CN116625473B - 测量搅拌车装载不同密度货物的重量的方法及系统 - Google Patents
测量搅拌车装载不同密度货物的重量的方法及系统 Download PDFInfo
- Publication number
- CN116625473B CN116625473B CN202310902547.XA CN202310902547A CN116625473B CN 116625473 B CN116625473 B CN 116625473B CN 202310902547 A CN202310902547 A CN 202310902547A CN 116625473 B CN116625473 B CN 116625473B
- Authority
- CN
- China
- Prior art keywords
- density
- pressure
- cargo
- information
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000012544 monitoring process Methods 0.000 claims abstract description 18
- 238000012549 training Methods 0.000 claims abstract description 11
- 238000012417 linear regression Methods 0.000 claims description 17
- 238000009499 grossing Methods 0.000 claims description 15
- 238000011478 gradient descent method Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 238000003756 stirring Methods 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000013178 mathematical model Methods 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 abstract description 3
- 238000005303 weighing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000007599 discharging Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000010421 standard material Substances 0.000 description 1
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
- G01G19/08—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for incorporation in vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N9/00—Investigating density or specific gravity of materials; Analysing materials by determining density or specific gravity
- G01N9/24—Investigating density or specific gravity of materials; Analysing materials by determining density or specific gravity by observing the transmission of wave or particle radiation through the material
