出,由于铲运车本体的铲斗在举升过程中振动大,从而导致实时信号变化曲线抖动明显。另外,在举升到位和下放到位的过程中,铲斗容易受到冲击。故在获取实时采样数据时,应该去除冲击和抖动影响,保留合适区间的采样值作为实时采样数据(如图4中方框中的部分)。需要说明的是,上述提到的合适区间的具体值根据实际铲运车的称重情况决定,可以进行变换,并不能看作是对本发明的限定。
基于此,本发明实施例提出了一种称重方法、系统、铲运车及计算机可读存储介质,通过根据预设的多个标定装载重量获取多个原始采样数据,并基于递推最小二乘法,可以得到代表标定装载重量和原始采样数据对应关系的多段拟合直线。在实际称重过程中,获取到实时采样数据后可以根据多段拟合直线确定实时采样数据对应的实际装载重量。采用递推最小二乘法进行分段直线拟合的计算复杂度低,实时性好。本发明实施例的称重方法能够提高称重系统的精准度与稳定性,且称重系统的抗干扰能力强。
下面将结合图1至图11对本发明实施例的称重方法进行清楚、完整的描述,显然,以下所描述的实施例是本发明一部分实施例,并非全部实施例。
根据本发明实施例的称重方法,包括但不限于以下步骤:
获取实时采样数据,实时采样数据用于表征铲运车本体的举升油缸的举升状态;
根据实时采样数据与多段拟合直线确定对应的实际装载重量;
其中,多段拟合直线由以下步骤得到:
根据预设的多个标定装载重量获取多个原始采样数据,多个标定装载重量与多个原始采样数据一一对应;
基于递推最小二乘法,根据多个标定装载重量和多个原始采样数据得到多段拟合直线。
在实际称重前,需要提前确定代表实时采样数据和实际装载重量对应关系的多段拟合直线,多段拟合直线的具体确定过程为:首先需要选取几个特定的重量进行标定(即预设多个标定装载重量),然后对应多个标定装载重量一一对应获取多个原始采样数据,获取完成多个原始采样数据后,再基于递推最小二乘法对多个标定装载重量和多个原始采样数据进行分段直线拟合,得到多段拟合直线,计算复杂度低,响应时间快。
准备工作完成后,在实际称重过程中,铲运车本体上的铲斗承装装载物后举升起来,获取采样区间(如图4中方框中的部分)内的实时采样数据,并依据多段拟合直线得到实时采样数据对应的当前的实际装载重量,实时性好,称重精准度高,稳定性强,且称重系统的抗干扰能力强。
现有技术中一般常用最小二乘法来解决曲线拟合的问题。最小二乘法的基本思想是:给定一组数据(一般是二维数组,包含X和Y坐标),根据误差平方和最小化原则,找出这些数据的最近匹配函数。如果采用多次曲线函数来拟合所有数据,算法难度和复杂度很大。而采用递推最小二乘法进行分段直线拟合后的系统精度虽略有下降(能满足系统精度要求),但是实时性更好,同时大大地降低了算法的复杂度。
在本发明的一些实施例中,参考图5至图7,每个原始采样数据皆包括多个原始采样信息;基于递推最小二乘法,根据多个标定装载重量和多个原始采样数据得到多段拟合直线,包括以下步骤:
对每个原始采样数据中的多个原始采样信息进行筛分后求第一均值,多个第一均值与多个原始采样数据一一对应;
基于递推最小二乘法,根据多个标定装载重量和多个第一均值得到多段拟合直线。
每个原始采样数据皆包括多个原始采样信息,如图4所示,方框中的多个原始采样信息中有部分抖动大,需要进行进一步去除干扰,故需要对每个原始采样数据中的多个原始采样信息进行筛分,去除抖动大的部分原始采样信息,只保留多个稳定的原始采样信息作为计算基础。每个原始采样数据皆包括多个原始采样信息,多个原始采样信息大多数不是相同的,不能唯一对应标定装载重量,故对筛分后的多个原始采样信息求第一均值,多个第一均值与多个原始采样数据一一对应,可以明确得出,多个第一均值与多个标定装载重量一一对应,最后,可以基于递推最小二乘法,根据多个标定装载重量和多个第一均值得到多段拟合直线。
此外,需要说明的是,每个原始采样数据中原始采样信息的数量不能看作是对本发明的限定。图5至图7中,横坐标皆表示时间,纵坐标皆表示原始采样信息。
在本发明的一些实施例中,参考图5至图7,每个第一均值皆由以下步骤得到:
对原始采样数据中多个原始采样信息进行排序,并根据排序结果将多个原始采样信息分为偏小信息组和偏大信息组,其中,偏大信息组中每个原始采样信息皆大于偏小信息组中每个原始采样信息,且偏大信息组中原始采样信息的数量大于偏小信息组中原始采样信息的数量;
