動(dòng)態(tài)稱重?cái)?shù)據(jù)處理算法及其在禽蛋和類球形水果分選中的應(yīng)用研究.pdf

1、隨著世界各國(guó)對(duì)包括禽蛋、水果在內(nèi)的農(nóng)產(chǎn)品質(zhì)量要求越來越高，全自動(dòng)農(nóng)產(chǎn)品品質(zhì)檢測(cè)與分級(jí)裝備已廣泛應(yīng)用于禽蛋和水果的生產(chǎn)和加工行業(yè)。重量作為一項(xiàng)重要的等級(jí)指標(biāo)，是衡量禽蛋和水果品質(zhì)的重要特征和分級(jí)的重要依據(jù)。隨著對(duì)設(shè)備處理速度和稱重精度要求的提高，目前廣泛采用的基于濾波去噪和滑動(dòng)平均的動(dòng)態(tài)稱重算法難以獲得較高的測(cè)量精度，因此研究快速的動(dòng)態(tài)稱重?cái)?shù)據(jù)處理算法對(duì)農(nóng)產(chǎn)品重量分選機(jī)的性能提升具有重要的意義。本文結(jié)合課題組研發(fā)的禽蛋產(chǎn)地商品化處理成套裝

2、備和易損傷水果內(nèi)外品質(zhì)同步在線檢測(cè)分級(jí)技術(shù)與成套裝備，研發(fā)了圓弧形軌道式禽蛋動(dòng)態(tài)稱重裝置和自由托盤皮帶輸送式類球形水果動(dòng)態(tài)稱重裝置，開發(fā)了基于CompactDAQ的便攜式數(shù)據(jù)采集平臺(tái)的和基于MATLAB的數(shù)據(jù)采集與處理軟件。重點(diǎn)研究了禽蛋和水果稱重裝置的動(dòng)態(tài)特性和機(jī)械振動(dòng)干擾的性質(zhì)。以禽蛋和蘋果作為研究對(duì)象，從濾波去噪和基于模型的重量預(yù)測(cè)兩個(gè)方向入手，分別開展了基于非對(duì)稱截尾均值重量估計(jì)方法的禽蛋動(dòng)態(tài)稱重算法研究和基于多層神經(jīng)網(wǎng)絡(luò)的禽蛋

3、和水果動(dòng)態(tài)稱重算法的研究。
　　主要研究?jī)?nèi)容、結(jié)果和結(jié)論如下:
　　1.研究了禽蛋和水果動(dòng)態(tài)稱重裝置的動(dòng)態(tài)特性和振動(dòng)干擾的性質(zhì)，主要包括動(dòng)態(tài)稱重裝置固有頻率的測(cè)定和研究、空載運(yùn)行和動(dòng)態(tài)稱重過程時(shí)的振動(dòng)干擾的研究，結(jié)果如下:
　　(1)動(dòng)態(tài)稱重裝置固有頻率的測(cè)定和研究。采用脈沖激勵(lì)響應(yīng)法并使用傅里葉變換對(duì)動(dòng)態(tài)稱重裝置的固有頻率進(jìn)行了測(cè)定和研究。結(jié)果表明:1）本研究所使用的禽蛋動(dòng)態(tài)稱重裝置具有兩個(gè)大小分別為72 Hz和11

4、8 Hz的固有頻率;2）本研究所使用的水果動(dòng)態(tài)稱重裝置具有一個(gè)頻率為38Hz的明顯的固有頻率，此外頻譜圖上還顯示在34 Hz還具有一個(gè)不太明顯的共振峰，表明水果動(dòng)態(tài)稱重裝置并不是一個(gè)的理想的二階的系統(tǒng)。
　　(2)動(dòng)態(tài)稱重裝置空載運(yùn)行時(shí)振動(dòng)干擾的研究。結(jié)果表明:1）禽蛋稱重裝置采用分離式稱重傳感器組件安裝架可以減少低頻振動(dòng)干擾噪聲;2）處理速度并不會(huì)影響禽蛋動(dòng)態(tài)稱重信號(hào)中振動(dòng)干擾的頻率的大小，只影響振動(dòng)干擾的強(qiáng)度，且三個(gè)速度下的振

5、動(dòng)干擾的主頻均在90 Hz左右;3）水果動(dòng)態(tài)稱重裝置的運(yùn)行速度直接影響振動(dòng)干擾頻率的大小和強(qiáng)度。振動(dòng)干擾有多個(gè)共振峰，但是具有明顯的主頻;4）水果動(dòng)態(tài)稱重裝置還具有頻率在10Hz內(nèi)低頻段的振動(dòng)干擾，且頻率隨處理速度的增大而提高和增強(qiáng)。
　　(3)動(dòng)態(tài)稱重過程中振動(dòng)干擾的研究。首先對(duì)加速度信號(hào)與稱重信號(hào)的進(jìn)行時(shí)域和頻域上的相關(guān)性分析，然后通過平滑偽魏格納-維利分布對(duì)設(shè)備空載運(yùn)行時(shí)的稱重傳感器信號(hào)和動(dòng)態(tài)稱重過程中的加速度信號(hào)進(jìn)行了時(shí)頻

