ES2926502T3

ES2926502T3 - Procedimiento de procesamiento de señales para balanzas de cabezales múltiples

Info

Publication number: ES2926502T3
Application number: ES20181181T
Authority: ES
Inventors: Felix Profe; Wolfram C Zeck
Original assignee: Multipond Waegetechnik GmbH
Current assignee: Multipond Waegetechnik GmbH
Priority date: 2020-06-19
Filing date: 2020-06-19
Publication date: 2022-10-26
Anticipated expiration: 2040-06-19
Also published as: EP3926309A1; US20210396571A1; EP3926309B1

Abstract

La presente invención se refiere a un método de procesamiento de señales de peso (W) de balanzas, en particular balanzas combinadas (K). El procesamiento de la señal se basa en valores discretos preprocesados (W(i)) de la señal ponderada (W), que se suministran a al menos una red neuronal artificial. Con la ayuda de esta al menos una red neuronal artificial se determina un valor estimado (SW) para el peso real, por ejemplo en un dispositivo de pesaje de una balanza combinada. Esto sucede más rápido que esperar la señal de peso real. Los valores estimados (SW) se pasan a la escala de combinación (KW), que los utiliza para formar combinaciones. (Traducción automática con Google Translate, sin valor legal)

Description

DESCRIPCIÓN

Procedimiento de procesamiento de señales para balanzas de cabezales múltiples

La presente invención se refiere a un procedimiento de procesamiento de señales para balanzas de cabezales múltiples y a un dispositivo para el procesamiento de señales, en el que, durante una transición de un primer valor constante (señal de peso estando vacío el recipiente de pesaje de una balanza de cabezales múltiples) a un segundo valor constante (señal de peso estando lleno el recipiente de pesaje de una balanza de cabezales múltiples o combinada) debe realizarse una estimación para el segundo valor constante.

Cuando un producto es lanzado a un equipo de pesaje (lo que es el caso normal, en particular en las balanzas combinadas, durante el funcionamiento), se genera cada vez un impulso de impacto. La señal de peso del equipo de pesaje aumenta teóricamente desde cero (como primer valor constante) hasta un determinado valor final (peso del producto lanzado, como segundo valor constante). Sin embargo, por el impulso de impacto se producen oscilaciones y, por lo tanto, no se puede obtener de inmediato un valor de medición constante, sino que primero se observa un "rebasamiento" de la señal de peso.

Por lo tanto, el valor de la señal de peso fluctúa, lo que puede atribuirse en particular al comportamiento físico de un equipo de pesaje. Las fluctuaciones pueden ser causadas por una magnitud de medición no constante, es decir, una transición de la magnitud de medición entre dos niveles constantes, así como por un ruido superpuesto de la disposición de medición.

Pero además, también pueden producirse magnitudes perturbadoras superpuestas al valor de medición, por ejemplo, una influencia de las magnitudes de medición por magnitudes perturbadoras periódicas, oscilaciones, ondulaciones (como corrientes de aire) o magnitudes ajenas al sistema. Por ejemplo, en un equipo de pesaje de una balanza de cabezales múltiples pueden influirán, por ejemplo, una corriente de aire, el viento, las fluctuaciones de la humedad del aire y las oscilaciones de conjunto del sistema de pesaje. También es posible que una magnitud de medición esté sujeta a magnitudes perturbadoras aperiódicas, por ejemplo los efectos de la aceleración, los impulsos y las cargas electrostáticas, pudiendo actuar además influjos ambientales adicionales como el viento, la irradiación solar o similares.

También puede suceder que en el recipiente de pesaje de un equipo de pesaje se amontonen productos y que, debido a la inestabilidad de los productos dentro del equipo de pesaje, las posiciones de los productos en el equipo de pesaje aún puedan cambiar, por ejemplo, si son lanzados cinco cubos de espinacas y todos se amontonan en la esquina izquierda del equipo de pesaje, puede ocurrir que, al caerse el “montón”, se distribuyan de forma constante sobre el fondo del equipo de pesaje, por lo que se origina un impulso adicional que puede perturbar significativamente la medición del peso real.

La presencia de este tipo de magnitudes perturbadoras conduce a una medición inexacta, pero en particular, a un tiempo de medición más largo hasta alcanzar una determinada precisión del peso. Precisamente en el caso de las balanzas combinadas, en las que hay que encontrar continuamente combinaciones de varios equipos de pesaje, debe quedar claro rápidamente qué peso de producto está presente en los equipos de pesaje individuales, por lo que el tiempo de medición debe ser lo más corto posible, de lo contrario, se ralentizan considerablemente el caudal y la capacidad de combinación de una balanza de cabezales múltiples. Después del lanzamiento de una cantidad de producto a un equipo de pesaje, el peso del producto cambia de un primer valor constante (en este caso cero) a un peso de producto real (es decir, un segundo valor constante). Pero para este debe estar presente ya después de un tiempo corto un valor estimado fiable, ya que en una balanza combinada tardaría demasiado hasta que para cada equipo de pesaje se determine el peso de producto totalmente exacto con un equilibrio estático final.

En el estado de la técnica se conocen filtros destinados a eliminar o reducir la influencia de las magnitudes perturbadoras en los sistemas de medición. Aquí, por ejemplo, se pueden utilizar filtros analógicos para la propia magnitud de medición o para una magnitud física en la que se convirtió la magnitud de medición (por ejemplo, una señal eléctrica). También se conocen filtros digitales que procesan correspondientemente una señal de medición digitalizada. Sin embargo, al usar filtros, la señal de medición original se altera de una manera determinada, y al hacerlo, los filtros deben falsear solo ligeramente la magnitud de medición real dentro del rango de medición. Las magnitudes perturbadoras deben suprimirse fuertemente y el comportamiento de la señal de medición en cualquier situación prevista (incluidos los influjos ambientales) debe ser estable. Además, debe ser posible obtener resultados de medición con una precisión determinada y predefinida, y las mediciones deben realizarse con suficiente rapidez.

Como es habitual en el estado general de la técnica, la supresión de las magnitudes perturbadoras durante la medición de señales dinámicas se realiza mediante la aplicación de llamados filtros de paso bajo. Estos filtros de paso bajo permiten el paso de componentes de baja frecuencia de las señales de medición, mientras que todos los componentes de frecuencia más alta son atenuados o debilitados de manera correspondiente. La aplicación de un filtro de paso bajo de este tipo conduce a una señal de medición liberada de magnitudes perturbadoras o filtrada que hace posible un resultado de medición con la suficiente precisión o se requiere para hacer posible la determinación de un resultado de medición liberado de magnitudes perturbadoras. Sin embargo, los filtros de paso bajo tienen la desventaja de que en caso de un cambio de la señal de medición hay una velocidad de reacción muy baja y, por tanto, se necesitan tiempos de estabilización muy largos hasta alcanzar una señal de medición con la precisión suficiente. Las mediciones dinámicas de diferentes magnitudes de medición, que a menudo fluctúan entre distintos valores, provocan un retraso significativo del resultado de la medición con un filtro de paso bajo. Por lo tanto, la señal de medición filtrada queda muy por detrás de la señal medida realmente.