根据偏大信息组中多个原始采样信息确定均值回归曲线;
基于KNN算法,根据偏大信息组中多个原始采样信息和均值回归曲线筛选出K个原始采样信息,K小于偏大信息组中原始采样信息的数量,并将K个原始采样信息的均值确认为第一均值。
在实际称重过程中,如图4所示,图4中示出连续两次完整的上料过程(装料-上升-卸料-回位)的实时信号变化曲线图,由于铲运车本体的铲斗在举升过程中振动大,从而导致实时信号变化曲线抖动明显,在举升到位和下放到位的过程中,铲斗容易受到冲击,即图4中的信号曲线拐角处。对原始采样数据中多个原始采样信息进行排序,并根据排序结果将多个原始采样信息分为偏小信息组和偏大信息组,图4中的信号曲线拐角处对应于偏小信息组,中间较稳定的部分对应于偏大信息组。去掉偏小信息组,保留比较稳定的偏大信息组,可以去除采样过程中的噪声干扰。
需要说明的是,也可以是去掉部分较小的原始采样信息和部分较大的原始采样信息,保留多个中间大小的原始采样信息,只要保证保留的多个原始采样信息相对去掉的原始采样信息来说,彼此的数值相差不大,能保证计算结果在误差范围内即可,保留的原始采样信息的具体数量不作限定。
KNN算法的基本思想为:在训练集中数据和标签已知的情况下,输入测试数据,将测试数据的特征与训练集中对应的特征进行相互比较,找到训练集中与之最为相似的前K个数据,则该测试数据对应的类别就是K个数据中出现次数最多的那个分类。在一些实施例中,偏大信息组中的多个原始采样信息即为测试数据,偏大信息组中多个原始采样信息的均值回归曲线即为训练集,通过KNN算法得到偏大信息组中的多个原始采样信息中离均值回归曲线最近的K个原始采样信息,再对K个原始采样信息求第一均值。
在处理原始采样数据时,不仅要去除采样过程中的噪声干扰,还需要保证保留的多个原始采样信息的数量足够多,这样才能保证计算的第一均值更准确,故偏大信息组中原始采样信息的数量大于偏小信息组中原始采样信息的数量。
基于KNN算法计算的基本流程为:
步骤S100,计算偏大信息组中的多个原始采样信息与均值回归曲线之间的距离;
步骤S200,按照距离的递增关系进行排序;
步骤S300,选取距离最小的K个原始采样信息;
步骤S400,将K个原始采样信息的均值确认为第一均值。
采用KNN算法可以有效去除掉干扰较大的原始采样信息,保留稳定的K个原始采样信息,得到的第一均值更准确。需要说明的是,KNN算法为本领域技术人员可知的现有技术,在此不再对其原理和过程进行详细解释。
为了更直观地说明第一均值的确定过程,接下来以每个原始采样数据包括25个原始采样信息为例进行详细说明。
参考图5至图7,一共有25个原始采样信息,保留17个原始采样信息,去掉了两端的8个较小的原始采样信息,采用KNN算法进行数据筛分后,保留了10个原始采样信息,最后对这10个原始采样信息求第一均值。需要说明的是,保留或去掉的原始采样信息的具体数量可进行变换,不能看作是对本发明的限定。
在本发明的一些实施例中,参考图8至图11,多段拟合直线由以下步骤得到:
将多个标定装载重量和多个第一均值一一对应构成多个坐标点,并依次确定相邻两个坐标点连线的斜率,以得到多个直线斜率;
根据多个直线斜率依次确定相邻两条连线的夹角,以得到多个分段夹角;
根据预设的分段角度阈值与多个分段夹角确定多段拟合直线。
递推最小二乘法分段直线拟合的基本思想为:先取二维数组的前两个坐标点A(X1,Y1)、B(X2,Y2),利用最小二乘法求出点A和点B连线的数学模型Y=k1*X+b。再取第三个坐标点C(X3,Y3),计算出点B和点C连线的直线斜率k2。直线斜率k1与k2的几何关系如图8所示,θ为相邻两条连线构成的分段夹角,从第一个坐标点开始依次计算tanθ的值,直到tanθ大于预设的分段角度阈值,然后对第一个坐标点和当前的最后一个坐标点通过最小二乘法进行拟合,这样就得到了第一段拟合直线。然后从大于的这个坐标点开始分段,与后续的坐标点重复前面的步骤,直到所有的坐标点都完成拟合,得到多段拟合直线。需要说明的是,最小二乘法为本领域技术人员可知的现有技术,在此不再对其原理进行详细解释。
