|
就在动态称重中，称重传感器的受力状态非常复杂，影响称量准确度的因素也有很多，这当中速度与加速度的变化对称重传感器准确度的影响是最大的。于此同时，着重介绍如解决速度对称重传感器的影响问题。
根据微积分最小二乘法的基本原理，用来严格的统计理论为基础，采用科学而可靠的多元线性回归曲线拟合方法，通过反复试验与对大量试验数据的对比分析，确定了速度以及称重传感器之间的函数关系及其各项经验系数，应用于高速预检称重系统中，就在实际测量时根据速度的变化对称重结果进行修正，明显提高了高速称重数据的准确性，获得了比较满意的效果。
高速称重，速度对称重结果的影响比较大，然而速度以及称重传感器之间到底有什么样的函数关系？我们通过反复试验，对试验数据做了大量的对比分析，确定函数关系中的各项系数，这一过程其实就是求取有关物理量之间关系的经验公式。在几何上看，就是针对每一种车型，选择一条曲线，使得与所获得的实验数据更好地吻合。普通的数据处理方法，例如：图解法，逐差法与平均法是一种粗略的方法。而微积分上的“最小二乘拟合法”是一种比较理想的处理方法。这个方法以严格的统计理论为基础，是一种科学而可靠的曲线拟合方法。
高速称重系统的技术难度在于是如何解决高速动态称重准确度问题，动态称重尤其是在高速行驶过程中，称重传感器受力状态以及影响因素是非常复杂，为了解决动态称重的准确性和稳定性问题，这种系统在大量数值经验的基础上，集多种算法于一体，通过对动态称重系统的受力分析，建立动态称重的数学模型，对系统中的噪声进行分析，根据振动、颠簸、速度的变化等所产生的噪声的特点，用在非线性数据拟合的方法识别与剔除低频信号中的噪声，从而得到稳定准确的称重传感器数据；应用数据平滑理论，对采集的重量信号进行平滑处理以及数字滤波，对于采集的数据进行多次线性修正，提高称重传感器准确度；建立多元化线性及非线性回归解析模块，采用扩充算法对系统误差加以修正，解决动态称量中车辆的速度、加速度对于称重传感器准确度的影响，试验以及实际应用表明该项目系统具有良好的动态称量性能。
|
