一种基于数据融合算法的大质量比较仪

摘要

本发明公开了一种基于数据融合算法的大质量比较仪，质量比较仪秤体，仪表；仪表设有初始化模块，用于初始化，根据实时获得称重传感器数据与预先存入的水平状态数据进行比较，以确定是否处于水平状态；故障识别模块，对称重传感器的数据进行融合，根据传感器之间的相关性，识别存在故障的称重传感器；自适应滤波模块，通过多个传感器数据的标准偏差来自适应确定卡尔曼滤波的

说明书

技术领域

本发明属于质量计量领域，特别是一种基于数据融合算法的大质量比较仪。

背景技术

质量比较仪广泛应用于质量计量中，是一种特殊的电子天平，主要用于标准砝码和被检砝码的质量比较，是一种非常重要的量值传递工具。其主要溯源原理为，通过质量比较仪将被测砝码与标准砝码进行多次比较，得出被测砝码与标准砝码的差值，由于已知标准砝码的质量，便可得出被测砝码的值。目前质量比较仪主要分为电磁力传感器和应变式传感器两类。电磁力传感器精度很高主要用于小质量、高精度（E和F等级）砝码的量值传递，对使用环境要求也非常高，一旦安装调试完成就不能移动。而应变传感器的质量比较仪主要用于大质量（1t以上）、精度低（M等级）工作用砝码的量值传递，其对使用环境的要求相对较低，移动后通过调整水平即可使用，这种比较仪简称为大质量比较仪，其在衡器制造、交通安全等方面发挥着非常重要的作用。

目前使用的大质量比较仪多采用3只或4只传感器的型式，将所有传感器信号并联后通过信号放大、滤波等处理后变换为质量值。存在的问题主要有：

1、难以调整秤体水平。大质量比较仪在移动之后必须要调节水平，使其传感器处于同一水平面才能正常使用，目前大多采用肉眼观察水平泡的方式调整每个角上的螺丝使其处于水平位置，这种方式肉眼观察误差较大，难以调整到水平位置。

2、大质量比较仪的偏载误差和非线性误差难以解决。大质量比较仪所有传感器通过接线盒并联成一路信号后进行AD转换，由于每个传感器的灵敏度等参数不同，因此每个传感器信号并联之前需调节接线盒上的电位器，使其灵敏度尽量一致，使砝码放置在不同的位置显示的质量值一致，以解决偏载误差问题，但是实际调节操作非常困难，手动调节电位器费时费力。同时由于秤体变形，应内力等问题产生的非线性误差目前无法解决，影响大质量比较仪的精度。

由于上述存在的缺陷，很多大质量比较仪在现实应用的过程中使用效果并不理想，手动难以调节，难以满足客户现场使用的需求。

发明内容

本发明所解决的问题在于提供一种基于数据融合算法的大质量比较仪，以解决大质量比较仪在实际使用中秤体水平调整、偏载误差和非线性误差的问题。

实现本发明目的的技术解决方案为：

一种基于数据融合算法的大质量比较仪，包括设有多路称重传感器的质量比较仪秤体；所述质量比较仪秤体通过接线盒与仪表相连；所述仪表设有：

初始化模块，用于完成数据参数的初始化，根据实时获得称重传感器数据与预先存入的水平状态数据进行比较，以确定质量比较仪秤体是否处于水平状态；

故障识别模块，基于皮尔逊相关系数对称重传感器的数据进行融合，根据传感器之间的相关性，识别存在故障的称重传感器；

自适应滤波模块，基于标准偏差的自适应卡尔曼滤波，通过多个传感器数据的标准偏差来自适应确定卡尔曼滤波的

基于径向基函数神经网络的数据融合模块：以多路称重传感器信号作为输入，利用径向基函数神经网络多传感器信息融合的误差补偿方法，建立质量比较仪误差补偿模型，补偿后的值为作为输出得到称量结果。