为了更直观地说明多段拟合直线的计算过程,接下来通过具体的数据进行说明。表1为标定装载重量和第一均值的对应关系。如图9所示,基于表1中的数据采用多次曲线拟合的方式得到的曲线方程为Y=1437.3*X2-51587*X+462895,拟合准确度为R2=0.9961。图10为多段拟合直线中的分段拟合直线一的坐标图,分段拟合直线一的直线方程为Y=350.69*X-6295.1,拟合准确度为R2=0.9761。图11为多段拟合直线中的分段拟合直线二的坐标图,分段拟合直线二的直线方程为Y=875.21*X-15821,拟合准确度为R2=0.9991。
采用多次曲线拟合后的拟合准确度为99.61%,采用分段直线拟合后的整体拟合准确度为98.76%。采用分段直线拟合后的拟合准确度虽略有下降(能满足系统精度要求),但是实时性更好,同时大大地降低了算法的复杂度。
表1
第一均值 | 17.984 | 18.02813 | 18.0572 | 18.0942 | 18.11553 | 18.13513 |
标定装载重量 | 15.84 | 24.6 | 33.16 | 49.92 | 58.68 | 67.24 |
第一均值 | 18.17313 | 18.18313 | 18.19566 | 18.20573 | 18.21753 | 18.23386 |
标定装载重量 | 84.16 | 92.92 | 103.94 | 112.7 | 121.82 | 137.92 |
需要说明的是,图8至图11中,横坐标皆表示第一均值,纵坐标皆表示标定装载重量。
在本发明的一些实施例中,参考图5至图7,每个实时采样数据皆包括多个实时采样信息;根据实时采样数据与多段拟合直线确定对应的实际装载重量,包括以下步骤:
对实时采样数据中的多个实时采样信息进行筛分后求第二均值;
根据第二均值与多段拟合直线确定对应的实际装载重量。
每个实时采样数据皆包括多个实时采样信息,如图4所示,方框中的多个实时采样信息中有部分抖动大,需要进行进一步去除干扰,故需要对每个实时采样数据中的多个实时采样信息进行筛分,去除抖动大的部分实时采样信息,只保留多个稳定的实时采样信息作为计算基础。每个实时采样数据皆包括多个实时采样信息,多个实时采样信息大多数不是相同的,不能唯一对应实际装载重量,故对筛分后的多个实时采样信息求第二均值,第二均值与实时采样数据对应,最后可以通过多段拟合直线得出与第二均值对应的实际装载重量。
此外,需要说明的是,每个实时采样数据中实时采样信息的数量不能看作是对本发明的限定。
为了更好地对本发明实施例的称重方法进行清楚地说明,接下来以具体实施例进行说明。
获取实时采样数据,每个实时采样数据皆包括多个实时采样信息;实时采样数据用于表征铲运车本体的举升油缸的举升状态;
对实时采样数据中多个实时采样信息进行排序,并根据排序结果将多个实时采样信息分为偏小采样组和偏大采样组,其中,偏大采样组中每个实时采样信息皆大于偏小采样组中每个实时采样信息,且偏大采样组中实时采样信息的数量大于偏小采样组中实时采样信息的数量;
根据偏大采样组中多个实时采样信息确定实时信息均值回归曲线;
基于KNN算法,根据偏大采样组中多个实时采样信息和实时信息均值回归曲线筛选出K个实时采样信息,K小于偏大采样组中实时采样信息的数量,并将K个实时采样信息的均值确认为第二均值;
根据第二均值与多段拟合直线确定对应的实际装载重量;
其中,多段拟合直线由以下步骤得到:
根据预设的多个标定装载重量获取多个原始采样数据,多个标定装载重量与多个原始采样数据一一对应;
对每个原始采样数据中的多个原始采样信息进行筛分后求第一均值,多个第一均值与多个原始采样数据一一对应;
将多个标定装载重量和多个第一均值一一对应构成多个坐标点,并依次确定相邻两个坐标点连线的斜率,以得到多个直线斜率;
根据多个直线斜率依次确定相邻两条连线的夹角,以得到多个分段夹角;
根据预设的分段角度阈值与多个分段夹角确定多段拟合直线;
其中,每个第一均值皆由以下步骤得到:
对原始采样数据中多个原始采样信息进行排序,并根据排序结果将多个原始采样信息分为偏小信息组和偏大信息组,其中,偏大信息组中每个原始采样信息皆大于偏小信息组中每个原始采样信息,且偏大信息组中原始采样信息的数量大于偏小信息组中原始采样信息的数量;
根据偏大信息组中多个原始采样信息确定均值回归曲线;
基于KNN算法,根据偏大信息组中多个原始采样信息和均值回归曲线筛选出K个原始采样信息,K小于偏大信息组中原始采样信息的数量,并将K个原始采样信息的均值确认为第一均值。
