[發明專利]一種結合慣性測量模塊進行稱重補償的稱重系統和方法

有效

• 申請號: 202210087030.5
• 申請日: 2022-01-25
• 公開（公告）號: CN114485877B
• 公開（公告）日: 2023-09-05
• 發明（設計）人: 湯建華;王一凡;金花
• 申請（專利權）人: 常州紡織服裝職業技術學院
• 主分類號: G01G19/03
• 分類號: G01G19/03;G01G23/01;G06N3/04;G06N3/08
• 代理公司: 常州智慧騰達專利代理事務所(普通合伙) 32328
• 代理人: 楊雪

本發明屬于農機車載稱重技術領域，具體涉及一種結合慣性測量模塊進行稱重補償的稱重系統方法，包括：一種結合慣性測量模塊進行稱重補償的稱重系統，其特征在于，包括：稱重傳感器，測量物體的重量，得到重量輸出值；慣性測量模塊，對稱重傳感器所在機構進行加速度與偏轉角的測量；數據處理模塊，根據加速度與偏轉角對重量輸出值進行補償；學習模塊，進行神經網絡訓練學習；存儲模塊，對相應數據進行存儲。本發明通過慣性測量模塊對稱重系統進行加速度與偏轉角的測量，考慮到了稱重系統的姿態和加速度的影響，對重量輸出值進行了補償，得到了待測物體的真實重量，提高了測量精度，不需要對稱重傳感器在多個受力方向上進行標定校準。

技術領域

本發明屬于農機車載稱重技術領域，具體涉及一種結合慣性測量模塊進行稱重補償的稱重系統方法。

背景技術

農機在田間進行工作時，需要對收獲的農產品重量進行實施稱重，但由于工作環境的不穩定，稱重傳感器的測量精度會降低，不利于精準農業技術的產業化。

在現有的技術中，針對這一問題提出的解決方案的效果也十分有限。例如在專利CN201310008630.9中，提到了利用傾角傳感器修正稱重結果，但其所述的標定步驟復雜：“保持一定速度v(t)下勻速行駛，得到多個加速點下對應的稱重結果”，在進行實踐中實際上非常難以實現，并且測量車輛的行駛速度和傾角值等數據無法得知實際稱重傳感器的工作姿態，所以提高的測量精度有限。

在專利CN201210265080.4中利用的三軸加速度傳感器間接計算得出稱重角度值的方法會由于車輛運行過程中產生的附加加速度和重量加速度耦合后會影響角度的正確計算，因此只適合靜態測量，不適合行進中的車輛或農機的動態稱重。

發明內容

本發明所要解決的技術問題是：提供了一種結合慣性測量模塊進行稱重補償的稱重系統和方法。

本發明解決其技術問題所采用的技術方案是：提供了一種結合慣性測量模塊進行稱重補償的方法。

一種結合慣性測量模塊進行稱重補償的方法，包括：

S1,構建以結合慣性測量模塊進行稱重補償的稱重系統為基準的載體坐標系和以地表為基準的地理坐標系；

S2,將已知重量的物體加載在傳感器上，采集得到n組連續的稱重傳感器的輸出值W和慣性單元模塊輸出值(a_x、a_y、a_z，ψ，θ，γ)。

S3,根據采集到的數據計算得出α,β,γ；

S4,構建稱重數據補償方程；

S5,根據稱重數據補償方程建立函數連接型神經網絡FLANN，構成訓練樣本集，對神經網絡進行訓練擬合后得到稱重補償方程的系數。

S6,改變物體的重量，重復S1～S5步驟。得到一系列稱重補償方程的系數，構建稱重補償方程組。

S7,實際使用時，稱重傳感器和慣性測量單元采集到數據，根據稱重傳感器采集的數據，確定選用的稱重補償方程系數，進行動態補償，計算出補償后的重量值。

進一步，所述S3中根據采集到的數據計算得出α,β,γ為:

進一步，所述S5中函數連接型神經網絡FLANN的輸入向量為：

H(a_x(t),a_y(t),a_z(t),α(t),β(t),γ(t),W(t),W(t-1),W(t-2))；

所述樣本訓練集為(H_i,M_i)，i＝1,2…,n。

進一步，所述S2中的稱重數據補償方程為：