检重机称重信号的数据处理研究_新闻_

实现称重传感器型式检验数据的处理研究

[摘要]动态称重是指通过称重设备获得商品的重量。静态称重是固定在称重设备除了商品本身没有其他干扰，所以更容易得到准确的称重值，而动态称重设备更适合快节奏的称重需求。本文首先简要介绍了动态称重的原理，对称重设备的信号采集与数据处理进行了分析研究。

[关键词]称重机；信号；数据处理；研究

中图分类号：TH715.1 文献标识码：A 文章编号：1009-914X（2017）13-0152-02

使用重型机器设备有：预输送机，称重输送机，剔除下输送机的三部分。称重输送机称重，称重输送机由支撑称重输送机的传感器输送和称重。称重系统收到传感器的称重信号后，得到商品的重量值，然后根据袋装商品的允许误差，对位于剔除输送机上的商品进行剔除或者不剔除处理。

1 动态称重系统工作原理

商品放置在称重平台上时，称重传感器由于压力而变形，传感器内部的电桥平衡被破坏，输出的mv信号和承载的压力与接收到的信号结束时成正比，称重传感器收到收尾信号时说明商品称重完毕，称重设备将信号传输给电子称重仪器并放大传感器信号，通过A/D芯片将转换为数字模拟量，称量仪器后数字滤波器得到商品的实际值，然后通过串口到IPC机主机程序。

1.1 动态系统硬件组成

动态称重系统的组成包括：称重传感器（中航ZEMIC称重传感器）、称重仪表、光电开关、PLC控制仪、数据对比设备等。其部分彼此之间的融合，分别负责将自己的信息传送给PLC控制器，然后由仪器和工业计算机连接确定相关信息。原理图如图1所示。

1.2 PLC控制仪

电子称重仪器是动态称重系统的核心部件，相当于动态称重系统的“大脑”。主要负责接收传感器数据和其他部件的信息以及控制。基本工作流程为：电子称重仪器接收称重传感器信号、称重传感器信号放大、A / D转换为中央处理器进行刻度转换等；传输给PLC控制器；若合格气缸停止；若不合格传动链停止气缸动作。

2 动态称重设备信号采集

有效信号处理的前提是信号采集准确，信号采集的重要性非常显着，与计算机和传感器橋连接。在称重传感器中使用的动态称重系统，时间轴和振幅轴的输出是连续的模拟量，电子称重仪器在接收模拟信号时需要先对信号进行调节处理，即0-10mv的信号转换为0 -5mv电压信号，然后将模拟负载信号转换为数字信号，这就要求电子称重仪表A/D模块进行处理。

该系统采用EPC系列PC/104嵌入式工业主板，具有接口完整、功耗低、可靠性高、资源丰富等优点，采用8/16位PC/104扩展总线，可稳定运行宽温度范围广泛的工业应用。用于信号采集的模块采用PCM-8208BE，它是基于PC/ 104总线的高精度模拟输入数字输入和输出。主要功能是：8条模拟输入通道；内置6个可调PGA；输入范围为±10V至+0.25 V可选；高达4KHZ采样率；内置1024深度FIFO；具有AD转换中断；可以直接读取单个采集数据组，并具有8个隔离数字输入和8个隔离隔离数字输出的形式。

PCM-8208BE广泛应用于工业现场传感器多通道信号高精度采集。该系统采用PCM-8208BE可以捕获现场的模拟信号功能，实时检测称重传感器信号，通过简单的过滤器对电子称重仪进行进一步的信号分析。

3 称重信号数据处理方法

3.1 加权平均值算法

对于传感器信号的n次连续采样，分别由大到小的加权系数的系列，然后加上有效采样值，这种方法称为加权平均法。每个加权因子要求小于1，所有加权系数的累积值为256，加权运算结果除以256可以很容易地计算出来。假设从数据依次开始，将总共8个采样存储在存储器单元中，所有加权因子都存储在ROM表中，滤波结果保留在累加器A中。