基于递推最小二乘法对多个标定装载重量和多个原始采样数据进行分段直线拟合,计算复杂度低,响应时间快。依据多段拟合直线可以得到实时采样数据对应的当前的实际装载重量,实时性好,称重精准度高,稳定性强,且称重系统的抗干扰能力强。
下面将结合图1至图11对本发明实施例的称重系统技术方案进行清楚、完整的描述,显然,以下所描述的实施例是本发明一部分实施例,并非全部实施例。
根据本发明实施例的称重系统,包括采样单元、实际装载重量确定单元和多段拟合直线确定单元。
采样单元,用于获取实时采样数据以及根据预设的多个标定装载重量获取多个原始采样数据,多个标定装载重量与多个原始采样数据一一对应,实时采样数据和原始采样数据皆用于表征铲运车本体的举升油缸的举升状态;
实际装载重量确定单元,用于根据实时采样数据与多段拟合直线确定对应的实际装载重量;
多段拟合直线确定单元,用于基于递推最小二乘法,根据多个标定装载重量和多个原始采样数据得到多段拟合直线。
在实际称重前,需要提前确定代表实时采样数据和实际装载重量对应关系的多段拟合直线,多段拟合直线的具体确定过程为:首先需要选取几个特定的重量进行标定(即预设多个标定装载重量),然后对应多个标定装载重量一一对应获取多个原始采样数据,获取完成多个原始采样数据后,再基于递推最小二乘法对多个标定装载重量和多个原始采样数据进行分段直线拟合,得到多段拟合直线,计算复杂度低,响应时间快。
准备工作完成后,在实际称重过程中,铲运车本体上的铲斗承装装载物后举升起来,获取采样区间(如图4中方框中的部分)内的实时采样数据,并依据多段拟合直线得到实时采样数据对应的当前的实际装载重量,实时性好,称重精准度高,稳定性强,且称重系统的抗干扰能力强。
现有技术中一般常用最小二乘法来解决曲线拟合的问题。最小二乘法的基本思想是:给定一组数据(一般是二维数组,包含X和Y坐标),根据误差平方和最小化原则,找出这些数据的最近匹配函数。如果采用多次曲线函数来拟合所有数据,算法难度和复杂度很大。而采用递推最小二乘法进行分段直线拟合后的系统精度虽略有下降(能满足系统精度要求),但是实时性更好,同时大大地降低了算法的复杂度。
根据本发明实施例的称重系统,通过采样单元可以根据预设的多个标定装载重量获取多个原始采样数据,通过多段拟合直线确定单元可以基于递推最小二乘法,得到代表标定装载重量和原始采样数据对应关系的多段拟合直线。在实际称重过程中,通过采样单元获取到实时采样数据后,通过实际装载重量确定单元可以根据多段拟合直线得到与实时采样数据对应的实际装载重量。采用递推最小二乘法进行分段直线拟合的计算复杂度低,实时性好。本发明实施例的称重系统精准度高、稳定性强、抗干扰能力强。
此外,本发明的一个实施例还提供了一种铲运车,包括铲运车本体及主控单元,主控单元用于执行如上述第一方面实施例的称重方法。由于铲运车采用了上述实施例的称重方法的全部技术方案,因此至少具有上述实施例的技术方案所带来的所有有益效果。
此外,本发明的一个实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个处理器或控制器执行,例如,被上述铲运车实施例中的一个处理器执行,可使得上述处理器执行上述实施例中的称重方法。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
上面结合附图对本发明实施例作了详细说明,但本发明不限于上述实施例,在所属技术领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (8)
1.一种称重方法,其特征在于,包括以下步骤:
获取实时采样数据,所述实时采样数据用于表征铲运车本体的举升油缸的举升状态;
根据所述实时采样数据与多段拟合直线确定对应的实际装载重量;
其中,多段所述拟合直线由以下步骤得到:
根据预设的多个标定装载重量获取多个原始采样数据,多个所述标定装载重量与多个所述原始采样数据一一对应;
基于递推最小二乘法,根据多个所述标定装载重量和多个所述原始采样数据得到多段所述拟合直线。
2.根据权利要求1所述的称重方法,其特征在于,每个所述原始采样数据皆包括多个原始采样信息;所述基于递推最小二乘法,根据多个所述标定装载重量和多个所述原始采样数据得到多段所述拟合直线,包括以下步骤:
对每个所述原始采样数据中的多个所述原始采样信息进行筛分后求第一均值,多个所述第一均值与多个所述原始采样数据一一对应;
