基于等效系统的动态称重数据处理

动态称重技术是目前产品定量包装领域十分关心的问题,如何提高称重的精度和速度是动态称重的难题之一。基于定量包装的动态组合秤实验数据,采用等效系统的方法对动态称重数据进行处理,提出了基于非线性系统辨识的滤波方法,并设计适合动态称重数据的尺度函数对快速性和稳定性进行评估。结果表明,该方法较之传统的平滑数据滤波方法,有效提高了测量的快速性。

基于高斯和粒子滤波的动态称重数据处理

由于动态称重过程中的噪声干扰,导致动态称重信号处理中存在数据处理速度慢与精度低等不足。为了提高动态称重的快速性与准确性,本文将高斯和粒子滤波算法应用于动态称重数据处理。在对动态称重系统建立状态空间模型的基础上,引进高斯和粒子滤波算法,利用高斯和逼近状态的后验密度,提高了对状态分布估计的精确性。实验结果证明,高斯和粒子滤波方法有效地提高了动态称重的速度与精度,比较实验结果说明本文方法优于传统的扩展卡尔曼滤波和粒子滤波效果。

基于模型辨识的SMC滤波技术应用研究

针对组合秤大小料斗开关门扰动与物理参数不准确的实际问题,提出了基于高斯和粒子滤波器的序贯蒙特卡罗(SMC)动态称重数据处理新方法。通过对称重信号的频谱分析,指出了物理建模方法的不足之处,采用负阶跃动态校准实验数据辨识得到对象模型,并利用伽马分布的非对称拖尾特性对大小料斗开关门扰动等低频噪声进行建模得到噪声模型;在此模型的基础上,针对系统非高斯噪声特性,选择了基于高斯和粒子滤波器的SMC方法对信号进行滤波处理。实验及仿真结果表明,高斯和粒子滤波可以有效地滤除开关门扰动,有效地提高动态称重的速度与精度,优于传统的卡尔曼滤波和粒子滤波。