1动态称重方法

对动态称重的改进包括两方面内容，首先是对称重信号中的噪声进行处理，以改善称重系统的抗干扰能力提高称重精度；另一方面是提高称重速度,在称重系统未稳定前迅速获得真实质量值。
目前对测量信号中干扰噪声的处理方法有很多，如数字平均滤波法，IIR和FIR数字滤波器，小波分析，遗传算法等。在动态称重中常用的抗干扰处理方法包括平均滤波方法，小波变换方法，以及IIR和FIR数字滤波方法.单片机为核心的称重仪表通常采用数字平均滤波法，对周期干扰滤波明显，也可用于减小系统随机干扰。但对较大的脉冲如尖峰脉冲干扰抑制能力弱以及对低频噪声抑制能力差。目前，国内的工业用称重仪表均釆用这种处理方法.小波变换卩刖是近年来得到迅速发展的一种新的信号处理方法，它的多分辨率特性使其在许多领域得到了重要的应用。小波滤波利用不同频率的信号和噪声在各尺度下的小波变换系数有所不同的特点，来对它们进行分离，从而达到去除噪声和频带分离目的.在小波分析的许多应用中，都可以归结为信号处理问题.在实际应用中，适用于非稳定信号的工具就是小波分析。但其比较复杂，运算量大，目前基本上处于实验和仿真阶段数字滤波器的特点是，通过一个合适的滤波器，将占有不同的频带的输入信号有效成分和噪声频率成分进行分离，从而达到滤波目的。无限脉冲响应(IIR)滤波器保留典型滤波器优良的幅度特性，但相位特性和稳定性差。有限脉冲响应(FIR)滤波器在保证幅度特性的同时，很容易做到有严格的线性相位特性。常用的设计方法：窗函数法、频率采样法和切比雪夫等波纹逼近法。
提高动态称重的速度主要有两种思路.一条思路-就是釆取缩短过渡时间，使系统较快地趋于稳定.目前采用的方法是动态补偿法1911,011111.即在测量系统输出端串连一个动态补偿环节，改善整个系统的动态性能，加快系统的响应速度，待系统趋于稳态时，得到被测量参数的值.另一条思路是通过系统动态过渡过程的信息，来提取被测量参数的值。当被测物料施加于系统上时，称重系统自身特征也发生了改变，特征量改变的大小与物料重量存在着一定的数量关系。通过系统的过渡过程包含特征量的改变，来间接进行测量。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过渡过程信号1,211,511141.参数估计法和神经网络辨识法等属于后种思路。
一.动态补偿法
称重传感器具有二阶低通特性。目前测量用的称重传感器阻尼比不理想，固有谐振频率不高，难以满足快速测量的要求。因此，改善称重传感器动态性能，扩大应用范围具有非常重要的意义。动态补偿法即可用软件实现，也可用硬件实现。用软件方法补偿时参数设置灵活，使用方便，主要问题是数据处理的实时性问题。硬件补偿时实时性好，但电路参数调整麻烦。动态补偿器的设计要基于传感器的动态模型。在测量中，所测重量成为传感器参数的一部分。传感器的动态模型随着被测重量而变化叫.在传感器后串接一个补偿器即构成一个动态补偿模型和传感器仪器构成一个理想的动态测试系统，从而实现对传感器的动态特性补偿。
该补偿器特点除具有一般数字电路稳定性好、不存在阻抗匹配等优点外，还具有调节准确度高，稳定性好的特点，可使传感器获得较理想的频率补偿.体积小、质量轻、便于实现小型化、集成化、标准化，算法简单，适合嵌入式称重仪表硬件平台。
二系统辨识法
根据关于称重装置的先验知识推到出一个含有未知参数的模型，用这一模型去拟合称重过渡过程信号也就是阶跃响应，从而获得最小平方误差意义上的参数估计°因为称重系统的动态响应特性是系统固有的，可以在系统还没有稳定、称重信号还处在动态变化之中就预测出被称的重量值来。将被称质量看作称重过程的终值，因此，可以用模型参数加以估计或者预测出来.该类方法主要包括状态估计方法如Kalman滤波、自适应滤波时，系统辨识与参数估计方法如最小二乘法等方法。
三智能算法
神经网络辨识法。将动态称重系统等效为二阶系统，推导出动态数学模型，根据ARMA模型，采用神经网络不断在线辨识系统参数，从而使系统始终工作在最佳参数状态下.首先，分析称重系统工作原理，建立系统的数学模型，得出含有未知参数的模型。然后，采用具有结构、学习算法明确和有逼近任意非线性函数的神经网络结构在线辨识出模型的参数，根据参数与重量之间的函数关系计算出重量值"气基于径向基神经网络辨识的模型预测拉制法.以径向基神经网络作为预测器和控制器的模型预测控制系统.实践证明，该系统可以改进被控对象的性能岡.专家系统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网。例如，通过对高速公路上以地感线圈为传感器而采集到的大量车辆样本行数据分析和特征提取，提出以数据中的某些特征值作为识别依据，用隶属度函数充当知识库的识别方法对车辆进行分类，并将识别结果用于称重结果的校正㈣.