本发明与现有技术相比，其显著优点是：

（1）本发明采用数字化接线盒的方式，对每个应变称重传感器进行AD转换，通过人工智能的方式自动计算每个传感器的系数，避免了采用电位器调整传感器的灵敏度，更加准确便捷。

（2）本发明设计了一种水平调整功能，通过空载时每个称重传感器的数值与水平状态下的称重传感器数值比较来判断是否处于水平状态，也可以根据每个传感器的数值来调整各角高低，使其达到水平状态。

（3）本发明设计了一种数据融合算法，通过基于皮尔逊相关系数的数据融合算法对传感器进行故障识别，判断传感器是否有异常，自适应他卡尔曼滤波后通过基于径向基函数神经网络对四只传感器的数据融合，以有效解决偏载误差和非线性误差。

附图说明

图1为基于数据融合算法大质量比较仪的结构图。

图2为 初始化模块流程图。

图3 为数据融合算法流程图。

图4 为径向基函数神经网络图。

具体实施方式

为了说明本发明的技术方案及技术目的，下面结合附图及具体实施例对本发明做进一步的介绍。

结合图1-图4， 本发明的一种基于数据融合的大质量比较仪主要分为三部分：质量比较仪秤体、嵌入式数字接线盒和仪表。质量比较仪秤体是由四只传感器和钢结构台面组成。嵌入式数字接线盒主要由AD转换模块和通讯模块组成。仪表主要由初始化模块、数据融合模块和显示模块组成。

质量比较仪秤体与AD转换模块相连；AD转换模块与通讯模块相连；通讯模块与仪表的初始化模块相连，初始化模块为仪表刚开机使用时执行的模块，一旦运行完毕，在使用过程中就不需要再执行此模块。在使用过程中通讯模块直接与数据融合模块相连，数据融合模块与显示模块相连。

质量比较仪秤体用以承载砝码并将砝码的质量转换为电压信号。

质量比较仪秤体的工作过程为：

秤台台面为1.2m×1.2m的钢平台，四脚分别放置四只称重传感器。使用时，将需要检定的砝码放置于台面上，四只称重传感器受力，便将砝码的质量转换为四路电压信号并联输出到嵌入式接线盒的数模转换模块（简称AD转换模块）。

AD转换模块用以将称重传感器的电压信号转换为数字信号，以便后期信号的分析与处理。

AD转换模块的工作过程为：

此AD转换模块由四块AD7176数据转换板组成，每块AD数据转换板连接一只称重传感器。每块AD数据转换板按照预定设置依次对每个称重传感器信号循环采集，每采集完一个循环后便将四只传感器的数据传输到通讯模块，以便发送至上位机。嵌入式接线盒中的STM32F103单片机负责设置AD7176转换板的采样方式、采样速率等。为了提高AD转换的精度，四块AD7176数据转换板采样速率设置为16次/秒，采样方式设置为循环采样，每次质量比较仪上电开始使用时，嵌入式接线盒中的STM32F103单片机首先对AD7176数据转换模块进行参数设置，整个使用过程中，参数不能再改变。

通讯模块用以将AD7176转换板转换的数据实时发送到上位机仪表中。

通讯模块的工作过程为：

此通讯模块采用RS422通讯方式，其首先判断四路传感器的数据是否完整，如果四路传感器的数据完整，分别将四只从传感器的数据按顺序发送，并添加数据头和数据尾，以便上位机仪表分析数据。具体数据格式如下：

AA ×× ×× ×× ×× ×× ×× ×× ×× ×× ×× ×× ×× FF

AA为数据头，一组数据开始标识。FF为数据尾，一组数据结束标识。中间为称重传感器的数据，每个传感器占24位bit。

通讯模块将传感器数据发送至仪表，如果是刚开机则需要初始化流程，通讯数据传输到初始化模块，初始化完毕后就不需要再执行初始化模块。

初始化模块的工作过程为：

如图2所示，初始化模块主要是仪表完成数据参数的初始化以及质量比较仪水平调整。

初始化参数主要是径向基函数神经网络训练的参数、质量比较仪秤体预存水平状态传感器数据。径向基函数神经网络训练的参数主要用来四只传感器的数据融合。质量比较仪秤体水平状态传感器数据是指在秤体水平状态时预存的四只传感器的数值（