En el estado de la técnica se conoce, en particular, el documento EP2522964B1que describe una disposición especial de filtros digitales donde la señal primero es depurada de los componentes de alta frecuencia con un filtro de paso bajo débil y, tras alcanzar cierta anchura de fluctuación, se alisa con un filtro de paso bajo fuerte adicional. De esta manera, con una duración de medición reducida se puede obtener un resultado de medición aproximado.

Este documento divulga un procedimiento de procesamiento de señales para determinar un valor de medición en el caso de señales de medición mediante la aplicación de un primer filtro digital y un segundo filtro digital, en el que tras alcanzar el primer criterio de parada es provocado un cambio de filtro a un tercer filtro adaptativo, y después, tras alcanzarse un segundo criterio de parada es emitido un valor de medición definitivo. Tras alcanzarse un primer criterio de parada, este filtro adaptativo pasa del prefiltro al filtro fuerte para conseguir una mayor estabilidad con respecto al proceso de estabilización que aún no ha concluido.

Además, en el estado de la técnica es generalmente conocido que para la supresión de magnitudes perturbadoras se produce la formación de un valor medio a partir de varios valores de medición sucesivos. De esta manera, las fluctuaciones de los valores individuales ya no pueden repercutir directamente en el resultado de la medición, lo que hace que la señal del filtro sea más tranquila. Dado que aquí se forma un valor medio dinámico a lo largo de una serie de mediciones, este procedimiento puede aplicarse a datos de medición continuos y, por tanto, todas las magnitudes perturbadoras se atenúan y determinadas magnitudes perturbadoras periódicas pueden incluso suprimirse por completo. El requisito previo para ello es una frecuencia de medición suficientemente alta.

Otro método para suprimir perturbaciones es el uso de filtros digitales. Estos pueden seguir siendo recursivos, con retroacoplamiento, o no recursivas, sin retroacoplamiento. Otra clasificación distingue entre filtros con respuesta de impulso finita (FIR) y filtros con respuesta de impulso infinita (IIR). En los filtros digitales se utilizan además con mucha frecuencia los filtros Butterworth, Bessel, Chebyshev o Cauer.

Los filtros del estado de la técnica tienen ventajas en determinadas condiciones de aplicación. Sin embargo, dependiendo del caso de aplicación, la velocidad de reacción o la tolerancia a las perturbaciones de distinta magnitud pueden no ser suficientes, y con tales condiciones marco, la duración de medición no puede acortarse suficientemente con esta disposición.

Por lo tanto, la presente invención tiene el objetivo de modificar el procesamiento de señales de valores de medición durante la transición del valor medio de un primer valor constante a un segundo valor constante, de tal manera que se produzca una reacción rápida a posibles cambios de la señal de entrada, que se pueda acortar el tiempo hasta disponer de un resultado de medición suficientemente fiable y que se pueda aumentar la estabilidad del resultado de medición después de la adquisición inicial.

Además, debe ser posible predefinir diferentes métodos para la evaluación de la estabilidad, y debe ser posible obtener resultados de medición suficientemente precisos incluso en el caso de la presencia de mayores influjos perturbadores.

Este objetivo se consigue mediante un procedimiento de procesamiento de señales según la reivindicación 1 y una balanza combinada según la reivindicación 15. Otras realizaciones ventajosas son objeto de las reivindicaciones dependientes.

Una primera forma de realización del procedimiento de procesamiento de señales según la invención comprende los siguientes pasos:

a) el muestreo repetido de una señal de medición entre un primer valor constante (es decir, la señal de peso real de un equipo de pesaje vacío) y un segundo valor constante (es decir, la señal de peso real de un equipo de pesaje lleno) dentro de un intervalo de tiempo predefinido a una velocidad de datos, obteniénose i valores discretos;

b) el preprocesamiento de la señal de medición, la determinación y la emisión de magnitudes características resultantes,

c) el suministro de al menos dos, como máximo p magnitudes características resultantes a las respectivas entradas de al menos una red neuronal artificial como valores de entrada, el procesamiento de los valores de entrada en al menos una capa oculta,

d) la emisión de q valores de salida desde una capa de salida, siendo un valor de salida el valor estimado para el segundo valor constante, pudieno presentar la capa de entrada, la al menos una capa oculta y las capas de salida un número diferente de neuronas conectadas a través de enlaces ponderados a las neuronas de las respectivas capas anteriores y/o siguientes.

El término equipo de pesaje incluye el propio recipiente de pesaje y un dispositivo adecuado que reproduce el peso de este y, por tanto, determina la señal de peso del recipiente.

Un valor estimado para el segundo valor constante de la señal de peso puede proporcionar un valor suficientemente preciso y estable más temprano que con los procedimientos conocidos en el estado de la técnica, y por tanto, en una balanza de cabezales múltiples puede determinarse más temprano una estimación suficientemente precisa para una señal de peso de un equipo de pesaje, y por tanto, el equipo de pesaje puede utilizarse más temprano para una formación de combinación, y el producto pesado puede ser lanzado más temprano, por lo que el equipo de pesaje queda disponible más temprano para una nueva alimentación. Esto hace posible un mayor caudal de productos de la balanza de cabezales múltiples.

Además, se puede realizar una estabilización más rápida del valor estimado en condiciones normales, es decir, sin efectos perturbadores especiales.

Además, el procedimiento tiene una mayor inmunidad a las perturbaciones aperiódicas y periódicas en comparación con el estado de la técnica.

Además, es posible una medición de una señal de peso en condiciones difíciles, una supresión de frecuencias perturbadoras y una función de corrección adaptativa para una medición dinámica.

Preferiblemente, las magnitudes características resultantes en el paso b) se seleccionan de entre los máximos y mínimos de la señal de peso y los momentos correspondientes, las áreas cubiertas por el curso de la señal en momentos determinados, los gradientes o curvaturas en momentos determinados, así como la temperatura, la presión, la humedad del aire, la hora, la irradiación solar, las magnitudes características de EMV, así como magnitudes características de las propiedades del producto, como la densidad, las propiedades de adherencia y el grado de humedad. Los valores preprocesados pueden reflejar mejor las propiedades características de la señal para su posterior procesamiento que los valores de medición en bruto.

Además, preferiblemente, en el paso d), la precisión de pronóstico es emitida como valor de salida adicional de la red neuronal artificial.

La confianza esperada en cuanto a la precisión de valores estimados viene indicada por la precisión de pronóstico y debe influir en la decisión relativa al uso del valor estimado correspondiente. Por lo tanto, un criterio de parada puede ser adaptada en función de la precisión de pronóstico y conducir a un tiempo de adquisición de valores correspondiente al posible error. Un criterio de parada define aquí a partir de qué momento el valor estimado puede considerarse un valor de peso válido (es decir que se ha aproximado lo suficiente al valor real) y el contenido de un equipo de pesaje puede usarse para encontrar combinaciones de la balanza de cabezales múltiples. Cuanto más altos sean los requisitos del criterio de parada (es decir, cuanto más exacto debe ser el valor estimado y, por tanto, cuanto más cerca el valor estimado debe estar del valor de peso real del equipo de pesaje), más tiempo debe observarse la señal de peso y más tiempo deben utilizarse valores discretos de la señal de peso para el cálculo del valor estimado (es decir, más valores discretos deben computarse para el cálculo).