基于递推最小二乘法,根据多个所述标定装载重量和多个所述第一均值得到多段所述拟合直线。
3.根据权利要求2所述的称重方法,其特征在于,每个所述第一均值皆由以下步骤得到:
对所述原始采样数据中多个所述原始采样信息进行排序,并根据排序结果将多个所述原始采样信息分为偏小信息组和偏大信息组,其中,所述偏大信息组中每个所述原始采样信息皆大于所述偏小信息组中每个所述原始采样信息,且所述偏大信息组中所述原始采样信息的数量大于所述偏小信息组中所述原始采样信息的数量;
根据所述偏大信息组中多个所述原始采样信息确定均值回归曲线;
基于KNN算法,根据所述偏大信息组中多个所述原始采样信息和所述均值回归曲线筛选出K个所述原始采样信息,K小于所述偏大信息组中所述原始采样信息的数量,并将K个所述原始采样信息的均值确认为所述第一均值。
4.根据权利要求2或3所述的称重方法,其特征在于,多段所述拟合直线由以下步骤得到:
将多个所述标定装载重量和多个所述第一均值一一对应构成多个坐标点,并依次确定相邻两个所述坐标点连线的斜率,以得到多个直线斜率;
根据多个所述直线斜率依次确定相邻两条所述连线的夹角,以得到多个分段夹角;
根据预设的分段角度阈值与多个所述分段夹角确定多段所述拟合直线。
5.根据权利要求1所述的称重方法,其特征在于,每个所述实时采样数据皆包括多个实时采样信息;所述根据所述实时采样数据与多段拟合直线确定对应的实际装载重量,包括以下步骤:
对所述实时采样数据中的多个所述实时采样信息进行筛分后求第二均值;
根据所述第二均值与多段所述拟合直线确定对应的所述实际装载重量。
6.一种称重系统,其特征在于,包括:
采样单元,用于获取实时采样数据以及根据预设的多个标定装载重量获取多个原始采样数据,多个所述标定装载重量与多个所述原始采样数据一一对应,所述实时采样数据和所述原始采样数据皆用于表征铲运车本体的举升油缸的举升状态;
实际装载重量确定单元,用于根据所述实时采样数据与多段拟合直线确定对应的实际装载重量;
多段拟合直线确定单元,用于基于递推最小二乘法,根据多个所述标定装载重量和多个所述原始采样数据得到多段所述拟合直线。
7.一种铲运车,其特征在于,包括铲运车本体及主控单元,所述主控单元用于执行如权利要求1至5中任意一项所述的称重方法。
8.一种计算机可读存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令用于执行如权利要求1至5中任意一项所述的称重方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210865623.XA CN115096416A (zh) | 2022-07-22 | 2022-07-22 | 一种称重方法、系统、铲运车及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210865623.XA CN115096416A (zh) | 2022-07-22 | 2022-07-22 | 一种称重方法、系统、铲运车及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115096416A true CN115096416A (zh) | 2022-09-23 |
Family
ID=83299749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210865623.XA Pending CN115096416A (zh) | 2022-07-22 | 2022-07-22 | 一种称重方法、系统、铲运车及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115096416A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105258771A (zh) * | 2015-08-31 | 2016-01-20 | 南京梅山冶金发展有限公司 | 一种铲运机任意举重角度自称重装置及其称重方法 |
CN109736372A (zh) * | 2019-01-18 | 2019-05-10 | 江苏徐工工程机械研究院有限公司 | 可称重、防过载的挖掘装载机 |