加权平均算法简单，应用范围广泛，但不适用于动态称重传感器信号的处理。当待处理信号被振动扰乱时，结果不能表示商品重量信号的真实值。而加权因子选择不能固定，每次计算都必须根据实际情况选择适当的加权因子，无人值守动态称重系统显然不适用。

3.2 平均值算法

算术平均值滤波方法基于从称重传感器收集的数据。该算法的特征在于，当采样次数少时，波形平稳度不够好；采样次数大时，波形灵敏度降低，系统参数趋势不明显。假设共有8个样本，样本值从DATA开始存储在连续地址单元中，滤波结果存储在累加器A中。在实际应用中，商品通过的时间段很短，因为自身的振动或外部干扰因素的影响，这种算法不能信号的时频域来解决，这让该信号处理方法已不能满足我们的要求。

3.3 傅立叶变换滤波法

传统信号分析的基础是傅立叶变换，这种方法被广泛应用，尤其是信号处理方面和量子物理。假设是的周期函数且满足化里赫利条件：

（1）在任意区间内连续或只有有限个第一类间断点；

（2）在一个周期内，只有有限个极大值或者极小值点；

（3）在单个周期内绝对可积。

由于主要研究了动态称重系统的振动，所以收集的信号是非线性的，非周期性的信号，这就需要在信号分析过程中对频域信息进行分析，但傅立叶变换算法完全没有波形中的时域信息，为了满足动态负载信号处理的需要，可以使用可翻译的窗口函数到原始信号窗口，删除我们称为短时傅里叶变换。傅立叶变换的思想即选择一个窗口函数来获取一段原始信号，如果截获信号是稳定的，则使用傅立叶变换来确定窗口内信号的频率。沿着波形曲线移动窗口函数会给出信号频率随时间的变化，即我们需要的时域分布。STFT算法有两个困难：一是窗口函数的选择，一个是窗口函数长度问题的选择，因为动态称重信号是非线性非平稳信号。

傅立叶变换将概念从一个空间域建立到另一个空间域，从时域或频域的角度对信号进行分析，但也是由于时域和频域信息不能有机地结合的特征，这不是适用于动态称重信号的非平稳信号分析。我们使用短时傅里叶变换来分析频域信息，而不会丢失时域平面中的信号信息。短时傅里叶变换计算简单，可以有效分析非平稳信号。

3.4 小波变换法

小波变换是基于短时傅里叶变换定位思想的新算法。小波变换不仅可以避免不能跟随频率变化的窗口大小的缺点，还可以提供频率变化的“时频”窗口。小波算法可以分析和处理诸如称重信号的复杂非平稳信号的时间和频率。WT变换中的小波可以是具有有限持续时间的函数，以及突变的频率和幅度，平均值在有限时间范围内。小波变换是基本的小波函数位移，然后在不同的尺度a中用测量信号XW做内积，即：

式五中，称为尺度因子，其作用是对基本小波做伸缩，是位移值。通过调整的该值可用于观察不同时间段的本地信息。通过调整比例因子a，假设a的调整较大，则视野宽分辨率低，适合观察信号的一般情况。假设a值的调整相对较小，视野窄且分辨率高，适合信号局部信息观察，这种粗细信号分析方法称为多分辨率分析法。

4 结语

本文介绍了信号处理模块的硬件结构，信号采集和处理。然后，通过描述几种常用的信号处理算法来提出称重传感器的非平稳信号数据处理方法，为寻求更高精度，更具成本效益，更可靠的动态称重设备提供借鉴。

参考文献

[1] 肖战胜.基于模糊神经网络的门座起重机动态称重系统研究[D].中南大学，2009.

[2] 赵娜.基于BP神经网络的动态称重系统数据处理研究[D].太原理工大学，2012.

[3] 王中立，李丽宏.基于石英传感器的动态称重数据处理算法研究[J].传感技术学报，2017，02：236-241.

作者简介

李邦华，性别：男，出生年月1992年09月，籍贯贵州省毕节市，学历，本科，机械设计及自动化，研究方向初级。

项目名称