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种测量搅拌车装载不同密度货物的重量的方法及系统,通过预设于搅拌车上的压力传感器和密度传感器,分别若干次采集搅拌车的货物压力值和货物密度值,以获取压力数组信息和密度数组信息;采用所述压力数组信息和密度数组信息进行模型训练,以训练出重量识别模型,基于所述重量识别模型实时监听搅拌车的货物压力信息和货物密度信息,并输出所述货物压力信息和货物密度信息至预链接的终端设备上。利用了传感器技术和先进的数学模型,可以大大提高搅拌车装载不同密度货物的重量测量的准确性和效率。
Description
技术领域
本发明涉及数据处理的技术领域,特别涉及一种测量搅拌车装载不同密度货物的重量的方法及系统。
背景技术
搅拌车的托轮是重型运输车辆的重要组成部分。它有助于调整车辆的重心,通常安装在搅拌车罐体的底部,并在罐体旋转时提供支撑,防止罐体因装载物的重力而发生偏移。在搅拌车的运行过程中,托轮也承受着来自路面的冲击。因此,托轮需要具备足够的韧性和稳定性,能够吸收这些冲击,以减少对搅拌车的结构和罐体的影响。托轮的稳定性对于研究搅拌车罐体称重具有一定的重要意义。
目前存在的方法是通过将传感器安装在托轮处,获取托轮所受压力值,通过地磅进行装置标定,最后计算出系数,完成标定工作,但是这种称重方式只适用于相同密度的货物,一旦密度不同就会有较大的精度误差;或者,是将传感器安装在罐体前后的托轮处,并且搭配姿态传感器,通过力矩平衡原理,计算出罐体的质量,但是这种方式需要安装过多的传感器。
总的来说,现有的搅拌车载重获取方法,存在两点不足,一个是没有考虑不同密度的货物,另一个是所需传感器数量较多。
发明内容
本发明的主要目的为提供一种测量搅拌车装载不同密度货物的重量的方法及系统,利用了传感器技术和先进的数学模型,可以大大提高搅拌车装载不同密度货物的重量测量的准确性和效率。
为实现上述目的,本发明提供了一种测量搅拌车装载不同密度货物的重量的方法,包括以下步骤:
通过预设于搅拌车上的压力传感器和密度传感器,分别若干次采集搅拌车的货物压力值和货物密度值,以获取压力数组信息和密度数组信息;
采用所述压力数组信息和密度数组信息进行模型训练,以训练出重量识别模型,所述模型训练过程为:采用多元线性回归公式对所述压力数组信息进行第一线性拟合过程,以得到的压力线性结点,基于所述压力线性结点对所述密度数组信息进行平滑及异常点处理的第二线性拟合过程,以得到重量识别模型,通过预设的最小二乘法或梯度下降法利用损失函数对重量识别模型进行调优,以得到优化后的重量识别模型;
基于所述重量识别模型实时监听搅拌车的货物压力信息和货物密度信息,并输出所述货物压力信息和货物密度信息至预链接的终端设备上。
进一步地,通过预设于搅拌车上的压力传感器和密度传感器,分别若干次采集搅拌车的货物压力值和货物密度值,以获取压力数组信息和密度数组信息的步骤,包括:
基于预设的货物密度区间,由所述货物密度区间的小至大生成上料排序信息;
基于所述上料排序信息由压力传感器逐次识别货物加入搅拌车后的货物压力值,得到所述压力数组信息,并由所述密度传感器逐次识别获取加入搅拌车时的货物密度值,得到所述密度数组信息。
进一步地,基于所述上料排序信息由压力传感器逐次识别货物加入搅拌车后的货物压力值,得到所述压力数组信息,并由所述密度传感器逐次识别获取加入搅拌车时的货物密度值,得到所述密度数组信息的步骤,包括:
采用预设的集合标定算法分别对货物压力值和货物密度值进行逐次识别标定,得到所述压力数组信息和密度数组信息,所述集合标定算法包括:
式中,X为压力数组信息,m为压力传感器识别总次数,x为货物压力值,j为逐次计数的货物压力值对应的特征;Y为密度数组信息,h为密度传感器识别总次数,y为货物密度值,k为逐次计数的货物密度值对应的特征,i为逐次计数符,满足n次计数后输出压力数组信息X和密度数组信息Y。
进一步地,采用集合标定算法得到压力数组信息和密度数组信息的步骤中,还包括:
采用所述集合标定算法计算压力数组信息和密度数组信息的同时,携带计算搅拌车逐次加入货物时的整车重量数组信息,所述整车重量数组信息的计算包括:
式中,Z为整车重量数组信息,z为逐次增加货物于搅拌车的整车重量,i为逐次计数符,满足n次计数后输出整车重量数组信息Z。
进一步地,采用多元线性回归公式对所述压力数组信息进行第一线性拟合过程的步骤中,所述多元线性回归公式包括:
式中,为若干次加入货物时的搅拌车重量值,/>为压力数组信息中的若干次货物压力值,/>为压力线性结点。
进一步地,基于所述压力线性结点对所述密度数组信息进行平滑及异常点处理的第二线性拟合过程,以得到重量识别模型的步骤中,包括:
基于所述若干次货物压力值对标货物密度值,并通过所述货物密度值调取对应预设的密度区间,并基于压力线性结点/>进行平滑及异常点计算,计算包括:
式中,t为密度区间,表示第t个密度区间的货物密度值,h为搅拌车加入货物后的搅拌罐体的承重值,/>为搅拌车逐次加入货物后测得的搅拌车罐体载重;
基于所述搅拌车罐体载重和压力线性结点/>,生成所述重量识别模型。
进一步地,通过预设的最小二乘法或梯度下降法利用损失函数对重量识别模型进行调优的步骤,包括:
将压力线性结点和搅拌车罐体载重/>输入至预设的损失函数算法中,以输出损失参数;
采用所述最小二乘法或梯度下降法从损失参数中确认出最小参数,并以所述最小参数对所述重量识别模型进行调优。
进一步地,所述损失函数算法包括:
式中,损失函数为,通过损失函数算法计算出最小参数/>,n为若干次搅拌车加入货物的货物压力信息和货物密度信息的样本数,/>为第/>个样本的压力传感器特征向量,/>为第个样本的罐体载重值。
进一步地,基于所述重量识别模型实时监听搅拌车的货物压力信息和货物密度信息的步骤,包括:
获取由所述压力传感器和密度传感器输入的搅拌车加入货物后的货物参数信息;
基于所述多元线性回归公式和平滑及异常点计算对货物参数信息进行识别,以判断所述货物参数信息是否符合预设的压力、密度和整车重量的线性增量标准;
若符合,则以正常的搅拌车罐体容积数据进行货物加入罐体时的持续监听;反之,则根据所述货物参数信息与线性增量标准的差异变量,对应调整搅拌车罐体容积数据进行货物加入罐体时的持续监听。
本发明还提出一种测量搅拌车装载不同密度货物的重量的系统,包括若干压力传感器和若干超声波传感器,其中所述超声波传感器包括超声波密度计;
所述若干压力传感器设置于搅拌车的托轮处,以获取货物加入搅拌车后的货物压力值;
所述若干超声波传感器设置于搅拌车的托轮入料口处,以获取货物加入搅拌车时的货物密度值。
本发明提供的测量搅拌车装载不同密度货物的重量的方法及系统具有以下有益效果:
(1)通过安装压力传感器和密度传感器,获取托轮所受压力信息以及不同密度下的标定数据,对压力信息、货物密度和搅拌车罐体载重的关系进行线性建模,最后通过模型计算罐体载重,实现适用于搅拌车装载不同密度的液体时进行实时载重计算的效果。
(2)提供了一种包括多个压力传感器和超声波密度计的搅拌车载货重量的测量系统,测量过程更自动化,提高了测量速度和精度。
附图说明
图1是本发明一实施例中测量搅拌车装载不同密度货物的重量方法步骤示意图;
图2是本发明一实施例中测量搅拌车装载不同密度货物的重量系统的若干压力传感器和密度传感器位于搅拌车的位置示意图;
图3是本发明一实施例的测量搅拌车装载不同密度货物的重量系统的方法执行单元的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1为本发明提出的一种测量搅拌车装载不同密度货物的重量的方法的流程示意图,包括以下步骤:
S1,通过预设于搅拌车上的压力传感器和密度传感器,分别若干次采集搅拌车的货物压力值和货物密度值,以获取压力数组信息和密度数组信息;
S2,采用所述压力数组信息和密度数组信息进行模型训练,以训练出重量识别模型,所述模型训练过程为:采用多元线性回归公式对所述压力数组信息进行第一线性拟合过程,以得到的压力线性结点,基于所述压力线性结点对所述密度数组信息进行平滑及异常点处理的第二线性拟合过程,以得到重量识别模型,通过预设的最小二乘法或梯度下降法利用损失函数对重量识别模型进行调优,以得到优化后的重量识别模型;
S3,基于所述重量识别模型实时监听搅拌车的货物压力信息和货物密度信息,并输出所述货物压力信息和货物密度信息至预链接的终端设备上。
在具体实时的过程中,在车辆托轮两边各安装两个压力传感器。同一托轮上的两个压力传感器安装位置尽量对称,这样可以更准确地获取货物带给托轮的各种受力情况,两个托轮受力不均衡的情况也能从数据中直接反应出来,并且可以避免传感器损坏导致的罐体重量无法计算问题。通过传感器将托轮受力大小转化为传感器模拟信号值(货物压力值),结合超声波密度计得到的实时货物密度作为模型输入的原始数据。将货物按照不同的密度区间进行划分。制定标定方案:空车,将车辆行驶至地磅称台上,车辆熄火,待地磅及压力传感器输出数据稳定后,记录压力传感器的输出数值及地磅显示的重量值。选取密度区间最小的货物,分12次装填货物,直至装满,后再分12次将货物卸除,每次装卸货需要将过磅数据、传感器输出值以及超声波密度计输出值记录下来。