Preferiblemente, el procedimiento de procesamiento de señales presenta además los pasos d1) y d2):

d1) la comprobación si la precisión de pronóstico se encuentra dentro de un intervalo de valores predeterminado y se ha alcanzado un criterio de parada (SSK);

d2) si la precisión de pronóstico está dentro de un intervalo de valores predeterminado, la aceptación del valor estimado como segundo valor constante para la señal de peso; si la precisión de pronóstico no está dentro del intervalo de valores predeterminado, el procesamiento de valores de peso adicionales hasta que se alcance un valor válido, o la adaptación del criterio de parada (SSK) y la repetición de los pasos a) a d1).

Esta precisión de pronóstico influye en la decisión de si debe usarse el valor estimado.

La precisión de pronóstico puede estar definida de diferentes maneras:

a) como probabilidad de que la estimación acierte (precisión de pronóstico PGe (0,1)), en cuyo caso, en caso de una estimación precisa, la precisión del pronóstico adopta el valor de uno;

b) como error probable de la estimación por la sustracción del segundo valor constante WK2 del valor estimado SW (dSW=SW-valor realmente detectado).

En este caso, la precisión de pronóstico lleva signo (PGe (-1,1)), y el signo indica la dirección de desviación y en el caso de una estimación precisa se supone que el valor es cero (PG=0); aquí, por ejemplo, se pueden utilizar diversas funciones f que representan el error en el intervalo de valores [-1; 1] como sigmoide, tanh, relu,, PG=f(dSW)

De esta manera, se hace posible que el valor estimado represente un valor suficientemente preciso y estable más temprano que en los procedimientos según el estado de la técnica. La confianza esperada en la precisión del valor estimado viene indicada por la precisión de pronóstico PG y debe influir en la decisión relativa al uso del valor estimado. Por tanto, el criterio de parada SSK (es decir, el criterio que debe cumplirse cuando se acepta un valor estimado SW y se libera el SW para su uso subsiguiente, sin esperar el valor de peso real), puede adaptarse en función de la precisión de pronóstico PG y conducir a un tiempo de adquisición de valor WEZ correspondiente al posible error.

Cuál es el momento óptimo en el que se calcula la red neuronal artificial puede depender de diversos factores, como por ejemplo, las características del producto. En otras palabras: Por ejemplo, puede depender de las características del producto cuántas señales de peso preprocesadas deben usarse hasta que pueda ser calculado un valor estimado con la ayuda de la red neuronal artificial. Para ello, la red neuronal artificial es entrenada y, posteriormente, en nuevas mediciones en curso, proporciona en los momentos correspondientes un valor estimado para la señal de peso y una precisión de pronóstico.

También sería posible que diferentes redes neuronales artificiales (con diferentes neuronas así como enlaces ponderados) estén disponibles para su selección y, dependiendo del valor o curso de las entradas, la propia red neuronal artificial decida cuál utilizar.

En una segunda forma de realización, se utilizan i redes neuronales artificiales sucesivamente, siendo i mayor que 1. Entonces, el procedimiento incluye los siguientes pasos adicionales:

e) la lectura de p magnitudes características resultantes así como de q valores de salida de la respectiva red neuronal artificial anterior, siendo un valor de salida el valor estimado para el segundo valor constante y siendo un valor de salida adicional la precisión de pronóstico de la respectiva red neuronal artificial anterior, como nuevos valores de entrada en una red neuronal artificial adicional;

f) el cálculo de valores de salida de la red neuronal artificial actual, siendo un valor de salida el valor estimado para el segundo valor constante y siendo un valor de salida adicional la precisión de pronóstico de la red neuronal artificial actual;

g) la repetición de los pasos e) y f) hasta que se hayan calculado i redes neuronales artificiales;

h) la emisión de los valores de salida finales, siendo emitidos al menos un valor estimado final y una precisión de pronóstico final.

Las redes neuronales artificiales posteriores utilizan, entre otras cosas, también las salidas de la red neuronal artificial precedente, opcionalmente también de redes neuronales artificiales adicionales precedentes, etc. La confianza esperada en cuanto a la precisión de pronóstico puede entrenarse mejor aquí con la ayuda del valor estimado de la etapa precedente y reflejar mejor la calidad del pronóstico.

Además, preferiblemente, la decisión relativa al uso el valor estimado como señal de peso final se produce en función de la tendencia (convergencia, divergencia, banda de dispersión...) de los sucesivos valores estimados emitidos por las redes neuronales individuales, o en función de las precisiones de pronóstico de las redes neuronales individuales, o una combinación de ambas.

Esto permite alcanzar rápidamente una señal de peso final.

En una tercera forma de realización, los valores de salida, suministrados como valores estimados de al menos una red neuronal artificial a un filtro digital en el que la señal de peso actual se da como entrada y que sigue la evolución temporal de la señal de peso. Incluso si los valores estimados son ligeramente erróneos al principio, serán corregidos hacia el valor correcto por el filtro digital con los valores de entrada reales.

Con esta combinación se garantiza que se puede alcanzar un buen valor estimado en una fase temprana. El filtro digital recibe valores reales, pero en esta forma de realización también recibe precisamente de manera adicional un valor estimado en una fase muy temprana.

En una cuarta forma de realización del procesamiento de señales se aplica uno de los procedimientos mencionados anteriormente, pero el curso de la señal se examina en cuanto a las frecuencias contenidas, por ejemplo, mediante el análisis de Fourier. En este, se calculan los periodos de los componentes de señal de baja frecuencia (por ejemplo, fi, f2)..y se calcula un valor medio a lo largo de un periodo completo de la más baja. La influencia de esta frecuencia fi se elimina completamente, manteniéndose la misma amplitud. Si se debe eliminar la influencia de las dos primeras frecuencias bajas, hay que promediar durante un tiempo que corresponda al menor múltiplo común de los dos primeros periodos. La influencia de las frecuencias fi y f2 se elimina completamente, manteniéndose la misma amplitud.

Si los componentes de señal decaen de forma atenuada, el valor medio contendrá un componente residual que refleja el decaimiento de la amplitud. En caso de ser conocido el factor de atenuación, la formación de valor promedio puede tener en cuenta de manera correspondiente el decaimiento de las amplitudes y lograr así una eliminación total de la influencia de los componentes de señal.

El factor de atenuación puede calcularse o bien a partir del propia curso de señal o bien es específico del sistema y conocido.

En una quinta forma de realización, se realiza un preprocesamiento de la señal de peso en el paso b) con la ayuda de un análisis de Fourier de la señal de peso. En este, se determinan al menos una frecuencia perturbadora así como la amplitud o las amplitudes instantáneas de esta, así como sus posición(es) de fase, y a partir de ello se determina una señal de compensación en oposición de fase que se suma a la señal de peso para obtener una señal de peso corregida. Además, preferiblemente, se determina continuamente una atenuación a partir de la señal de peso para corregir las amplitudes de las señales de compensación.

A partir de la señal de peso corregida se determinan las magnitudes características resultantes con las que opera la al menos una red neuronal artificial en el paso c).

Una "liberación" de la señal de peso de uno o varios componentes de señal de frecuencias perturbadoras también puede realizarse mediante una descomposición de la señal de peso en componentes de frecuencia individuales por transformación de Fourier, la supresión de los componentes correspondientes a las frecuencias perturbadoras y la retransformación al intervalo de tiempo.

