[發明專利]電子皮帶秤多傳感器信息融合感知補償方法和系統

無效

• 申請號: 200810243509.3
• 申請日: 2008-12-22
• 公開（公告）號: CN101435718A
• 公開（公告）日: 2009-05-20
• 發明（設計）人: 劉淼
• 申請（專利權）人: 徐州市三原技術產業有限公司
• 主分類號: G01G23/01
• 分類號: G01G23/01;G01G11/00
• 代理公司: 徐州市三聯專利事務所
• 代理人: 周愛芳

技術領域

本發明涉及動態計重技術領域中電子皮帶秤的使用條件的檢測、補償方法。具體是一種電子皮帶秤多傳感器信息融合感知補償方法和系統。

背景技術

電子皮帶秤是安裝在皮帶輸送機上，應用于對散狀物料連續輸送中實施計量和控制的動態計量設備。由于設備惡劣的使用條件，使電子皮帶秤產品的高精度運行和長期穩定性得不到有效的保證和提高。這些惡劣的使用條件主要是皮帶張力變化、偏載、皮帶跑偏、溫度變化等。大量的實驗和使用經驗證明：電子皮帶秤運行中的偏載造成的誤差可達0.3％，系統存在相當皮帶寬度10％的跑偏將帶頭0.0014％的系統誤差。

通常地，傳統電子皮帶秤并不具有檢測和處理使用條件，進而補償其對稱重系統造成的影響的功能。

發明內容

本發明提供一種電子皮帶秤多傳感器信息融合感知補償方法和系統，目的是克服在惡劣的使用條件下傳統電子皮帶秤誤差大的缺陷。

本發明是以如下技術方案實現的：、一種電子皮帶秤多傳感器信息融合感知補償方法，其特征是在皮帶秤的下面沿皮帶運行方向均勻對稱分布有若干采集皮帶秤稱即時信息的傳感器，通過對多傳感器信息的有效組合獲得的空間或時間上互補和冗余的直接信息，然后根據自動分析、綜合獲取的實時特性信息對皮帶秤系統補償計算。

一種電子皮帶秤多傳感器信息融合感知補償系統，包括由速度傳感器和多個采集信息的稱重傳感器組成的信息感知系統，對信息進行處理運算的稱重顯示控制器；所述的速度傳感器和稱重傳感器通過數據線與稱重顯示控制器的輸入端口連接；稱重顯示控制器通過寫入的運算軟件實現分時地將一個傳感器信息或幾個傳感器的多參數組合信息讀入，并將具有一定程度的不確定性的信息應用多變量狀態分析方法使信息融合所處理的多傳感信息具有更復雜的形式和信息容量，從而感知皮帶秤運行環境和皮帶秤自身狀態，并對稱重系統進行智能故障診斷，對稱重系統誤差進行有效的補償。

本發明的有益效果是：應用皮帶稱多參數信息融合技術，彌補了傳統皮帶秤使用簡單傳力系統和對單一傳感器信息進行直接積分計量模式所固有的缺陷，并對稱重系統進行智能故障診斷，對稱重系統誤差進行有效的補償。

附圖說明

圖1是本發明的原理和結構示意圖；

圖2是本發明的一個實施例的示意圖；

圖3是本發明的第二個實施例的示意圖；

圖4是本發明的第三個實施例的示意圖。

圖中：1、皮帶，2、稱重托輥I，3、稱重托輥II，4、速度傳感器，5、稱重傳感器WI，6、稱重傳感器WII，7、稱重傳感器WIII，8、稱重傳感器WIV，9、稱重顯示控制器，10、信息輸入組合裝置。

具體實施方式

下面結合附圖和實施例對本發明進一步說明。

如圖1所示，本發明的信息感知系統由沿皮帶1運行方向橫向平行設置在皮帶下面的稱重托輥I2、稱重托輥II3、稱重傳感器WI5、稱重傳感器WII6、稱重傳感器WIII7、稱重傳感器WIV8和一只速度傳感器4構成。稱重傳感器WI5和稱重傳感器WII6分別安裝在稱重托輥I2的兩端，稱重傳感器WIII7和稱重傳感器WIV8分別安裝在稱重托輥II3的兩端。稱重傳感器WI5、稱重傳感器WII6、稱重傳感器WIII7、稱重傳感器WIV8和一只速度傳感器4均與稱重顯示控制器9連接。當系統有一個確定的安裝和運行狀態時，稱重傳感器、速度傳感器均有一個被記錄的初態，皮帶稱多參數信息融合技術將多個傳感器所獲得的空間或時間上互補和冗余的直接信息，依據皮帶秤的結構和電氣特征加以自動分析、綜合獲取更豐富的實時特性信息。

如圖2所示，分別將稱重傳感器WI5、稱重傳感器WIII7、稱重傳感器WII6、稱重傳感器WIV8信息讀入稱重控制顯示器，可獲得各稱重傳感器的運行狀態和偏離初態的信息。

如圖3所示：將稱重傳感器WI5和WIII7并聯、WII6和WIV8并聯組合，經運算，實際空載運行時可獲得皮帶稱系統膠帶跑偏的信息，而負載運行時則可得到稱重系統偏載的信息。

如圖4所示：將稱重傳感器WI5和WII6、WIII7和WIV8并聯組合運算，可獲得皮帶張力變化和抖動情況的信息等。

如上舉例，通過多傳感器、多變量融合分析可得到皮帶張力、抖動、偏載、速度損失等大量皮帶秤性能和使用條件信息，系統根據這些即時的信息動態對電子皮帶秤進行補償處理。

皮帶稱多參數信息融合技術是應用模糊神經網絡技術實現的，基于模糊神經網絡的稱重顯示控制器采用具有輸入、模糊化、推理和非模糊化四層結構的模糊神經網絡，電子稱傳感器系統所提供的信息作為輸入層神經元直接將輸入數值直接傳輸到相聯的第二層是模糊化層，模型利用此層神經元來產生簡單的模糊隸屬函數。模糊神經網絡中固化了大量的信息和經過優化的參數，系統可以在無法得知準確規則或規則不完整的條件下，利用已有的典型數據通過離線學習讓神經網絡自已總結規則，達到令人滿意的融合效果，從而實施有效的系統補償，達到提高皮帶秤精度和長期穩定性的目的。