在一个实施例中,通过预设于搅拌车上的压力传感器和密度传感器,分别若干次采集搅拌车的货物压力值和货物密度值,以获取压力数组信息和密度数组信息的步骤,包括:
基于预设的货物密度区间,由所述货物密度区间的小至大生成上料排序信息;
基于所述上料排序信息由压力传感器逐次识别货物加入搅拌车后的货物压力值,得到所述压力数组信息,并由所述密度传感器逐次识别获取加入搅拌车时的货物密度值,得到所述密度数组信息。
在具体的实施过程中,首先,根据预设的货物密度区间,按照从小到大的顺序生成了上料的排序信息。基于上述的上料排序信息,压力传感器会逐次识别并记录货物在加入搅拌车后的压力值,从而得到压力数组信息;同样,密度传感器会逐次识别获取加入搅拌车时的货物密度值,进而得到密度数组信息。
在一个实施例中,基于所述上料排序信息由压力传感器逐次识别货物加入搅拌车后的货物压力值,得到所述压力数组信息,并由所述密度传感器逐次识别获取加入搅拌车时的货物密度值,得到所述密度数组信息的步骤,包括:
采用预设的集合标定算法分别对货物压力值和货物密度值进行逐次识别标定,得到所述压力数组信息和密度数组信息,所述集合标定算法包括:
式中,X为压力数组信息,m为压力传感器识别总次数,x为货物压力值,j为逐次计数的货物压力值对应的特征;Y为密度数组信息,h为密度传感器识别总次数,y为货物密度值,k为逐次计数的货物密度值对应的特征,i为逐次计数符,满足n次计数后输出压力数组信息X和密度数组信息Y。
通过上述的逐次将货物加入至搅拌车上,采用集合标定算法对每一次的货物加入搅拌车进行标定集合,最终形成压力数组信息X和密度数组信息Y。
在一个实施例中,采用集合标定算法得到压力数组信息和密度数组信息的步骤中,还包括:
采用所述集合标定算法计算压力数组信息和密度数组信息的同时,携带计算搅拌车逐次加入货物时的整车重量数组信息,所述整车重量数组信息的计算包括:
式中,Z为整车重量数组信息,z为逐次增加货物于搅拌车的整车重量,i为逐次计数符,满足n次计数后输出整车重量数组信息Z。
每次在搅拌车中加入新的货物,都会改变其整体重量。这个重量被标记为z。i是用于标识每一次操作的计数符,每次增加货物,i的值就会增加1。通过每一次增加货物后所计算出的整车重量z,我们可以得到一个包含所有货物增加后的整车重量的数组。这个数组就被定义为整车重量数组信息Z。在完成n次货物添加操作后,此时的整车重量数组信息Z就完成了计算,会进行输出。于是,我们就获得了每次添加货物操作后,整车的重量变化情况,这对于了解货物的装载情况、调整装载策略等方面有着重要的作用。
在一个实施例中采用多元线性回归公式对所述压力数组信息进行第一线性拟合过程的步骤中,所述多元线性回归公式包括:
式中,为若干次加入货物时的搅拌车重量值,/>为压力数组信息中的若干次货物压力值,/>为压力线性结点。
在具体实施的过程中,由于四个压力传感器数值与托轮所承受重量具备一定的线性关系,且货物密度、托轮所承受重量及罐体载重之间也存在一定的线性关系。故而本发明使用多元线性回归来对传感器数值和托轮所承受重量关系建模,再使用线性拟合来对货物密度、托轮所承受重量及罐体载重关系进行建模。
具体的,基于所述压力线性结点对所述密度数组信息进行平滑及异常点处理的第二线性拟合过程,以得到重量识别模型的步骤中,包括:
基于所述若干次货物压力值对标货物密度值,并通过所述货物密度值调取对应预设的密度区间,并基于压力线性结点/>进行平滑及异常点计算,计算包括:
式中,t为密度区间,表示第t个密度区间的货物密度值,h为搅拌车加入货物后的搅拌罐体的承重值,/>为搅拌车逐次加入货物后测得的搅拌车罐体载重;
基于所述搅拌车罐体载重和压力线性结点/>,生成所述重量识别模型。
具体的,通过预设的最小二乘法或梯度下降法利用损失函数对重量识别模型进行调优的步骤,包括:
将压力线性结点和搅拌车罐体载重/>输入至预设的损失函数算法中,以输出损失参数;
采用所述最小二乘法或梯度下降法从损失参数中确认出最小参数,并以所述最小参数对所述重量识别模型进行调优。
在一个实施例中,所述损失函数算法包括:
式中,损失函数为,通过损失函数算法计算出最小参数/>,n为若干次搅拌车加入货物的货物压力信息和货物密度信息的样本数,/>为第/>个样本的压力传感器特征向量,/>为第个样本的罐体载重值。
要找到最优模型,即要找到使得损失函数的最小参数,主要有两种求解最优参数的方法:最小二乘法或梯度下降法。通过这两种方法可求得模型最优参数,即最优模型。