CN111452713A (zh) * | 2020-04-17 | 2020-07-28 | 上海华兴数字科技有限公司 | 货物称重方法、装置、设备及存储介质 |
CN113267246A (zh) * | 2021-06-17 | 2021-08-17 | 特百佳动力科技有限公司 | 一种动态称重装载机及称重方法 |
-
2022
- 2022-07-22 CN CN202210865623.XA patent/CN115096416A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105258771A (zh) * | 2015-08-31 | 2016-01-20 | 南京梅山冶金发展有限公司 | 一种铲运机任意举重角度自称重装置及其称重方法 |
CN109736372A (zh) * | 2019-01-18 | 2019-05-10 | 江苏徐工工程机械研究院有限公司 | 可称重、防过载的挖掘装载机 |
CN111452713A (zh) * | 2020-04-17 | 2020-07-28 | 上海华兴数字科技有限公司 | 货物称重方法、装置、设备及存储介质 |
CN113267246A (zh) * | 2021-06-17 | 2021-08-17 | 特百佳动力科技有限公司 | 一种动态称重装载机及称重方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113091866B (zh) | 一种实时测量汽车载重质量的方法与装置 | |
CN111157092B (zh) | 一种车载称重自动标定的方法及计算机可读存储介质 | |
KR101184466B1 (ko) | 주행 차량의 중량 계측 장치 및 중량 센서의 감도 보정 방법 | |
CN111452713B (zh) | 货物称重方法、装置、设备及存储介质 | |
CN112816051B (zh) | 传感器标定方法、称重方法、装置及搬运设备 | |
CN111121939B (zh) | 一种高精度车载区域称重方法 | |
CN113104455B (zh) | 一种基于挂桶式垃圾车的垃圾称重方法、装置、电子设备和存储介质 | |
CN112304412A (zh) | 称重装置的滞后补偿方法 | |
CN115860510A (zh) | 一种基于大数据的生产效率分析评估方法 | |
CN115096416A (zh) | 一种称重方法、系统、铲运车及计算机可读存储介质 | |
US10697821B2 (en) | Weight calibration for a vehicle weight load determination meter | |
US8594964B2 (en) | Method for compensating a measured value offset | |
CN113112061B (zh) | 一种预测车辆油耗的方法与装置 | |
CN111932576B (zh) | 一种基于深度相机的物体边界测量方法和装置 | |
CN114655224A (zh) | 一种道路坡度估算方法、电子设备和存储介质 | |
CN112903050A (zh) | 一种无人机燃油实时油量的计算方法 | |
CN113945262A (zh) | 偏载误差修正方法和系统 | |
CN116625473B (zh) | 测量搅拌车装载不同密度货物的重量的方法及系统 | |
CN112082633A (zh) | 一种在人体晃动情况下稳定体重值的测重方法 | |
WO2018158971A1 (ja) | 校正装置および校正方法 | |
CN114701870B (zh) | 翻车机给料系统及其高料位检测方法、装置 | |
CN114200415A (zh) | 车厢点云姿态自动校正方法及装置 | |
CN115865045A (zh) | 车载嵌入式设备及模拟量的预处理方法 | |
KR102670095B1 (ko) | 빅데이터 이용 고속축중기 자동 교정 시스템 및 그 방법 | |
CN114199359A (zh) | 一种偏载误差调整方法及装置 |
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 |