亚星游戏官网-www.yaxin868.com

专利名称：一种物料的称重测量方法、装置及称重测量系统的制作方法
技术领域：
本发明涉及工程机械测控技术领域，特别是涉及ー种物料的称重測量方法、装置及称重測量系统。
背景技术：
在工程机械测控技术领域，称量系统的误差直接影响到测控系统的性能和測量准确度。例如，在混凝土搅拌站的称重測量系统中，通常由称重传感器采集骨料、粉料等的重量信息并输出重量信号；由信号变送器对该重量信号进行调理，输出与重量信息相对应的电压模拟信号(电压模拟信号的幅值与重量信息相对应)；PLC(Programmable LogicController，可编程逻辑控制器，简称PLC)的模数转换设备将该电压模拟信号转换为数字信号；PLC的处理器根据输入的数字信号，通过转换算法处理，调用校称程序，得到称重测量結果，并将该称重測量结果的信号输出。由于环境因素的存在，称重传感器实际的输入-输出特性(即传输特性)通常是非线性的，而且，由于其弾性体的阻尼比较�。�传感器达到稳态的时间较长，这使得以传感器为核心的称重測量系统存在着较大的静态非线性误差。在现有的称重測量系统中，PLC的处理器所采用的转换算法多是将称重传感器的输入-输出特性的非线性部分进行直线拟合，视其为理想的线性模型进行处理，最終得到称重測量結果。现有技术存在的缺陷在干，由于称重传感器静态非线性误差的实际存在，强制将非线性部分进行直线拟合将导致整个称重測量系统的输入和输出存在较大误差，称重測量结果准确度较低。

发明内容
本发明提供了一种物料的称重測量方法、装置及称重測量系统，用以解决现有物料的称重測量系统的输入和输出存在较大误差，称重測量结果准确度较低的技术问题。本发明物料的称重测量方法包括获得称重传感器输出的重量信号，其中，所述重量信号是称重传感器根据采集的物料的重量信息及预先存储的重量信息与重量信号之间的输入-输出映射关系获得；根据输入的重量信号及预先存储的重量信息与重量信号之间的输入-输出映射关系的逆向映射关系，输出所述物料的称重结果信息。本发明物料的称重測量装置，包括获得设备，用于获得称重传感器输出的重量信号，其中，所述重量信号是称重传感器根据采集的物料的重量信息及预先存储的重量信息与重量信号之间的输入-输出映射关系获得;输出设备，用于根据输入的重量信号及预先存储的重量信息与重量信号之间的输入-输出映射关系的逆向映射关系，输出所述物料的称重结果信息。本发明物料的称重測量系统，包括称重传感器和控制设备，其中，
所述称重传感器，用于采集物料的重量信息，井根据预先存储的重量信息与重量信号之间的输入-输出映射关系输出重量信号给所述控制设备；所述控制设备，连接所述称重传感器，用于根据输入的重量信号及预先存储的重量信息与重量信号之间的输入-输出映射关系的逆向映射关系，输出所述物料的称重结果信息。在本发明技术方案中，由于所述控制设备，可根据输入的重量信号及预先存储的重量信息与重量信号之 间的输入-输出映射关系的逆向映射关系，输出所述物料的称重结果信息，该称重结果信息等干物料的重量信息，对比于现有技术中强制将称重传感器的传输特性的非线性部分进行直线拟合而导致的误差，称重结果准确度大大提高。


图I为本发明物料的称重测量系统结构示意图；图2为本发明物料的称重測量方法流程示意图；图3为称重传感器的输入-输出特性曲线图；图4为本发明物料的称重测量系统的输入-输出关系不意图；图5为本发明物料的称重测量装置结构示意图。