首先将已经训练好的最优模型参数部署到车载终端。安装在托轮上的压力传感器实时获取货物使托轮承受的压力信息,并转换为数字信号;同时超声波密度计获取到密度数据信息;两种信息传送到车载终端的模型中;通过多元线性回归模型计算出托轮端的实时载重,经过算法处理匹配该货物的密度区间,最后将载重值及密度区间输入到线性拟合模型中,计算出罐体的实时载重并上传至平台服务器,具体为:可通过PC端登录平台服务器查看搅拌车实时载重数据或下载车辆历史载重数据。同时,可在手机端安装app,打开app连接车载终端蓝牙,识别当前车辆ID。app从平台根据车辆ID获取该车辆的载重值。
在一个实施例中,基于所述重量识别模型实时监听搅拌车的货物压力信息和货物密度信息的步骤,包括:
获取由所述压力传感器和密度传感器输入的搅拌车加入货物后的货物参数信息;
基于所述多元线性回归公式和平滑及异常点计算对货物参数信息进行识别,以判断所述货物参数信息是否符合预设的压力、密度和整车重量的线性增量标准;
若符合,则以正常的搅拌车罐体容积数据进行货物加入罐体时的持续监听;反之,则根据所述货物参数信息与线性增量标准的差异变量,对应调整搅拌车罐体容积数据进行货物加入罐体时的持续监听。
具体实施时,重量识别模型获取新加入搅拌车的货物的货物参数信息,并识别货物参数信息的压力和密度,货物加入搅拌车后的重量信息是否符合多元线性回归公式和平滑及异常点计算规定的线性增量标准;若符合,即认定为正常入料,则以正常的搅拌车罐体容积数据进行货物加入罐体时的持续监听;反之,即认定为新增货物过重或过轻,则根据所述货物参数信息与线性增量标准的差异变量(过重或过轻),对应调整搅拌车罐体容积数据,以进行之后货物加入罐体时的持续监听。
参考附图2为本发明提出的一种测量搅拌车装载不同密度货物的重量的系统,所述系统执行上述的测量搅拌车装载不同密度货物的重量的方法,所述系统包括若干压力传感器A和若干超声波传感器B,其中所述超声波传感器包括超声波密度计;
所述若干压力传感器A设置于搅拌车的托轮处,以获取货物加入搅拌车后的货物压力值;
所述若干超声波传感器B设置于搅拌车的托轮入料口处,以获取货物加入搅拌车时的货物密度值。
参考附图3,为本发明提出的测量搅拌车装载不同密度货物的重量的系统的执行测量搅拌车装载不同密度货物的重量的方法的单元结构框图。
获取单元1,用于通过预设于搅拌车上的压力传感器和密度传感器,分别若干次采集搅拌车的货物压力值和货物密度值,以获取压力数组信息和密度数组信息;
模型单元2,用于采用所述压力数组信息和密度数组信息进行模型训练,以训练出重量识别模型,所述模型训练过程为:采用多元线性回归公式对所述压力数组信息进行第一线性拟合过程,以得到的压力线性结点,基于所述压力线性结点对所述密度数组信息进行平滑及异常点处理的第二线性拟合过程,以得到重量识别模型,通过预设的最小二乘法或梯度下降法利用损失函数对重量识别模型进行调优,以得到优化后的重量识别模型。
监听单元3,用于基于所述重量识别模型实时监听搅拌车的货物压力信息和货物密度信息,并输出所述货物压力信息和货物密度信息至预链接的终端设备上。
综上所述,通过预设于搅拌车上的压力传感器和密度传感器,分别若干次采集搅拌车的货物压力值和货物密度值,以获取压力数组信息和密度数组信息;采用所述压力数组信息和密度数组信息进行模型训练,以训练出重量识别模型,所述模型训练过程为:采用多元线性回归公式对所述压力数组信息进行第一线性拟合过程,以得到的压力线性结点,基于所述压力线性结点对所述密度数组信息进行平滑及异常点处理的第二线性拟合过程,以得到重量识别模型,通过预设的最小二乘法或梯度下降法利用损失函数对重量识别模型进行调优,以得到优化后的重量识别模型。基于所述重量识别模型实时监听搅拌车的货物压力信息和货物密度信息,并输出所述货物压力信息和货物密度信息至预链接的终端设备上。利用了传感器技术和先进的数学模型,可以大大提高搅拌车装载不同密度货物的重量测量的准确性和效率。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种测量搅拌车装载不同密度货物的重量的方法,其特征在于,包括以下步骤:
通过预设于搅拌车上的压力传感器和密度传感器,分别若干次采集搅拌车的货物压力值和货物密度值,以获取压力数组信息和密度数组信息;
