|
就在動態(tài)稱重中，稱重傳感器的受力狀態(tài)非常復雜，影響稱量準確度的因素也有很多，這當中速度與加速度的變化對稱重傳感器準確度的影響是最大的。于此同時，著重介紹如解決速度對稱重傳感器的影響問題。
根據微積分最小二乘法的基本原理，用來嚴格的統(tǒng)計理論為基礎，采用科學而可靠的多元線性回歸曲線擬合方法，通過反復試驗與對大量試驗數據的對比分析，確定了速度以及稱重傳感器之間的函數關系及其各項經驗系數，應用于高速預檢稱重系統(tǒng)中，就在實際測量時根據速度的變化對稱重結果進行修正，明顯提高了高速稱重數據的準確性，獲得了比較滿意的效果。
高速稱重，速度對稱重結果的影響比較大，然而速度以及稱重傳感器之間到底有什么樣的函數關系？我們通過反復試驗，對試驗數據做了大量的對比分析，確定函數關系中的各項系數，這一過程其實就是求取有關物理量之間關系的經驗公式。在幾何上看，就是針對每一種車型，選擇一條曲線，使得與所獲得的實驗數據更好地吻合。普通的數據處理方法，例如：圖解法，逐差法與平均法是一種粗略的方法。而微積分上的“最小二乘擬合法”是一種比較理想的處理方法。這個方法以嚴格的統(tǒng)計理論為基礎，是一種科學而可靠的曲線擬合方法。
高速稱重系統(tǒng)的技術難度在于是如何解決高速動態(tài)稱重準確度問題，動態(tài)稱重尤其是在高速行駛過程中，稱重傳感器受力狀態(tài)以及影響因素是非常復雜，為了解決動態(tài)稱重的準確性和穩(wěn)定性問題，這種系統(tǒng)在大量數值經驗的基礎上，集多種算法于一體，通過對動態(tài)稱重系統(tǒng)的受力分析，建立動態(tài)稱重的數學模型，對系統(tǒng)中的噪聲進行分析，根據振動、顛簸、速度的變化等所產生的噪聲的特點，用在非線性數據擬合的方法識別與剔除低頻信號中的噪聲，從而得到穩(wěn)定準確的稱重傳感器數據；應用數據平滑理論，對采集的重量信號進行平滑處理以及數字濾波，對于采集的數據進行多次線性修正，提高稱重傳感器準確度；建立多元化線性及非線性回歸解析模塊，采用擴充算法對系統(tǒng)誤差加以修正，解決動態(tài)稱量中車輛的速度、加速度對于稱重傳感器準確度的影響，試驗以及實際應用表明該項目系統(tǒng)具有良好的動態(tài)稱量性能。
|