2配料控制方法
在建筑、水泥、医药、玻璃、建材、化工等行业中，配料是生产过程的重要组成部分。通常采用的配料控制方法有PID控制、模糊控制、自适应控制、专家控制、神经网络控制和迭代学习控制等。
根据控制对象情况需要，基于计算机的PID控制主要有：PID基本算法、PID增量式算法、PID位置式、PID微分先行、带死区的PID算法和神经网络PID控制法等.PID控制器，存在参数修改不方便，不能进行自整定等缺点。模糊PID控制法。利用模糊控制规则对P1D控制器的三个参数进行在线调整。该算法具有良好的跟踪性能和抗扰动，性能。但是，该算法依赖于技术工人的丰富配料经验，以及要采用调速控制等，要增加很多硬件设备成本。主要用于大型设备及要求精度特别高的场合。其他诸如神经网络PID控制法可以实现常规控制参数的自动调整，但参数难于自动调整以适应外界环境变化的缺点16711761.此类算法处于研究仿真实验阶段，尚未投入实际生产中使用。
模糊控制是把操作人员经过长期积累得到的知识，用包含有模糊集合的规则进行记录，并通过模糊推理来确定控制量的一种智能控制方法.模糊控制方法能有效处理大量的不确定性信息，效果好于一般的控制方式顾。日本的钢管公司福山钢铁厂将模糊逻辑引入到返矿量控制，控制效果超过最熟练的操作者，返矿槽位的偏差大大降低四。
专家控制是从专家和熟练员工处获得知识进行推理控制的一种方式.主要适于变量较多，机理复杂的过程控制。具有知识全面性、无时空限制性和稳定性等优点。
自适应控制中将每次配料的实际配料量、喂料提前量、下料流量和点动次数等数据记录下来，作为以后修改喂料提前量的原始经验数据。以称重配料控制喂料提前量为自适应的模型，设计喂料提前量自适应算法，结论实例验证说明该算法能够很好地解决现有系统的不足叫。
人工神经网络是由大量神经元相互连接而成的自适应非线性动力系统，具有大规模并行处理、知识分布式存储、自学习能力强的特点，适合于实时控制系统18511861.在确定网络结构，功能函数和学习算法以后，对于给定样本的学习，知识就表示为阀值和权重，分布于整个网络之中。能够超过设计者的知识水平，是其突出优点.
迭代自学习的基本思想是对于周期性的动态过程，在控制过程中记录前个周期的控制输入和控制误差，即被控系统的实际输出与期望输出之差，并根据这两个量决定当前周期的控制输出量,使系统误差逐渐衰减，系统输出最终达到期望值。它与传统的自适应控制不同。传统的自适应控制是利用前个时刻或前几个时刻的数据来确定当前时刻的控制量，含有逐点修正的意思。迭代学习算法具有记忆功能，它是根据前个周期某时刻的控制输人量和误差来确定本周期同一时刻的控制量，含有逐周期修正的意思。因此迭代学习算法非常适合于具有某种重复运行（运动）性质的被控对象，可实现完全跟踪而不是渐近跟踪。可在没有精确已知（甚至未知）被控对象动力学特性的情况下设计控制器，因此它适用于非线性对象的控制。另外，迭代学习控制具有在线计算量小的特点，适合于快速运动控制而它的记忆功能可使得在遇到类似控制任务时，能根据记忆系统中的信息迅速调整控制信号。由于在在称重配料过程中，一定的时间段内每次振动下料的重量是相同的，每次下料过程具有很强的重复性，迭代学习法控制应用于配料过程的思想是合理的问。
一般情况，配料控制还会结合落差控制一起运用落差控制方法主要有落差修正法、变速控制法、定值补偿法、多料门上料法、超量扣称法和多料门上料法.落差修正方法是目前配料中比较常见的一种落差修正方法，可单独采用，但大部分情况和其他方法同时存在.主要适用于落差比较稳定的情况，即当设备定型和物流性质比较稳定后，落差在一定范围内随意波动的情况.即釆用每次落差值保存，累计到一定数量后再加权求平均值。逐次修正法在配方变化频率较低和落差变化不大的情况非常有效。变速控制法适用于螺旋配料或皮带配料的结构，有效地调节控制电机转速就可提高配料速度和精度。但调节速度需要增加很多硬件成本，目前没有市场竞争力，是一种有发展潜力的控制方式，这种控制方式运用在大型设备或精度要求非常高的环境中"七定值补偿法适用于单斗对整个批次影响不大的情况，落差值的不稳定可通过下一次或多次修改局部配方以达到整批稳定在标准范围内，此种方法可适用于部分场合，适应面不是很广"气多料门上料法是目前常用的一种配料方法，适用于用量比较大的颗粒状物料，也同时适用于粉状或液体料。从机械角度来说是最应该考虑的配料方式。为兼顾上料速度和精度矛盾，采用设置两个或者多个料仓控制系统根据设定值的多少和落差的差值来确定打开多个料仓还是其中一个料仓门设定值小于一定量是可选择单门配料，或某个料门。多料门上料法采用可有效减小由落差不稳定带来的误差，并且使系统的冗余度加强，控制系统设计更为灵活。超量扣称法上料超差时，在卸料时提前关门扣住多余的料。此种方法不好控制留住的料量，精度相对较低，只适用于差别很大的情况，对机械的损坏也较大.有些机械结构不适用提前关门，或者不起作用。当配料到一定范围之后常用点动补偿法自动点动配料，点动配料的精度很高，不过频繁点动对机械设备磨损较大，适用于精度要求高的场合。
高炉炼铁配料的方法有容积配料法、重量配料法和化学成分配料。容积配料法是在假定物料堆积密度一定的情况下，控制配料的容积。由于各种原料的堆积密度随料粒和湿度不同发生波动，导致配料量产生较大误差，一般在5%以上。重量配料法是按原料的重量来配料，比容积配料法准确，其配料精度在1.0%左
右，对配比量较小的燃料，就更加明显。化学成分配料是一种目前最为理想的配料方法，它采用先进的在线检测技术，随时测出原料混合料成分并输入微机进行分析、判断、调整，获得最理想的原料配比阚目前，国外对这种方法也处于开发阶段，我国的宝钢、首钢已具备开发这种水平的条件。

本文源于网络转载，如有侵权，请联系删除