De este modo, la señal de peso se libera prácticamente de los componentes dinámicos y, por tanto, se vuelve mucho más tranquila. El criterio de parada puede alcanzar un valor válido más temprano que con la señal de peso real sin corregir. El tiempo de adquisición de valores se acorta y, en el caso de una balanza combinada, da lugar a mayores rendimientos y a mejores posibilidades de combinación debido a un mayor número de equipos de pesaje disponibles para el cálculo de una combinación.

En una sexta forma de realización, se determina la diferencia entre un valor estimado SW y la señal de peso W, a partir de ello se determina un factor de corrección a lo largo del tiempo y este se resta de la señal de peso W en mediciones siguientes para obtener una señal de peso corregida, determinándose a partir de la señal de peso corregida las magnitudes características resultantes que se usan en el paso c). A partir de ello, puede ser calculado aún más rápidamente un valor estimado preciso.

Además, preferiblemente, por un sensor son determinadas posibles frecuencias perturbadoras, de forma separada de la magnitud de medición real.

Preferiblemente, para un cálculo aún más preciso del segundo valor constante, es determinada la diferencia entre el valor estimado y la señal de peso, y a partir de ello es determinado un factor de corrección a lo largo del tiempo, y este se resta de la señal de peso W en mediciones siguientes para obtener una señal de peso corregida y compensar un error de detección.

Esta corrección sirve para la determinación de un valor aún más preciso tras la determinación del valor estimado. De esta manera, se puede garantizar que, incluso si se ha determinado una señal válida, se pueda determinar un valor de peso aún más preciso. De este modo, en una balanza combinada, por tanto, un dispositivo de pesaje puede presentar un valor válido, pero si este dispositivo de pesaje aún no es necesario para encontrar la combinación, mediante la ganancia de tiempo puede ser determinada una señal de peso aún más precisa.

Además, preferiblemente, el factor de corrección puede ser calculado a partir de un curso de magnitud fijo, independiente del proceso de medición, por ejemplo, a partir de una medición anterior con productos similares a pesar.

De este modo, los valores de medición previamente determinados pueden utilizarse para mediciones siguientes, lo que puede conducir a una adquisición de valores más rápida y precisa.

Preferiblemente, diferentes variantes de los procedimientos de procesamiento de señales son calculados en paralelo y sus resultados se reúnen formando un valor promedio del valor estimado mediante un método de promediación adecuado, con lo que se mejora la precisión del valor estimado.

Preferiblemente, para el criterio de parada de la señal de peso, se comparan dos valores de peso sucesivos, valores de salida de la red neuronal artificial o del filtro digital, y si su diferencia es menor que un valor predefinido, se aumenta un contador de forma incremental, y si su diferencia es mayor que un valor predefinido, se reduce un contador de forma incremental, y cuando el contador alcanza una especificación determinada (es decir, un valor determinado - por ejemplo 10), se considera que se cumple el criterio de parada. Entonces, el valor de peso, los valores de salida de la red neuronal artificial o del filtro digital pueden utilizarse para un procesamiento posterior, por ejemplo, para formar una combinación.

Especificando un valor para la diferencia entre dos valores de peso resultantes sucesivos, así como el valor a especificar para el contador, con el que se considera que se cumple el criterio de parada, pueden especificarse individualmente precisiones del valor estimado para una señal de peso, por ejemplo, también en función del producto, del aparato, etc.

Además, preferiblemente, el contaje ascendente del contador se realiza con un incremento predefinido y el contaje descendente se realiza con un decremento predefinido; estos pueden ser elegidos de manera diferente dependiendo de los requisitos de precisión.

Alternativamente, para el criterio de parada de la señal de peso se comparan dos valores de peso sucesivos, y si su diferencia es menor que un valor predefinido, se aumenta un contador de forma incremental, y si su diferencia es mayor que un valor predefinido, el contador se pone en el valor cero, y si el contador alcanza una especificación predefinida (es decir, un valor determinado, por ejemplo 10), se considera que se cumple el criterio de parada.

De esta manera, se pueden evitar aún mejor las imprecisiones, ya que en caso de desviaciones graves entre las señales de peso de dos valores de peso sucesivos, se garantiza que un número determinado de valores de peso resultantes adicionales se registran y se tienen en cuenta para la evaluación

Una balanza combinada según la invención presenta:

un plato distribuidor así como varios canales de dosificación que están provistos respectivamente de un accionamiento,

así como al menos un equipo de pesaje y, opcionalmente, uno o varios recipientes de almacenamiento que está(n) dispuesto(s) respectivamente debajo del extremo de un canal de dosificación,

así como una tolva colectora que está adaptada para recibir productos procedentes de los equipos de pesaje, estando adaptados los equipos de pesaje están adaptados para registrar y emitir una señal de peso a lo largo del tiempo,

presentando la balanza combinada un dispositivo de control que está adaptado para ejecutar, para al menos un equipo de pesaje, un procedimiento de procesamiento de señales según la invención, para determinar valores estimados para la señal de peso del (de los) dispositivo(s) de pesaje, determinar a partir de estos combinaciones y controlar el lanzamiento de producto desde el / los dispositivo(s) de pesaje.

Por lo tanto, no es necesario esperar hasta que haya una señal de peso precisa procedente de uno o varios equipo(s) de pesaje; se puede usar la señal estimada que pronostique con suficiente precisión el segundo valor constante real de la señal de peso.

De este modo, los equipos de pesaje individuales pueden ser usados más temprano para encontrar combinaciones, el rendimiento de la balanza combinada aumenta y las magnitudes perturbadoras pueden filtrarse. Por lo tanto, también disminuye el error de las señales de peso de equipos de pesaje individuales.

A continuación, se explican con más detalle formas de realización seleccionadas de la presente invención con la ayuda de las figuras descritas a continuación.

La figura 1 muestra el muestreo de una señal de medición (por ejemplo, la señal de peso de un equipo de pesaje de una balanza combinada) a lo largo del tiempo.

La figura 2 muestra el preprocesamiento de la señal de medición según una primera forma de realización de la presente invención. En la figura 2 a) se determinan valores extremos (es decir, los mínimos y máximos locales), y en la figura 2 b) se muestra que se determinan áreas cubiertas hasta los mínimos y máximos locales, y la figura 2 c) muestra el preprocesamiento de la señal de medición mediante el cálculo de pendientes y curvaturas en momentos fijados.

La figura 3 muestra la estructura de una red neuronal artificial según una primera forma de realización de la presente invención.

La figura 4 muestra la adquisición de valores con la ayuda de la red neuronal artificial según una primera forma de realización de la presente invención.

La figura 5 muestra una conexión en serie de varias redes neuronales artificiales y el procesamiento de un valor de medición según una segunda forma de realización de la presente invención.

La figura 6 muestra una tercera forma de realización de la presente invención, en la que tras el procesamiento de datos por una red neuronal artificial tiene lugar el cambio a un filtro digital.

La figura 7 muestra un procesamiento de datos o de valores de medición según una cuarta forma de realización de la presente invención, siendo registrado aquí un valor medio a lo largo de períodos enteros. La figura 8 muestra una quinta forma de realización de la presente invención en la que frecuencias perturbadoras se eliminan mediante una señal de compensación en oposición de fase.

La figura 9 muestra una sexta forma de realización de la presente invención, aquí se muestra cómo se corrige un error de detección correspondiente.

La figura 10 muestra un fragmento de una balanza de cabezales múltiples con un sistema de procesamiento de señales conectado, según una de las realizaciones de la presente invención.