具体实施例方式为了解决现有物料的称重測量系统的输入和输出存在较大误差，称重測量结果准确度较低的技术问题，本发明提供了一种物料的称重測量方法、装置及称重測量系统。如图I所示，本发明物料的称重測量系统，包括称重传感器11和控制设备12，其中，所述称重传感器11，用于采集物料的重量信息，井根据预先存储的重量信息与重量信号之间的输入-输出映射关系输出重量信号给所述控制设备12 ；所述控制设备12，连接所述称重传感器11，用于根据输入的重量信号及预先存储的重量信息与重量信号之间的输入-输出映射关系的逆向映射关系，输出所述物料的称重结果信息。在本发明中，称重传感器所采集的物料的重量信息为物料的实际重量，即称重测量系统的输入重量(也是称重传感器的输入重量)；称重传感器所输出的重量信号对应于称重传感器的输出重量，由于环境因素的存在，称重传感器的输出重量与称重传感器的输入重量并不相等，而是呈非线性关系；控制设备所输出的物料的称重结果信息为称重測量系统的输出重量，检测人员可根据该称重结果信息得知物料的称重重量。预先存储的重量信息与重量信号之间的输入-输出映射关系的逆向映射关系，是指称重传感器的输入重量与输出重量之间的输入-输出映射关系的逆向映射关系。本发明物料的称重測量系统，可进ー步包括信号变送器，用于对称重传感器所输出的重量信号进行调理，放大重量信号幅值；所述控制设备(例如PLC)可具体包括模数转换设备和处理设备，所述模数转换设备用于将经信号变送器调理后的电压模拟信号转换为数字信号，所述处理设备用于根据该数字信号及预先存储的重量信息与重量信号之间的输入-输出映射关系的逆向映射关系，输出所述物料的称重结果信息；本发明物料的称重测量系统还可进ー步包括显示设备，用于将控制设备所输出的称重结果信息显示于屏幕上，便于检测人员获得该重量信息。本发明物料的称重測量系统的输入-输出关系请參照图4所示。在本发明技术方案中，由于所述控制设备，可根据输入的重量信号及预先存储的重量信息与重量信号之间的输入-输出映射关系的逆向映射关系，输出所述物料的称重结果信息，该称重结果信息等干物料的重量信息，对比于现有技术中强制将称重传感器的传输特性的非线性部分进行直线拟合而导致的误差，称重结果准确度大大提高。如图2所示，本发明物料的称重测量方法，包括步骤101、获得称重传感器输出的重量信号，其中，所述重量信号是称重传感器根据采集的物料的重量信息及预先存储的重量信息与重量信号之间的输入-输出映射关系获得；
步骤102、根据输入的重量信号及预先存储的重量信息与重量信号之间的输入-输出映射关系的逆向映射关系，输出所述物料的称重结果信息。下面进ー步将本发明物料的称重測量方法与现有技术作详细对比说明。如图3所示，称重传感器的实际输入-输出特性为非线性。现有技术中，转换算法处理的基本原则是将该非线性函数强制拟合为线性函数，视输入-输出特性为理想的线性映射关系，根据线性函数求反函数，求得称重结果重量。该理想的线性映射关系可以表示为y = f (x) = ax+b其中，y为称重传感器的输出重量，X为称重传感器的输入重量，a为转换率，b为零点偏移量。根据线性函数求反函数得出z = f_1 (y) = (y-b) /a = x其中，z为称重结果重量。而在实际中，受环境因素的影响，称重传感器的输入-输出特性为非线性，其映射关系可以表示为y = f (x, t)该映射关系为已知函数，其中，y为称重传感器的输出重量，X为称重传感器的输入重量，t为环境參数。请继续參照图3所示，假设称重传感器的实际输入重量为Xtl，实际输出重量为根据现有技术的转换算法得出的称重结果重量Z1与实际输入重量Xo之间存在较大的误差。而本发明技术方案则是依据称重传感器实际的传输特性规律来求得称重结果重量。所述预先存储的重量信息与重量信号之间的输入-输出映射关系的逆向映射关系可以表示为z = f_1 (y, t) = f_1 (f (x, t) , t) =x可以看出，根据称重传感器传输特性的非线性函数求反函数所得出的称重结果重量z等于实际的传感器输入重量，而与环境參数t无关，称重结果的准确度大大提高。所述预先存储的重量信息与重量信号之间的输入-输出映射关系的逆向映射关系(即rHyd))，根据重量信息与重量信号之间的输入-输出映射关系(即f(x，t))和智能控制算法获得。其中，所述智能控制算法可以为神经网络的智能控制算法、模糊控制算法、专家控制算法或学习控制算法等。