动态称重怎么算

问题描述

精选答案

步骤s1，采集被称重物体m的相关参数；

步骤s2，通过计算得到当前重量值wt，并计算实际有效的称重长度l和最大采样个数n；

步骤s3，计算称台长度的最小值l1min；

步骤s4，计算称台长度的最大值l1max；

步骤s5，根据称台长度的最小值l1min和称台长度的最大值l1max确定称台长度范围；

1.ADV法、DV法、V法

该类方法是20世纪80年代的日本小野敏郎为解决动态称重问题所提出来的，其测量思路主要是同时或单独测量重物移动的位移、速度和加速度，然后用直接方法或数值积分方法来求解称重过程的微分方程以获得力值。

这类方法有些因需同时使用多种不同类型传感器而难以实现；有些虽然只使用同类传感器，但由于采用积分方法因而准确度较差，且往往只适用于噪声很小的场合。

2.位移积分法

该方法是ADV法、DV法、V法的一种沿袭。其原理大致是：将称重系统的输出信号对一小段位移L1沿其长度L方向积分，L1的两端通过对称重系统各传感器的输出信号进行比较而定。

动态分量在积分区间被平均，使车辆振动造成的干扰影响较小，因此精度也相对较高，但这需要较长的数据才能保证精度。

3.补偿法

该方法主要是针对传感器的响应速度慢和超调量大，在很大程度上限制了动态称重速度和准确度地提高的缺点，从而提出通过设计补偿元件，在比“称重传感器稳定时间”更短的时间里完成测量，因此动态称重装置主要由称重传感器和动态补偿元件组成。

4.专家系统

该方法主要是引入知识模型而构成专家系统，即把优秀称重测力专家的思维过程固化到测量程序中，并与计算机修正程序结合起来，进而提高计量仪器的测试能力和故障检测能力。

5.参数估计法

该方法主要是把动态测量作为一个参数估计和预测问题来处理，即首先根据有关称重测力系统的先验知识，推导出一个含有未知参数的模型，然后用该模型去拟合称重测力过程的输出信号，从而获得最小平方误差意义上的参数估计。

由于被测重量或力值可以看成是称重测力过程的终值，因此它们可以用模型参数进行估计或预测。

基于参数估计的系统辨识方法可由极短的轴重信号估计出模型参数和轴重值，而具有较高的准确度，同时利用适合的辨识算法可以进一步减小速度对测量结果的影响，可以在车辆中速及较高速的情况下使用此方法。

6.神经网络

神经网络是一种有效的非线性函数拟合工具，已经被应用到很多工程问题中。使用神经网络的方法，可以利用一个动态系统的输入输出数据建立它的输入-输出模型，通过这个模型可以根据该系统的后继输入来预测出想求得的对应输出值。

该方法主要是基于并行技术的思想，以神经网络技术为控制核心，采取多因素协调，将检测过程中对影响称重精度和限制车辆通过速度起主导作用的因素作为训练样本，通过训练获得较好的网络模型，再根据该模型和网络输入数据得出车重，并期望提高检测精度。