En la figura

célula de pesaje de una balanza de cabezales múltiples. Aquí, en momentos determinados son leídos valores discretos W(i). El momento 0 describe aquí el momento en que un producto que ha de ser pesado es lanzado a la célula de pesaje de la balanza de cabezales múltiples. El primer valor constante WK1 era el valor cero, ya que antes del lanzamiento del producto no se indicaba ningún peso en la célula de pesaje.

La señal de peso W aumenta constantemente y alcanza un máximo W(4) (también debido al impulso de impacto), mientras que después vuelve a disminuir a lo largo del tiempo, estando entonces la señal de peso sujeta a algunas fluctuaciones con mínimos y máximos locales. En la figura 1 se muestran 15 valores de medición del peso W(1)-W(15). El primer punto de medición W(1) está en 0, como se ha dicho, después se dispara antes de alcanzar un primer máximo local en W(4), después sigue disminuyendo hasta alcanzar un mínimo local siguiente en W(6), y después, los máximos se alternan con los mínimos correspondientes. En el primer intervalo, es decir, entre W(4) y W(7), la distancia entre dos extremos contiguos, en este caso máximos, es relativamente grande, mientras que esta disminuye en el curso siguiente: Por ejemplo, la distancia entre los dos máximos cerca de W(13) y W(15) es correspondientemente menor.

El valor de medición para la señal de peso W se mueve hacia un segundo valor constante WK2 a medida que avanza el tiempo t.

Por lo tanto, en el ejemplo de la figura 1, la exploración se realiza con la ayuda de pasos de tiempo At predefinidos. Independientemente de cómo se comporte la señal, siempre se registra un nuevo valor de medición W(i) al cabo de cierto período de tiempo At, es decir que la señal medida se muestrea de manera correspondiente. La inversa correspondiente de la diferencia de tiempo At es aquí la velocidad de datos DR (no se muestra en la figura 1). Cuanto mayor sea la velocidad de datos DR (cuanto menor es el intervalo de tiempo At), más exactamente es reproducida de manera correspondiente la señal de peso W.

En la figura 2 se muestra en general un preprocesamiento de los valores de la señal de medición y la determinación de magnitudes características significativas.

En la figura 2 a) se muestra que, independientemente del intervalo de tiempo At, se registran respectivamente los máximos locales MAX(1), Ma X(2), MAX(3), MAX(4), MAX(5) y Ma X(6), es decir, puntos discretos, y correspondientemente también los mínimos locales MIN(1), MIN(2), MIN(3), MIN(4), MIN(5) y MIN(6). Los máximos y mínimos locales se alternan: la distancia entre dos máximos o mínimos contiguos se reduce con el tiempo.

La figura 2 b) muestra otro ejemplo de un preprocesamiento de los datos de la señal de medición. Aquí, las áreas AR1 y AR2 cubiertas por el curso de la señal se registran de manera correspondiente en el primer máximo local MAX(1) así como en el primer mínimo local MIN(1).

La figura 2 c) muestra un tercer ejemplo del preprocesamiento. Aquí, en momentos fijados t-i, t2, t3.... se registran las pendientes m(i) o las curvaturas K(i). Las pendientes m(i) resultan del cociente de la diferencia de dos señales de peso W(i+1) y W(i) por la diferencia de ambos tiempos t¡+1 y ti. Las curvaturas K(i) resultan de la diferencia de dos pendientes m(i+1) y m(i) por la diferencia de ambos momentos t+1 y ti.

Los valores preprocesados, como se muestra en las figuras 2 a) a 2 c), pueden reflejar mejor las propiedades características de la señal que los valores discretos meramente muestreados W(i) como en la figura 1.

La figura 3 muestra la estructura y la construcción de la red neuronal artificial que se usa para el procesamiento de valores de medición y de señales según la primera forma de realización de la presente invención. En el ejemplo de la figura 3, está representada aquí una capa de entrada I con varios nodos I(1), I(2).... I(p). En la capa de entrada I son leídas p señales de entrada, por ejemplo las magnitudes características que se toman de un preprocesamiento de la señal de medición, es decir, por ejemplo, p máximos / mínimos de la señal de medición según la figura 2a. Las capas ocultas H se componen de un número diferente de neuronas de las capas ocultas H(m,n). En el presente ejemplo, están representadas respectivamente dos columnas y cuatro filas de neuronas de las capas ocultas H(m,n), pero los puntos indican que este número aún puede ampliarse de manera correspondiente.

Además, están representadas varias neuronas de la capa de salida O con varios nodos I(1), .... I(q).

Los valores de salida de las capas de salida O son A(1) ...A(q).

Pueden ser, por ejemplo, el valor estimado SW de forma temprana del segundo valor constante WK2 y una calidad de pronóstico PG, pero también otras magnitudes características del sistema.

Por lo tanto, la red neuronal artificial puede componerse en cada capa de un número diferente de neuronas I(p), H(m,n) así como O(q), estas están conectadas, respectivamente por enlaces ponderados w(m,n), a las neuronas correspondientes de la misma capa o de la capa anterior / siguiente. Un enlace ponderado de este tipo se indica a modo de ejemplo entre una neurona de la capa de entrada I(1) y una neurona de la capa oculta H(1,1), mediante una flecha, el enlace ponderado está designado aquí por w(m,n). Los enlaces ponderados w(m,n) son recalculados constantemente durante la fase de entrenamiento de la red neuronal artificial y son adaptados de manera correspondiente.

La figura 4 ilustra la adquisición de valores con la ayuda una red neuronal artificial KNN de una sola etapa según la primera forma de realización de la presente invención. Aquí, se muestra cómo se suministran valores p E(1)....E(p) a la red neuronal artificial, y en el presente ejemplo se emiten dos valores, en concreto, la calidad de pronóstico PG y un valor estimado SW para el segundo valor constante WK2. El valor estimado SW debe indicar un valor estable suficientemente preciso. La confianza esperada en cuanto a la precisión del valor de estimación SW viene dada por la precisión de pronóstico PG.

La figura 5 muestra una segunda forma de realización de la presente invención, en la que la adquisición de valores tiene lugar dentro de una red neuronal artificial KNN multietapa. Aquí, varias redes neuronales artificiales KNN1, KNN2, KNN3 ...KNNi están conectadas en serie. Como valores de entrada se usan a su vez de manera correspondiente i valores de entrada E(1)... E(p). Estos son leídos a la primera red neuronal artificial KNN1. Este es ahora un cálculo con un primer valor de medición W1, en este caso el primer máximo local. La primera red neuronal artificial KNN1 suministra una primera calidad de pronóstico PG1 así como un primer valor estimado SW1 a la segunda red neuronal artificial KNN2. También los valores de entrada E1... E(p) son suministrados a la segunda red neuronal artificial KNN2. En un siguiente punto de medición W2 tiene lugar un segundo cálculo. Este tiene en cuenta no solo los valores de entrada E(1)....E(p), sino también la precisión de pronóstico PG1 de la primera red neuronal artificial KNN1, así como su valor estimado SW1. La segunda red neuronal artificial KNN2 emite por tanto una segunda precisión de pronóstico PG2 y un segundo valor estimado SW2. Estos son transmitidos a la tercera red neuronal artificial KNN3, adicionalmente también de nuevo los valores de entrada E(1)... E(p). La tercera red neuronal artificial KNN3 calcula una tercera precisión de pronóstico PG3, así como un tercer valor estimado SW3. La precisión de pronóstico mejora cada vez más, lo que también se demuestra por la menor dispersión de SW1 a SW3. La tercera red neuronal artificial KNN3 realiza el cálculo en un tercer punto de medición W3. Esto se repite hasta una i-ésima red neuronal artificial KNNi, hasta que finalmente se obtiene un valor estimado final SWi y se emite una precisión de pronóstico final PGi. La confianza esperada en cuanto a la precisión del valor estimado PG(i-1) de la red neuronal artificial KNN(i-1) anterior puede ser mejor entrenada con la ayuda del valor estimado SW(i-1) de la etapa anterior, y por tanto, la calidad de pronóstico puede ser reflejada mejor. Metodológicamente, la estimación de los valores estimados individuales y las precisiones de pronóstico se realiza de la siguiente manera: Según la primera red neuronal artificial KNN1, tanto el valor estimado SW1 como la precisión de pronóstico PG1 se encuentran en el primer rango de estimación S1e (S1m, S1^m) y PG1e (PG1m, PG1^m).