初始化时，要保持秤体是空载状态，当初始化模块初始化完毕相关参数后，通过串口读取四只称重传感器的数据(

然后实时获得称重传感器数据(

则表示质量比较仪秤体处于水平状态，满足正常使用需求。如果不能满足说明质量比较仪秤体不处于水平状态，则仪表显示报警信息。A为水平状态判定阈值，本实施例中取1000，可根据不同传感器进行调整。

初始化完成后，大质量比较仪进入正常工作状态，数据融合模块读取四只称重传感器的数据。数据融合模块工作流程图如图3所示。

数据融合模块主要分为三部分：基于皮尔逊相关系数数据融合的故障识别模块、卡尔曼自适应滤波模块和基于径向基函数神经网络的数据融合模块。

首先将串口读入的四个传感器的数据进行基于皮尔逊相关系数的数据融合的故障识别，具体思想如下：

在砝码加载和卸载的过程中，四只传感器的变化规律是相同的，数据应该同时增大或者减小，其两两之间的关系是强相关的，如果有称重传感器的数据与其他称重传感器的数据相关性不强，则表示此传感器产生故障，不是处于正常工作状态，需要调整或者维修。

具体步骤如下

1）四个传感器数据分别存入一个20个数据的数组中分别为

其中

2）然后利用公式（2）计算两两传感器之间的皮尔逊相关系数

式中

式中cov（

3）如果

4）如果

5）读取下一个数据重复上述过程。

如果没有故障则进行基于标准偏差的自适应卡尔曼滤波，通过四个传感器数据的标准偏差

卡尔曼滤波的协方差参数

在加载或卸载砝码时，称重传感器的数据会急速增加或减小，此时需要滤波跟随性较好，

具体步骤为：

1）读入上面计算得出的四个传感器数据的标准偏差

2）如果

如果

如果

如果

如果

3）每个传感器数组队列重新读入一个新数据，作为队列头，舍弃队列尾最后一个数据，重复1）进行循环滤波。

滤波后的数据基于径向基函数神经网络算法主要是用来解决质量比较仪的偏载误差问题。其主要思想为：传统的质量比较仪四路传感器的输出采用并联的电路方式，反复调节接线盒中的电位器，调整各个通道的增益，以减少偏载误差。但是质量比较仪偏载误差受秤体的刚度和强度，加工安装过程中的内应力以及承重时秤体的机械变形等非线性因素影响，很难仅仅调整电位器就能达到要求的精度，这样是影响质量比较仪精度的一个重要因素。而径向基函数神经网络在多传感器信息融合中有广泛的应用，能够很好的逼近非线性函数。本算法就是以四路称重传感器信号作为输入，利用径向基函数神经网络多传感器信息融合的误差补偿方法，建立质量比较仪误差补偿模型，补偿后的值为作为输出，补偿模型如图4所示，图中：

式中：

本算法采用高斯函数作为网络的基函数，则：

式中：

具体步骤为：

首先进行质量比较仪的误差补偿基函数神经网络的训练。利用不同的质量，本质量比较仪采用500kg，1t，2t三个数值分别加载质量比较仪秤体的不同位置，采集60组4路称重传感器信号经过归一化处理后，得到数据

式中

其中

为使用目标函数最小化，各个参数的修正量应与其负梯度成正比。可得各个参数修正量：

其中

目标函数

显示模块主要用来实时显示相关故障信息和称量结果。

本发明通过初始化模块对大质量比较仪的四个传感器数据进行分析处理，能够便捷的完成大质量比较仪的水平调节，并且通过数据融合算法能够减少偏载和非线性误差的影响，提高大质量比较仪的精度。