实际系统通常存在复杂性、非线性、时变性等特性，一般无法获得其精确的数学模型，采用传统的控制方法无法求解，而智能控制算法通过在学习过程中不断加以辨识、整理和更新，以知识表示的非数学广义模型和以数学模型表示的混合控制过程，通过推理，以启发式策略和智能算法来引导求解过程。神经网络的智能控 制算法具有很强的逼近任意连续非线性函数的能力；优选的，所述神经网络的智能控制算法为三层前馈神经网络的智能控制算法；三层前馈神经网络，亦即单隐层前馈神经网络，包括输入层、隐层和输出层，其特点是各层节点仅与相邻层节点之间相互连接，同层内节点之间无连接，各层节点之间无反馈连接，构成具有层次结构的前馈型神经网络系统，具有以任意准确度逼近任意非线性函数的能力和较好的泛化能力。所述根据重量信息与重量信号之间的输入-输出映射关系和智能控制算法获得所述重量信息与重量信号之间的输入-输出映射关系的逆向映射关系，包括通过三层前馈神经网络的智能控制算法逼近重量信息与重量信号之间的输入-输出映射关系的逆向映射关系(即rYy，t))，并利用自学习控制的在线学习算法，对三层前馈神经网络的权值和阈值进行优化。此时，能够达到较高的计量准确度。采用三层前馈神经网络的智能控制算法逼近Γ1 (y，t)的具体过程包括一、从y = f(x, t)中提取输入、输出样本点，作为训练样本，即从输入重量X中提取输出样本点，从输出重量y中提取输入样本点。ニ、构建三层前馈神经网络模型，设置模型隐层节点，通过Matlab (MatrixLaboratory,由美国Mathworks公司出品的商业数学软件,是ー种用于算法开发、数据可视化、数据分析及数值计算的高级技术计算语言和交互式环境)语言进行编程，获得三层前馈神经网络系统，通过训练样本对该神经网络系统进行训练，同时，利用自学习控制的在线学习算法，对该神经网络系统的权值和阈值进行优化，逼近Γ1 (y，t)。自学习控制算法能够处理具有不确定性和非线性的过程，井能保证良好的适应性和足够快的收敛性。自学习控制能够按照运行过程中的“经验”和“教训”来不断改进算法，增长知识，以便更广泛地模拟高级推理、决策和识别。它具有四个主要功能捜索、识别、记忆和推理，分为在线学习和离线学习。在神经网络系统中，权值和阈值的选取是至关重要的，如何在短时间内迅速得到收敛并获得优化值，可以通过自学习控制的在线学习算法来实现。三、对该神经网络系统进行泛化。神经网络泛化是指经训练后的神经网络对未在训练集中出现的样本作出正确反应的能力。也就是说，神经网络的学习不是单纯的记忆已学习的输入，而是通过训练样本学习到隐层在样本的有关环境本身的内在规律性，从而对未来的输入也能给出正确的反应。提高其泛化能力，一般对现有样本进行相应处理，即在样本中加入噪声训练，对样本进行聚类或选择抽样进行主动学习。也可以采用结构优化算法和正则化方法。如图5所示，本发明物料的称重测量装置，包括获得设备13，用于获得称重传感器输出的重量信号，其中，所述重量信号是称重传感器根据采集的物料的重量信息及预先存储的重量信息与重量信号之间的输入-输出映射关系获得；输出设备14，用于根据输入的重量信号及预先存储的重量信息与重量信号之间的输入-输出映射关系的逆向映射关系，输出所述物料的称重结果信息。 显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
权利要求
1.一种物料的称重测量方法，其特征在于，包括 获得称重传感器输出的重量信号，其中，所述重量信号是称重传感器根据采集的物料的重量信息及预先存储的重量信息与重量信号之间的输入-输出映射关系获得； 根据输入的重量信号及预先存储的重量信息与重量信号之间的输入-输出映射关系的逆向映射关系，输出所述物料的称重结果信息。