Una vez que está disponible el valor estimado SW1, se puede determinar el momento de realizar la siguiente etapa de la segunda red neuronal artificial para determinar el siguiente valor de medición W2 relevante, pudiendo tener lugar aquí el cálculo de la segunda etapa de las redes neuronales artificiales, por ejemplo, cuando el siguiente valor de medición W2 llega al valor W=(W(1)+SW(1))/2, o cuando el área cubierta por el curso de la señal adopta el valor A2=k x A1 con ke(1,n). También puede haber criterios adicionales, independientes o incluso dependientes del curso de la señal.

Cuando el valor de medición actual ha alcanzado el punto W2, la segunda red neuronal artificial KNN2 calcula el segundo valor estimado SW2 y una segunda precisión de pronóstico PG2. De este modo, ambos valores se encuentran en un respectivo segundo rango de estimación S2e (S2m, S2^m) y PG2e (PG2m, PG2^m). Generalmente, el rango de estimación ya es más estrecho ahora (S2c S1). Una vez que está disponible el segundo valor estimado SW2, puede ser determinado el siguiente valor de medición W3 relevante. Después, puede seguir un número discrecional de etapas adicionales según el mismo principio. De este modo, los rangos posibles de los valores estimados SW deberían ser cada vez más estrechos, los valores estimados SW cada vez más precisos y las precisiones de pronóstico PG cada vez mejores. Una decisión de usar un valor estimado SWi discrecional como valor constante WK2 previsto puede tomarse con la ayuda de diversos procedimientos, por ejemplo, considerando la tendencia (hay convergencia o divergencia de los sucesivos valores estimados SWi, SWi-1, o se reduce de manera correspondiente la banda de dispersión), o pueden ser consideradas las precisiones individuales del proceso PGi, PGi-1.... También se puede producir una combinación de los dos procedimientos.

En la figura 5 se muestran respectivamente las precisiones de pronóstico sin signo PGF y las precisiones de pronóstico con signo PGV. Ambas variantes mejoran cada vez más con el tiempo, las precisiones de pronóstico sin signo PGF se aproximan al valor de uno, y las precisiones de pronóstico con signo PGV se aproximan al valor de cero.

En la figura 6, se muestra una tercera forma de realización de la presente invención, en la que se usa un procesamiento de señales por medio de un procedimiento según la primera o segunda forma de realización, es decir, el filtrado con una o varias redes neuronales artificiales. Estas emiten un valor estimado SW para el segundo valor constante WK2. Este valor estimado se establece como valor de salida para un filtro digital ^dF que tiene la señal de peso W como señal de entrada y sigue la evolución temporal de la señal de medición. Para ello, los parámetros intermedios internos del filtro digital DF son calculados de forma que la salida del filtro digital DF corresponda al valor SW, es decir, al valor estimado del cálculo de la red neuronal artificial o de varias redes neuronales artificiales. Estando ajustados correspondientemente los parámetros del filtro digital DF (por ejemplo, orden, frecuencia de corte...), las magnitudes perturbadoras se filtran de la señal de medición y las fluctuaciones de la señal de medición se alisan. En la figura 6 a) el cambio a un filtro digital DF tiene lugar con un valor estimado SW1 muy bueno que corresponde al valor de peso real. Las fluctuaciones de la señal de medición (representadas de forma discontinua) son suprimidas por el filtro digital DF. Incluso en caso de un valor estimado SW inicialmente ligeramente erróneo, es corregido por el filtro digital DF con los valores de entrada reales hacia los valores correctos. Un criterio de parada correspondiente SSK evalúa la dinámica de la señal de salida del filtro digital DF según una regla predefinida. Por ejemplo, se permite que los cambios en el valor se vuelvan menores que un cierto importe, y entonces se habilita el uso de la señal filtrada para el control, entonces se supone que una señal de peso es constante y se usa para el control de la balanza.

En la figura 6 b) se muestra un peor valor estimado SW2. Aquí queda claro que tarda más en aproximarse al segundo valor constante WK2.

La figura 7 muestra una cuarta forma de realización de la presente invención. Aquí se examina el curso de las señales S1 y S2 en cuanto a las frecuencias contenidas, aquí mediante el análisis de Fourier. En la figura 7 a) se calculan los periodos de los componentes de señal f1, f2 de baja frecuencia (no designados explícitamente aquí) y se calcula un valor medio a lo largo de todo un periodo de la más baja. Para ello, la influencia de esta frecuencia f1 se elimina por completo, es decir, se resta, mientras que la amplitud sigue siendo la misma. Si debe ser eliminada la influencia de las dos primeras frecuencias bajas, debe ser promediado un tiempo que corresponda al menor múltiplo común de los dos primeros periodos. La influencia de las frecuencias f1 y f2, con amplitud constante, se elimina por completo (figura 7 b)).

Si los componentes de la señal decaen de manera atenuada (figura 7 c)), el valor promedio reflejará un componente residual que refleja el decaimiento de la amplitud (figura 7 d)). Si se conoce el factor de atenuación, la formación de valor promediado puede tener en cuenta de manera correspondiente el decaimiento de las amplitudes y lograr así una eliminación completa de la influencia de los componentes de señal (figura 7 e)).

El factor de amortiguación puede ser calculado o bien a partir del propio curso de la señal, o bien, es específico del sistema y conocido, ya que cada sistema mecánico tiene una frecuencia propia.