采用所述压力数组信息和密度数组信息进行模型训练,以训练出重量识别模型,所述模型训练过程为:采用多元线性回归公式对所述压力数组信息进行第一线性拟合过程,以得到的压力线性结点,基于所述压力线性结点对所述密度数组信息进行平滑及异常点处理的第二线性拟合过程,以得到重量识别模型,通过预设的最小二乘法或梯度下降法利用损失函数对重量识别模型进行调优,以得到优化后的重量识别模型;
基于所述重量识别模型实时监听搅拌车的货物压力信息和货物密度信息,并输出所述货物压力信息和货物密度信息至预链接的终端设备上。
2.根据权利要求1所述的测量搅拌车装载不同密度货物的重量的方法,其特征在于,通过预设于搅拌车上的压力传感器和密度传感器,分别若干次采集搅拌车的货物压力值和货物密度值,以获取压力数组信息和密度数组信息的步骤,包括:
基于预设的货物密度区间,由所述货物密度区间的小至大生成上料排序信息;
基于所述上料排序信息由压力传感器逐次识别货物加入搅拌车后的货物压力值,得到所述压力数组信息,并由所述密度传感器逐次识别获取加入搅拌车时的货物密度值,得到所述密度数组信息。
3.根据权利要求2所述的测量搅拌车装载不同密度货物的重量的方法,其特征在于,基于所述上料排序信息由压力传感器逐次识别货物加入搅拌车后的货物压力值,得到所述压力数组信息,并由所述密度传感器逐次识别获取加入搅拌车时的货物密度值,得到所述密度数组信息的步骤,包括:
采用预设的集合标定算法分别对货物压力值和货物密度值进行逐次识别标定,得到所述压力数组信息和密度数组信息,所述集合标定算法包括:
式中,X为压力数组信息,m为压力传感器识别总次数,x为货物压力值,j为逐次计数的货物压力值对应的特征;Y为密度数组信息,h为密度传感器识别总次数,y为货物密度值,k为逐次计数的货物密度值对应的特征,i为逐次计数符,满足n次计数后输出压力数组信息X和密度数组信息Y。
4.根据权利要求3所述的测量搅拌车装载不同密度货物的重量的方法,其特征在于,采用集合标定算法得到压力数组信息和密度数组信息的步骤中,还包括:
采用所述集合标定算法计算压力数组信息和密度数组信息的同时,携带计算搅拌车逐次加入货物时的整车重量数组信息,所述整车重量数组信息的计算包括:
式中,Z为整车重量数组信息,z为逐次增加货物于搅拌车的整车重量,i为逐次计数符,满足n次计数后输出整车重量数组信息Z。
5.根据权利要求1所述的测量搅拌车装载不同密度货物的重量的方法,其特征在于,采用多元线性回归公式对所述压力数组信息进行第一线性拟合过程的步骤中,所述多元线性回归公式包括:
式中,为若干次加入货物时的搅拌车重量值,/>为压力数组信息中的若干次货物压力值,/>为压力线性结点。
6.根据权利要求5所述的测量搅拌车装载不同密度货物的重量的方法,其特征在于,基于所述压力线性结点对所述密度数组信息进行平滑及异常点处理的第二线性拟合过程,以得到重量识别模型的步骤中,包括:
基于所述若干次货物压力值对标货物密度值,并通过所述货物密度值调取对应预设的密度区间,并基于压力线性结点/>进行平滑及异常点计算,计算包括:
式中,t为密度区间,表示第t个密度区间的货物密度值,h为搅拌车加入货物后的搅拌罐体的承重值,/>为搅拌车逐次加入货物后测得的搅拌车罐体载重;
基于所述搅拌车罐体载重和压力线性结点/>,生成所述重量识别模型。
7.根据权利要求6所述的测量搅拌车装载不同密度货物的重量的方法,其特征在于,通过预设的最小二乘法或梯度下降法利用损失函数对重量识别模型进行调优的步骤,包括:
将压力线性结点和搅拌车罐体载重/>输入至预设的损失函数算法中,以输出损失参数;
采用所述最小二乘法或梯度下降法从损失参数中确认出最小参数,并以所述最小参数对所述重量识别模型进行调优。
8.根据权利要求7所述的测量搅拌车装载不同密度货物的重量的方法,其特征在于,所述损失函数算法包括:
式中,损失函数为,通过损失函数算法计算出最小参数,n为若干次搅拌车加入货物的货物压力信息和货物密度信息的样本数,/>为第/>个样本的压力传感器特征向量,/>为第个样本的罐体载重值。
9.根据权利要求8所述的测量搅拌车装载不同密度货物的重量的方法,其特征在于,基于所述重量识别模型实时监听搅拌车的货物压力信息和货物密度信息的步骤,包括:
获取由所述压力传感器和密度传感器输入的搅拌车加入货物后的货物参数信息;
基于所述多元线性回归公式和平滑及异常点计算对货物参数信息进行识别,以判断所述货物参数信息是否符合预设的压力、密度和整车重量的线性增量标准;
若符合,则以正常的搅拌车罐体容积数据进行货物加入罐体时的持续监听;反之,则根据所述货物参数信息与线性增量标准的差异变量,对应调整搅拌车罐体容积数据进行货物加入罐体时的持续监听。
