動態(tài)檢重系統(tǒng)數(shù)據(jù)處理算法的研究.pdf

1、動態(tài)檢重系統(tǒng)常常應用在工業(yè)生產操作現(xiàn)場,由于受環(huán)境因素的干擾和自身的高速運轉,其檢重精度偏差較大。僅從硬件方面改善系統(tǒng)性能不僅耗時耗力,且成本高昂。相比較而言,通過軟件算法來改善系統(tǒng)性能不僅成本低,靈活性強,且易于推廣,具有重大研究意義。
　　本文以自主研發(fā)的動態(tài)檢重系統(tǒng)為實驗平臺,探討動態(tài)檢重系統(tǒng)的數(shù)據(jù)處理算法。由于檢重過程干擾較多,信號復雜,本文將動態(tài)檢重系統(tǒng)的數(shù)據(jù)處理工作分為兩個部分,即系統(tǒng)的數(shù)據(jù)預處理以及系統(tǒng)檢重值的終值預

2、測。通過數(shù)據(jù)的預處理,可以初步濾除系統(tǒng)的干擾噪聲;濾波預處理后的數(shù)據(jù)被作為輸入樣本進行終值預測模型建模,將所建立的模型用于系統(tǒng)的終值預測,終值預測就是用非穩(wěn)態(tài)的測量值來預測系統(tǒng)穩(wěn)態(tài)的檢重值,以提高系統(tǒng)檢重效率。
　　數(shù)據(jù)預處理部分使用低通濾波算法和卡爾曼濾波算法,比較兩種算法,討論適用的數(shù)據(jù)預處理算法。終值預測部分,為了得到適合的終值預測算法,使用了主成分回歸(PCR)和最小二乘支持向量機(LS-SVM)兩種算法,以此來比較線性與

3、非線性算法對于動態(tài)檢重系統(tǒng)的適用性。將原始樣本以及經過濾波預處理所得到的數(shù)據(jù)樣本都作為模型訓練的輸入樣本,通過對模型進行檢驗,得出適合動態(tài)檢重系統(tǒng)的數(shù)據(jù)處理方法。
　　在MATLAB環(huán)境下,通過比較所建立的終值預測模型的預測均方誤差和R2統(tǒng)計量的大小,來探討最適合用在動態(tài)檢重系統(tǒng)中的終值預測模型。其中,用主成分回歸進行建模時,首先根據(jù)輸入樣本情況進行主成分提取,再利用提取的主成分進行線性回歸建模,得出最終的預測模型,經過檢驗得出其