La figura 8 muestra una quinta forma de realización de la presente invención. Aquí, en la figura 7 a) está representada una señal de peso WS afectada por magnitudes perturbadoras. Las frecuencias perturbadoras correspondientes deben ser filtradas. En este caso, se examina primero el curso de la señal en cuanto a las frecuencias que contiene, por ejemplo, con la ayuda de un análisis de Fourier. A partir de esto, pueden ser determinadas entonces la frecuencia perturbadora f - así como sus amplitudes instantáneas y las posiciones de fase (figura 7 b)). Tras un cierto número de mediciones, es decir, una medición a lo largo de varias oscilaciones, el curso de estas magnitudes de medición puede utilizarse para calcular una amortiguación de la respectiva frecuencia. Entonces, paralelamente a la adquisición posterior de la señal de peso, puede ser determinada una señal de compensación 'i en oposición de fase (figura 7 c)). A partir de esto, puede ser calculada una señal de peso W post-procesada, en la que la señal de compensación ^T< en oposición de fase se suma a la señal de peso W s (figura 7 d)). De este modo, se puede eliminar la magnitud perturbadora. A partir de ello, se obtiene entonces una señal de peso W depurada. La atenuación calculada puede ser recalculada continuamente a partir de las señales de medición para corregir las amplitudes de las señales de compensación. Por lo tanto, la señal de medición es liberada de una o varias frecuencias perturbadoras, y por tanto, la señal de peso W es liberada casi por completo de los componentes dinámicos de las frecuencias perturbadoras y, por lo tanto, se vuelve considerablemente más tranquila. Esta señal de peso W se usa entonces como valor de entrada para el cálculo del valor estimado con al menos una red neuronal artificial según una de las formas de realización anteriores. Un criterio de parada puede detectar un valor válido y correcto más temprano que con la señal de peso en sí, y el tiempo del proceso de pesaje se acorta. En una balanza de cabezales múltiples, esto puede conducir a un mayor rendimiento o a mejores posibilidades de combinación debido a un mayor número de equipos de pesaje disponibles para una combinación.

La figura 9 muestra una sexta forma de realización según la presente invención, realizándose aquí un proceso de medición según una de las formas de realización anteriores. Sin embargo, aquí puede ser efectuada una corrección adaptativa de la señal de medición filtrada para compensar de manera correspondiente un error de detección. También en este caso, un criterio de parada SSK determina el momento en que la señal de peso W puede ser considerada válida.

En la figura 9 a) se muestra que un primer valor considerado como válido, es decir, el primer valor de detección EEW, no es todavía igual al segundo valor constante WK2 y el curso temporal de la señal de peso W seguirá cambiando hasta que alcance el segundo valor constante WK2. El primer valor de detección EEW así como el curso temporal de la señal de peso W se almacenan aquí en esta forma de realización. A lo largo de varias mediciones, se forma un curso medio del error de detección MVEF hasta alcanzar un valor final estático. Para cada medición pendiente, se resta entones un valor correspondiente al curso temporal a partir de la presencia del primer valor de detección EEW y, por tanto, se corrige de manera correspondiente. Esto se muestra en la figura 9 b), aquí el error de detección MVEF a partir del valor de detección EEW se ha restado de la señal de peso.

El curso no corregido de la señal de peso W influye a su vez en el cálculo en curso del error de detección MVEF. Al recalcularse constantemente el error de detección MVEF, este se adapta al comportamiento actual de la disposición de medición y de manera correspondiente también a las condiciones de medición. Aquí también se pueden utilizar los influjos ambientales, como la temperatura, la humedad del aire, la irradiación solar o similares. Por lo tanto, la corrección y el comportamiento del procesamiento de la señal son adaptativoso capaces de autoaprendizaje. A partir del curso del error de detección MVEF puede ser calculada una fórmula de corrección y esta puede ser usada para la corrección (por ejemplo, una corrección linealmente decreciente LKEF, comenzando con el valor de detección EEW a lo largo de un intervalo de tiempo EEZ, como se muestra en la figura 9 c). Incluso con una simple corrección lineal, el curso de valor corregida es significativamente más precisa que el no corregido, especialmente en el primer intervalo de tiempo tras el registro inicial.

La figura 10 muestra una balanza combinada KW en la que se puede llevar a cabo un procedimiento según la invención. La balanza combinada está constituida por un plato distribuidor 1 al que son lanzados productos. Este lo distribuye los distribuye a los canales de dosificación 15, cada uno de las cuales está equipado con un accionamiento 11. El producto cae desde los canales de dosificación a varios recipientes de almacenamiento 12 y, después, al equipo de pesaje 13.

Los equipos de pesaje 13 individuales pueden pesar productos contenidos en los mismos y formar una a partir de ello una combinación; por ejemplo, si deben ser envasados 100 g de producto, se abren determinados equipos de pesaje, de manera que entonces puede ser lanzado un peso de producto lo más próximo posible a los 100 g.

Al abrirse estos equipos de pesaje 13, los productos son lanzados a una tolva colectora 14, desde la que pueden ser suministrados a una unidad de envasado (no mostrada aquí). En un equipo de pesaje 13 se muestra a modo de ejemplo el procesamiento de señales. Aquí, una señal de pesaje va a un equipo de control 20 que de manera correspondiente realiza un procedimiento de procesamiento de señal según la presente invención. Este genera un valor estimado SW para la señal de peso de los equipos de pesaje 13 individuales. Estos valores estimados SW son utilizados por el equipo de control 20 para encontrar la combinación, y la apertura de los dispositivos de pesaje 13 individuales se activa en cuanto se ha encontrado una combinación.

La invención no se limita a las formas de realización descritas. Se pueden utilizar valores de entrada y salida adicionales para la(s) red(es) neuronal(es) artificial(es). También se pueden utilizar otras posibilidades para la determinación del preprocesamiento de la señal de peso.

También cabe señalar que todas las formas de realización de la presente invención pueden combinarse entre sí a discreción.

La presente invención se refiere a un procedimiento de procesamiento de señales para señales de peso W procedentes de balanzas, en particular de balanzas combinadas K.

El procesamiento de señales se realiza con la ayuda de valores discretos W(i) preprocesados de la señal de peso W, que se suministran a al menos una red neuronal artificial. Con la ayuda de esta al menos una red neuronal artificial, se determina un valor estimado SW para el peso real, por ejemplo en un equipo de pesaje de una balanza combinada. Esto sucede más rápido que esperando a la señal de peso real. Los valores estimados SW son transmitidos a la balanza de combinación KW que los usa para formar combinaciones.

Claims

REIVINDICACIONES

1. Procedimiento de procesamiento de señales para procesar una señal de peso de un equipo de pesaje, que comprende los siguientes pasos:

a) el muestreo repetido de una señal de peso (W) entre un primer valor constante (WK1) y un segundo valor constante (WK2) con un intervalo de muestreo (At), obteniéndose i valores discretos (W(i));

b) el preprocesamiento de la señal de peso (W), la determinación y la emisión de magnitudes características (Rk (í)) resultantes,

c) el suministro de al menos dos, como máximo i magnitudes características (RK(i)) resultantes a las respectivas entradas (E(p)) de al menos una red neuronal artificial (KNN(1)) como valores de entrada, el procesamiento de los valores de entrada (RK(i)) en al menos una capa interior (H(m,n)),

d) la emisión de valores de salida (A(q)) desde una capa de salida (O(q)), siendo un valor de salida ((A(1)) el valor estimado para el segundo valor constante (WK2),

en el que la capa de entrada (I(i)), la al menos una capa interior (H(i)) y la capas de salida (O(i)) presentan respectivamente neuronas que están conectadas, a través de enlaces ponderados (w(m,n)), a las neuronas de la misma capa o de las respectivas capas anterior y/o posterior.

2. Procedimiento de procesamiento de señales según la reivindicación 1, en el que las magnitudes características resultantes en el paso b) están seleccionadas de entre los máximos (Max(i)) y mínimos (Min(i)) y los momentos (t(i)) correspondientes, y las áreas cubiertas (AR(i) por el curso de la señal en momentos (t(i)) determinados, los gradientes (m(i) o las curvaturas (K(i)) en momentos (t(i)) determinados, así como la temperatura, la presión, la humedad del aire, la hora, la irradiación solar, las magnitudes características de EMV, así como magnitudes características con respecto a las propiedades del producto, como la densidad, las propiedades de adherencia, el grado de humedad.