6、分析。結(jié)果表明:1）禽蛋稱重裝置空載時(shí)稱重傳感器與加速度傳感器的時(shí)域信號(hào)和頻域信號(hào)均具有極強(qiáng)的相關(guān)性;2）水果稱重裝置空載時(shí)稱重傳感器與加速度傳感器的時(shí)域信號(hào)和頻域信號(hào)在0.5 m/s和0.9 m/s的運(yùn)行速度下也具有較強(qiáng)的相關(guān)性;3）在0.7 m/s的運(yùn)行速度下，來自預(yù)輸送機(jī)和后端輸送機(jī)的振動(dòng)干擾通過地面與稱重傳感器的安裝座產(chǎn)生了共振引起，使加速度傳感器和稱重傳感器時(shí)域和頻域信號(hào)的相關(guān)性減弱;4）禽蛋和水果動(dòng)態(tài)稱重空載時(shí)的振動(dòng)干擾是非

7、平穩(wěn)信號(hào);5)禽蛋和水果動(dòng)態(tài)稱重過程中產(chǎn)生的振動(dòng)干擾也是非平穩(wěn)信號(hào)，且處理速度越高，振動(dòng)干擾的非平穩(wěn)程度越高。
　　2.提出了一種由數(shù)字濾波器和非對(duì)稱截尾均值組成的基于排序的重量估計(jì)方法(Sorting based mass estimator，SME)，并用網(wǎng)格尋優(yōu)法對(duì)其進(jìn)行了參數(shù)優(yōu)化，解決了禽蛋在動(dòng)態(tài)稱重軌道上無約束滾動(dòng)時(shí)會(huì)隨機(jī)產(chǎn)生難以完全消除的短時(shí)高強(qiáng)度的振動(dòng)干擾對(duì)稱重精度的影響。結(jié)果如下:
　　(1) SME能夠顯著

8、提高禽蛋動(dòng)態(tài)稱重精度，在基于4種數(shù)字濾波器的SME中，基于FIR數(shù)字濾波器的SME具有最高的稱重精度，平均誤差平均值均小于0.02 g，最大平均誤差平均值為0.2 g，最大平均誤差標(biāo)準(zhǔn)差為0.29 g，最大誤差標(biāo)準(zhǔn)差為0.47 g，最大測(cè)量誤差為-0.92 g。
　　(2)相比廣泛使用的基于濾波和平均值重量估計(jì)的方法(Average based mass estimator，AME)，基于SME的4種動(dòng)態(tài)稱重?cái)?shù)據(jù)處理算法的基于誤差

9、平均值的總體測(cè)量精度提高率分別為92.6％，86.6％，93％和85.7％，而基于誤差標(biāo)準(zhǔn)差的總體測(cè)量精度提高率分別為42.6％,49.7％,40.8％和45.1％。
　　(3) SME的處理時(shí)間非常短，SME（FIR）的程序執(zhí)行時(shí)間為0.1313 ms，SME(IIR)的程序執(zhí)行時(shí)間為0.0572 ms，SME(ALMS)的程序執(zhí)行時(shí)間為2 ms，SME(TVLPF)的程序執(zhí)行時(shí)間為0.849 ms，相比5個(gè)每秒下的200 ms

10、的每個(gè)禽蛋的稱重時(shí)間，SME完全滿足實(shí)時(shí)動(dòng)態(tài)稱重的速度要求。
　　3.提出將動(dòng)態(tài)稱重的重量估計(jì)過程轉(zhuǎn)化為基于稱重信號(hào)統(tǒng)計(jì)分布特性的非線性函數(shù)擬合過程，構(gòu)建了兩層前饋神經(jīng)網(wǎng)絡(luò)MLP的重量預(yù)測(cè)模型。結(jié)果如下:
　　(1) MLP0能夠顯著提高禽蛋和水果動(dòng)態(tài)稱重的精度。1）禽蛋動(dòng)態(tài)稱重中，最大檢測(cè)誤差為-1.133 g，誤差平均值為0.025 g，標(biāo)準(zhǔn)差為0.276 g。相比于濾波和平均值（均值，中位數(shù)，25％截尾均值）重量估計(jì)的

11、方法AME，MLP0的基于誤差平均值的總體測(cè)量精度提高率分別為90.5％，81.8％和85.5％，而基于誤差標(biāo)準(zhǔn)差的總體測(cè)量精度提高率分別為55.4％，29.2％和39.3％;2）水果動(dòng)態(tài)稱重中，測(cè)試集樣本的誤差平均值為-0.126 g，誤差標(biāo)準(zhǔn)差為1.374 g。相比于AME，MLP0的基于誤差平均值的總體測(cè)量精度提高率分別為86.1％，89.5％和88.8％，而基于誤差標(biāo)準(zhǔn)差的總體測(cè)量精度提高率分別為14.3％，36.5％和29.0