10.一种测量搅拌车装载不同密度货物的重量的系统,其特征在于,所述系统执行权利要求1-9任一项所述的测量搅拌车装载不同密度货物的重量的方法,所述系统包括若干压力传感器和若干超声波传感器,其中所述超声波传感器包括超声波密度计;
所述若干压力传感器设置于搅拌车的托轮处,以获取货物加入搅拌车后的货物压力值;
所述若干超声波传感器设置于搅拌车的托轮入料口处,以获取货物加入搅拌车时的货物密度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310902547.XA CN116625473B (zh) | 2023-07-21 | 2023-07-21 | 测量搅拌车装载不同密度货物的重量的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310902547.XA CN116625473B (zh) | 2023-07-21 | 2023-07-21 | 测量搅拌车装载不同密度货物的重量的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116625473A CN116625473A (zh) | 2023-08-22 |
CN116625473B true CN116625473B (zh) | 2023-09-22 |
Family
ID=87610204
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310902547.XA Active CN116625473B (zh) | 2023-07-21 | 2023-07-21 | 测量搅拌车装载不同密度货物的重量的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116625473B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7196277B1 (en) * | 2005-12-01 | 2007-03-27 | Santi Larry D | Device and apparatus for measuring the load in a chamber of a vehicle |
CN101153816A (zh) * | 2006-09-30 | 2008-04-02 | 厦门雅迅网络股份有限公司 | 一种用于车辆载重实时检测的方法 |
WO2019020621A1 (en) * | 2017-07-28 | 2019-01-31 | Command Alkon Incorporated | METHODS AND SYSTEM FOR MEASURING DENSITY OF FRESH CONCRETE |
CN113290699A (zh) * | 2021-05-20 | 2021-08-24 | 中联重科股份有限公司 | 用于确定物料的重量的方法、处理器、装置及搅拌车 |
CN113865682A (zh) * | 2021-09-29 | 2021-12-31 | 深圳市汉德网络科技有限公司 | 货车轮胎载重确定方法、装置及存储介质 |
CN115366260A (zh) * | 2022-08-23 | 2022-11-22 | 中联重科股份有限公司 | 搅拌车及用于确定搅拌物实际质量的方法 |
-
2023
- 2023-07-21 CN CN202310902547.XA patent/CN116625473B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7196277B1 (en) * | 2005-12-01 | 2007-03-27 | Santi Larry D | Device and apparatus for measuring the load in a chamber of a vehicle |
CN101153816A (zh) * | 2006-09-30 | 2008-04-02 | 厦门雅迅网络股份有限公司 | 一种用于车辆载重实时检测的方法 |
WO2019020621A1 (en) * | 2017-07-28 | 2019-01-31 | Command Alkon Incorporated | METHODS AND SYSTEM FOR MEASURING DENSITY OF FRESH CONCRETE |