3. Procedimiento de procesamiento de señales según una de las reivindicaciones anteriores, en el que en el paso d), además es emitida una precisión de pronóstico (PG) como valor de salida (A(2)) adicional.

4. Procedimiento de procesamiento de señales según una de las reivindicaciones anteriores, que comprende además los pasos d1) y d2):

d1) la comprobación si la precisión de pronóstico (PG) se encuentra dentro de un intervalo de valores predeterminado y se ha alcanzado un criterio de parada (SSK) predeterminado;

d2) si la precisión de pronóstico (PG) está dentro de un intervalo de valores predeterminado, la aceptación del valor estimado (SW); si la precisión de pronóstico no está dentro del intervalo de valores predeterminado, el procesamiento de valores de peso adicionales hasta que se alcance un valor válido, o la adaptación del criterio de parada (SSK) y la repetición de los pasos a) a d1).

5. Procedimiento de procesamiento de señales según una de las reivindicaciones 1 a 4, en el que se utilizan i redes neuronales artificiales en serie, siendo i mayor que 1, y que comprende los siguientes pasos adicionales:

e) la lectura de los valores de entrada (RK(i)) así como de valores de salida (A(i-1, q)) de la respectiva red neuronal artificial anterior (KNN (i-1)) a una red neuronal artificial adicional (KNN(i)), siendo un valor de salida (A(i-1, q)) el valor estimado (SW) para el segundo valor constante (WK2) y siendo un valor de salida (A(i-1,2)) adicional la precisión de pronóstico (PG) de la respectiva red neuronal artificial anterior (KNN (i-1);

f) el cálculo de valores de salida (A(i,q)) de la red neuronal artificial actual (KNN (i)), siendo un valor de salida (A(i,1) el valor estimado (SW1) para el segundo valor constante (WK2) y siendo un valor de salida adicional (A(i,2)) la precisión de pronóstico (PG1) de la red neuronal artificial actual (KNN (i));

g) repetir (i-1) veces de los pasos e) y f);

h) la emisión de los valores de salida finales (A(q,i)), siendo emitidos al menos un valor estimado final (SW(i)), así como una precisión de pronóstico final (PG(i)).

6. Procedimiento de procesamiento de señales según la reivindicación 5, en el que la decisión relativa al uso del valor estimado (SW) como segundo valor constante (WK2) se produce en función de la tendencia, por ejemplo, la convergencia, la divergencia o banda de dispersión, de los sucesivos valores estimados (SW(i)) o en función de las precisiones de pronóstico (PG(i)) o de una combinación de ambos.

7. Procedimiento de procesamiento de señales según una de las reivindicaciones 1 a 6, en el que el valor estimado (SW) de la al menos una red neuronal artificial (KNN(i)) es suministrado a un filtro digital (DF) que tiene la señal de peso (W) actual como señal de entrada y que, partiendo de este valor, a partir de este momento sigue la evolución temporal de la señal de peso (W).

8. Procedimiento de procesamiento de señales según una de las reivindicaciones 1 a 7, en el que se realiza un preprocesamiento de la señal de peso (W) en el paso b) mediante un análisis de Fourier de la señal de peso (W), en el que se determina al menos una frecuencia perturbadora (SF) así como las amplitudes instantáneas (AS) de esta, así como sus posiciones de fase (PF), y a partir de ello se determina una señal de compensación (SK) en oposición de fase que se suma a la señal de peso (W) para obtener una señal de peso corregida (WKORR), siendo determinada preferiblemente continuamente una atenuación (D) a partir de la señal de peso (W) para corregir las amplitudes (AK) de las señales de compensación (SK), siendo determinadas a partir de la señal de peso corregida (WKORR) las magnitudes características (RK(i)) resultantes.

9. Procedimiento de procesamiento de señales según la reivindicación 7 u 8, en el que las frecuencias perturbadoras, son determinadas por un sensor (SE) de forma separada de la magnitud de medición real.

10. Procedimiento de procesamiento de señales según una de las reivindicaciones 1 a 9, en el que es determinada la diferencia entre un valor estimado (SW) y la señal de peso (W), y a partir de ello es determinado un factor de corrección (KORR) a lo largo del tiempo, y este se resta de la señal de peso (W) en mediciones siguientes para obtener una señal de peso corregida (WKORR).

11. Procedimiento de procesamiento de señales según la reivindicación 10, en el que el factor de corrección (KORR) es calculado a partir de un curso de magnitud fijo de señales de peso, independiente del proceso de medición.

12. Procedimiento de procesamiento de señales según una de las reivindicaciones 1 a 11, en el que diferentes variantes de los procedimientos de procesamiento de señales son calculados en paralelo y sus resultados se reúnen formando un valor promedio del valor estimado (SW) para el segundo valor constante (WK2), mediante un método de promediación adecuado.

13. Procedimiento de procesamiento de señales según una de las reivindicaciones 4 a 12, en el que para el criterio de parada (SSK) para la señal de peso (W) se comparan dos valores de peso (W(i), W(i-1)) sucesivos, y si su diferencia es menor que un valor predefinido (DIFF), se aumenta un contador (Z) de forma incremental, y si su diferencia es mayor que un valor predefinido (DIFF), se reduce un contador (Z) de forma incremental, y cuando el contador (Z) alcanza una especificación (ZV) determinada, se considera que se cumple el criterio de parada (SSK), realizándose referiblemente el contaje ascendente del contador (Z) con un incremento (IN) predefinido y el contaje descendente con un decremento (DE) predefinido.

14. Procedimiento de procesamiento de señales según una de las reivindicaciones 4 a 12, en el que para el criterio de parada (SSK) para la señal de peso (W) son comparados dos valores de peso (W(i-1), (W(i)) sucesivos, y si su diferencia es menor que un valor (DIFF) predefinido, se aumenta un contador (Z) de forma incremental, y si su diferencia es mayor que un valor (DIFF) predefinido, el contador (Z) se pone en cero, y cuando el contador (Z) alcanza una especificación (ZV) determinada predeterminada, se considera que se cumple el criterio de parada (SSK).

15. Balanza combinada (KW) que presenta:

un plato distribuidor (1) así como varios canales de dosificación (15) que están provistos respectivamente de un accionamiento (11),

así como al menos un equipo de pesaje (13) y, opcionalmente, recipientes de almacenamiento (12) que está(n) dispuesto(s) respectivamente debajo del extremo de un canal de dosificación (15),

así como una tolva colectora (14) que está adaptada para recibir productos procedentes de los equipos de pesaje (13),

estando adaptados los equipos de pesaje (13) para registrar y emitir una señal de peso (W) a lo largo del tiempo (t),

presentando la balanza combinada (KW) además un dispositivo de control (20) que está adaptado para ejecutar, para al menos un equipo de pesaje (13), un procedimiento de procesamiento de señales según una de las reivindicaciones 1 a 15, para determinar valores estimados (SW) para la señal de peso (W) del (de los) equipo(s) de pesaje (13), determinar a partir de estos combinaciones y controlar el lanzamiento de producto desde el / los equipo(s) de pesaje (13).