2.如权利要求I所述的称重测量方法，其特征在于，所述预先存储的重量信息与重量信号之间的输入-输出映射关系的逆向映射关系，根据重量信息与重量信号之间的输A-输出映射关系和智能控制算法获得。
3.如权利要求2所述的称重测量方法，其特征在于，所述智能控制算法为神经网络的智能控制算法、�：�控制算法、专家控制算法或学习控制算法。
4.如权利要求3所述的称重测量方法，其特征在于，所述神经网络的智能控制算法为三层前馈神经网络的智能控制算法。
5.如权利要求4所述的称重测量方法，其特征在于，所述根据重量信息与重量信号之间的输入-输出映射关系和智能控制算法获得所述重量信息与重量信号之间的输入-输出映射关系的逆向映射关系，包括 通过三层前馈神经网络的智能控制算法逼近重量信息与重量信号之间的输入-输出映射关系的逆向映射关系，并利用自学习控制的在线学习算法，对三层前馈神经网络的权值和阈值进行优化。
6.如权利要求5所述的称重测量方法，其特征在于，所述通过三层前馈神经网络的智能控制算法逼近重量信息与重量信号之间的输入-输出映射关系的逆向映射关系，并利用自学习控制的在线学习算法，对三层前馈神经网络的权值和阈值进行优化，具体包括 从重量信息与重量信号之间的输入-输出映射关系中提取重量信号样本点作为输入样本点，提取重量信息样本点作为输出样本点； 构建三层前馈神经网络模型，设置模型隐层节点，通过Matlab语言进行编程，获得三层前馈神经网络系统，通过输入样本点和输出样本点对所述神经网络系统进行训练，并利用自学习控制的在线学习算法，对所述神经网络系统的权值和阈值进行优化，逼近重量信息与重量信号之间的输入-输出映射关系的逆向映射关系； 对所述神经网络系统进行泛化。
7.—种物料的称重测量装置，其特征在于，包括 获得设备，用于获得称重传感器输出的重量信号，其中，所述重量信号是称重传感器根据采集的物料的重量信息及预先存储的重量信息与重量信号之间的输入-输出映射关系获得； 输出设备，用于根据输入的重量信号及预先存储的重量信息与重量信号之间的输入-输出映射关系的逆向映射关系，输出所述物料的称重结果信息。
8.如权利要求7所述的称重测量装置，其特征在于，所述预先存储的重量信息与重量信号之间的输入-输出映射关系的逆向映射关系，根据重量信息与重量信号之间的输入-输出映射关系和智能控制算法获得。
9.如权利要求8所述的称重测量装置，其特征在于，所述智能控制算法为神经网络的智能控制算法、�：�控制算法、专家控制算法或学习控制算法。
10.如权利要求9所述的称重测量装置，其特征在于，所述神经网络的智能控制算法为三层前馈神经网络的智能控制算法。
11.一种物料的称重测量系统，其特征在于，包括称重传感器和控制设备，其中， 所述称重传感器，用于采集物料的重量信息，并根据预先存储的重量信息与重量信号之间的输入-输出映射关系输出重量信号给所述控制设备； 所述控制设备，连接所述称重传感器，用于根据输入的重量信号及预先存储的重量信息与重量信号之间的输入-输出映射关系的逆向映射关系，输出所述物料的称重结果信肩、o
全文摘要
本发明公开了一种物料的称重测量方法、装置及称重测量系统，所述物料的称重测量系统，包括称重传感器和控制设备，其中，所述称重传感器，用于采集物料的重量信息，并根据预先存储的重量信息与重量信号之间的输入-输出映射关系输出重量信号给所述控制设备；所述控制设备，连接所述称重传感器，用于根据输入的重量信号及预先存储的重量信息与重量信号之间的输入-输出映射关系的逆向映射关系，输出所述物料的称重结果信息。本发明物料的称重测量系统的称重结果信息等于物料的重量信息，对比于现有技术中强制将称重传感器的传输特性的非线性部分进行直线拟合而导致的误差，称重结果准确度大大提高。
文档编号G01G23/00GK102636245SQ20121011847
公开日2012年8月15日 申请日期2012年4月23日 优先权日2012年4月23日
发明者廖超, 李博, 李学俊, 蒋博韬, 齐华 申请人:中联重科股份有限公司