CN113290699A (zh) * | 2021-05-20 | 2021-08-24 | 中联重科股份有限公司 | 用于确定物料的重量的方法、处理器、装置及搅拌车 |
CN113865682A (zh) * | 2021-09-29 | 2021-12-31 | 深圳市汉德网络科技有限公司 | 货车轮胎载重确定方法、装置及存储介质 |
CN115366260A (zh) * | 2022-08-23 | 2022-11-22 | 中联重科股份有限公司 | 搅拌车及用于确定搅拌物实际质量的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116625473A (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111089643B (zh) | 一种动态车载称重的方法及系统 | |
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 | |
US7509228B2 (en) | Systems and methods for forecasting container density | |
CN113091866B (zh) | 一种实时测量汽车载重质量的方法与装置 | |
CN111210181B (zh) | 一种货物流向管控方法及系统 | |
CN102506983A (zh) | 汽车衡称重误差自动补偿方法 | |
US20070185672A1 (en) | Method for recalibrating a material attribute monitor for a mobile vehicle | |
CN102103009B (zh) | 串联式集装箱车辆动态分箱计重系统及计重方法 | |
CN104330138A (zh) | 基于结构自适应检测模型的粮仓储粮数量检测方法 | |
EP3356773B1 (en) | Systems and methods for verifying contents declaration | |
CN116625473B (zh) | 测量搅拌车装载不同密度货物的重量的方法及系统 | |
CN112763045A (zh) | 车辆自载重检测云端标定预测方法 | |
CN113389115B (zh) | 车辆特性和路面平整度检测方法、装置、设备及存储介质 | |
Hernandez | Estimation of average payloads from weigh-in-motion data | |
US20210231486A1 (en) | Method and apparatus for single draft, static and dynamic vehicle weighing using the same weight scale | |
CN115931095B (zh) | 一种车辆尾板称重方法、装置、设备及存储介质 | |
CN201429440Y (zh) | 车载散料监控装置 | |
US20230329148A1 (en) | Flow rate matching | |
CN113865682B (zh) | 货车轮胎载重确定方法、装置及存储介质 | |
CN111189517A (zh) | 一种电子汽车衡的检测调校方法 | |
CN113112061B (zh) | 一种预测车辆油耗的方法与装置 | |
CN115618190A (zh) | 基于传感器数据的环境颗粒物浓度估计方法、系统及终端 | |
RU143665U1 (ru) | Устройство для определения массы груза, загружаемого в транспортное средство подъемным устройством | |
CN116029633B (zh) | 一种基于智慧物流的数字化物流管控平台系统 | |
Marshall et al. | Factors affecting the accuracy of weighbridge systems |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |