一、汽车动态称重信号的两个处理方法（论文文献综述）
邓金明[1]（2021）在《多通道车辆动态称重系统与实现研究》文中研究指明在最近十几年时间,随着全国基础建设的发展,公路建设逐渐增多。运输行业蓬勃发展,因此带来了公路治理问题,主要集中于超限超载问题。本文旨在对动态称重系统的算法性能和系统工作模式上对传统市面上的称重系统进行改进和创新,提升系统准确性,加强系统实时性。在公路有多条车道情况下,为满足所有车道车辆称重有序可靠。设计了保证实时性、稳定性、可靠性的多通道车辆动态称重整体系统。该系统需要具备对接收到的称重信号实时传输能力;对信号具备精确计算能力;对车辆信息精确匹配能力。通过对大量文献的阅读总结,并结合系统要求,提出了本文主要研究方向和具体工作内容,并在以下四个方面研究WIM系统的核心单元:1)针对WIM系统开发和日后功能扩展升级,本论文将采用CPU+FPGA的平台架构。完成了多通道动态称重系统中核心单元各个功能模块开发与测试,保证了通信链路的畅通。设计了基于分立式架构下实时性的数据传输模块,并完成数据搬移的测试实验,该模块通过对FPGA采集并存储的数据协调并在ARM核间进行数据高速搬移。针对软硬件中间层,设计了应用程序接口（API）以提高开发效率,并测试其适用性。2)针对多通道车辆称重系统噪声问题,使用MATLAB对采集到的信号进行实验。使用称重系统传统的噪声抑制方式和基于小波变换的去噪方式对采集的原始信号进行对比测试;之后基于小波变换奇异点的特性,找到称重波形信号的起止点以提升称重的计算精度。3)针对动态称重系统在工程上出现标定不灵活的问题,通过研究路面激励指导探究造成该偏移的因素,获取该基于该因素下的数据来拟合得到标定函数。该函数取缔传统称重算法中的常数项,以提升系统标定的灵活性,可靠性。4)针对多通道下车辆跨车道分车出现错误的问题,将跨车道分车进行具体的逻辑分类,通过建立数学模型将分车问题抽象成统计分类问题。建立仿真数据集探究基于SVM的机器学习分类方法,并且验证该数据集的适用性与合理性。
李强[2]（2021）在《高精度液体灌装动态称重控制系统研究》文中进行了进一步梳理大部分物料是以袋装、瓶装或者罐装的形式出现,以便于其储存、运输及使用等。因此,灌装机械是自动化灌装生产线上不可或缺的装置。灌装机械,主要是包装机械中的一类产品,其广泛适用于医药、食品、饮料、日化、油脂、农药及其他特殊行业。称重式液体灌装机是灌装机械的一种,如何保证在快速称重的情况下达到所要求的称重精度,已成为国内外学者研究的重点。因此,设计开发一套能够在预定时间内实现高精度称重的液体灌装动态称重控制系统,具有非常重要的意义。针对高精度液体灌装动态称重控制系统所存在的称重精度和称重速度之间相互影响和相互矛盾的问题,本文以称重式液体灌装机为研究对象,主要对自适应噪声抵消称重信号采集与处理和二阶段式灌装控制在线修正2个关键技术进行研究。主要研究内容如下:1)查阅与本课题相关的文献资料和企业调研,对国内外灌装机械、称重信号处理技术以及灌装控制技术的发展概况进行了分析、归纳和总结,为液体灌装动态称重控制系统的研发做好了相关知识储备。2)结合实际工况条件,按照课题灌装技术指标要求对高精度液体灌装动态称重控制系统的需求进行了分析,对所需要研究的内容进行了分析与归纳,并设计出了相应的总体方案。3)自适应噪声抵消称重信号处理技术研究。结合实际工况条件,通过分析噪声产生的主要来源,针对动态称重信号及噪声信号的非平稳性和随机性的特点,提出了一种自适应噪声抵消称重信号处理方法。该方法通过对动态称重信号中噪声信号进行抵消,以此衰减或者抑制称重传感器自身振动、灌装过程中物料下落时冲击力变化以及外界随机干扰等所产生的噪声信号影响。重点介绍了自适应滤波器结构、自适应噪声抵消原理和算法以及参考噪声信号的获取方法,并通过仿真实验比较分析了自适应LMS算法、自适应NLMS算法和自适应RLS算法的去噪性能,最终选择自适应NLMS算法作为本课题动态称重信号的自适应噪声抵消算法,实现了稳定可靠的称重数据采集与处理。4)二阶段式灌装控制在线修正技术研究。结合本课题称重式液体灌装机所选用的双控灌装阀,为了兼顾给料速度和给料精度的要求,对灌装过程中的控制策略进行了分析和研究,提出一种双控灌装阀的启、闭配合来进行二阶段式灌装的控制策略,对动态称重灌装过程的数学模型进行了研究,并通过确定粗细给料最佳切换点实现了给料速度的最大化,以及对现有灌装控制技术的不足进行分析,提出一种基于改进的迭代学习控制算法的关门提前量在线修正方法,以提高给料精度。最后,通过实验表明改进的迭代学习控制算法具有很好的适应性能。5)针对上述关键技术项,通过对高精度液体灌装动态称重控制系统的硬件进行选型与设计,并搭建原型装置对灌装过程中的自适应噪声抵消称重信号采集与处理、二阶段式灌装控制在线修正的效果进行灌装实例验证。结果表明高精度液体灌装动态称重控制系统能够保证在规定时间内的高精度称重,满足在12 s内称量500 g物料且称重精度为1 g以内的效果。
周书[3]（2020）在《分选秤的动态称重研究》文中研究说明随着时代的发展,快速的检测重量,动态的检测重量,在生产、生活中得到普及,利用动态称重技术,产品可以在传送装置行进中检测,不需要停顿,大大的节省了时间,提高了工作效率,同时工厂对于生产过程的数据整合,流程的统一管理的要求,需要把现场数据传回监控室。针对这一需求,本文设计了动态分选系统,论文的主要内容如下:描述了系统的总体设计,分为系统监控部分、称重控制部分、执行机构。系统监控分为由触摸屏、系统监控平台、远程终端,触摸屏负责在本地的用户交互,系统监控平台负责在监控室进行数据查看,远程终端可以随时随地登录网站查看分选系统的实时状态;称重控制部分主要是基于STM32的嵌入式系统,详细介绍了称重控制器的硬件设计,包括MCU的选型,通讯模块的选型、AD采样模块的选型。介绍了不同类型的称重传感器,并对不同类型传感器的优缺点进行了对比;执行机构由电机、传送带、称台、喷气嘴或者机械臂构成。完成了各个部分的软件设计,其中系统监控部分都是在组态软件上编程,开发效率高;称重控制器部分给出了各个子程序的流程图以及相关的详细说明。在实验结果与分析中,对比研究了低通滤波、均值滤波、中值滤波在称重数字信号中的应用,根据三种滤波算法对相同原始称重数据的处理结果,分析了产生不同结果的原因与对应算法的优劣。基于分析的原因与三种算法的优点,本文采用三算法构成一种组合算法对原始称重数据进行滤波处理,处理结果和实际运行结果表明,组合算法可以有效抑制皮带传输所产生的振动影响,准确得到被称重物品的目标重量。设计系统的实际运行验证了本文设计的正确与有效性。
王豪[4]（2020）在《车辆轴载测试系统研发与轴载数据分析》文中提出近年来,我国交通运输和道路建设行业飞速发展,新改建道路里程不断增多,营运车辆数量也不断增加。为了能够准确进行交通量和车辆轴载数据统计,为路面结构设计和预防性养护提供数据支持,本论文基于PVDF压电膜传感器研发了一套联网版的车辆轴载动态称重系统,并搭建道路载荷大数据平台,能够实时获取道路的交通量及车辆轴载数据。本文首先详细介绍测试系统的硬件功能组成,分析了 PVDF压电膜传感器的工作原理,设计了信号处理电路对传感器信号进行处理,并通过单片机实现了信号的高速采集。基于地感线圈设计了 LC振荡电路,实现车辆位置的检测。设计数据存储及4G无线传输电路,实现了测试数据的实时存储和远距离传输等功能。在此基础上完成整个系统的集成、封装与功能测试。其次,利用封装的系统对车辆位置检测及车辆参数计算方法进行研究。提出基于地感线圈的车辆位置检测算法,通过多种抗干扰手段提高检测的鲁棒性,实现高速运行车辆位置的快速检测。设计车辆参数计算软件实现车辆轴重、车速、轴距及车辆轮迹线等参数的计算,并提出温度修正算法提高轴重测量精度。搭建道路载荷大数据平台实现参数的显示、查询、存储及分析。再次,通过道路试验对车速及路面温度等影响轴重测量精度的因素进行分析。在相同路面温度下,研究车速对车辆轴重计算精度的影响;结果表明,在相同路面温度下,系统测量结果能够满足ASTME1318标准的要求。在相同车速下,研究温度对车辆轴重信号的影响;结果表明,信号的积分值与温度成正比,提出的温度修正方法可以减小温度对测量结果的影响。将开发的系统在多个省市的道路进行安装,对系统的功能性和可靠性进行考核。最后,通过统计方法对上传至道路载荷大数据平台的车辆参数进行分析,计算交通量、车辆轴载谱及当量轴载等数据,对所研究道路的交通等级进行评估,为道路设计、管理和养护提供参考。
郦超杰[5]（2020）在《禽蛋动态称重算法及嵌入式软件研究》文中研究表明随着我国居民生活水准的提高,对禽蛋类农产品的质量要求越来越高,因此对于禽蛋分级设备的需求也越来越高。而禽蛋重量是衡量禽蛋品质的一个重要指标。本文在课题组研发的禽蛋动态称重机械设备与动态称重信号调理模块的基础上,开发了适合用于禽蛋动态称重的嵌入式软件系统,主要以禽蛋为研究对象,从滤波去噪的数字滤波器选择和基于信号特征值的重量预测入手,分别开展了不同FIR滤波器与IIR滤波器对禽蛋动态称重原始信号滤波效果的影响;以及研究了使用不同方式的滤波信号特征值提取对称重效果的影响,初步开展了使用二代神经计算棒用于禽蛋动态称重的神经网络边缘计算。（1）研究了不同滤波器选型对原始信号的滤波效果的影响。主要结论有:1)禽蛋动态称重原始信号的噪声频率主要在20Hz以上,且在滤波器阶数选择时以20Hz及以下的滤波阶数为主;2)过高的FIR滤波阶数在称重速度为5个/秒时,容易导致程序运行出错,导致出现丢值的现象,即说明在过高的滤波阶数与过高的速度双重影响下,滤波程序的运行时长影响到了程序的正确逻辑运行。3)根据不同称重速度采取不同的数字滤波器是较为合适的,当称重速度低于3.5个/秒时,采用截至频率为20Hz,7阶的Butterworth滤波器。当称重速度高于3.5个/秒时,采用beta=4.55,截至频率为5Hz的80阶Kaiser窗口滤波器。（2）研究了采用不同方式的滤波信号特征值提取算法对称重效果的影响。主要结论有:1)称重传感器滞后问题导致在高速连续称重时称重结果偏高;2)分别采用了算术平均值、算术平均值优化和中位值均值作为滤波信号特征值的算法,在3个/秒时,三种特征值提取算法都取得了误差范围在±1 g以内;在4个/秒时,采用算术平均值优化同中位值均值算法的效果较好,误差范围在±1 g左右;但在5个/秒时,三种算法的测试结果误差均较大。（3）探究了神经计算棒与边缘计算在动态称重中的应用。设计了简易的通信上位机,并探究了使用BP神经网络处理滤波信号的结果,在一定程度上,本文搭建的BP神经网络对滤波信号的特征值提取并未提高称重精度。
高彤彤[6]（2019）在《基于压电薄膜的车辆动态称重系统的研究与实现》文中进行了进一步梳理随着当前经济的迅速发展,我国对交通运输的需求越来越大,因此很多企业铤而走险采用超载的方式换取短时高利,这种违规行为严重威胁行车人员的安全、减损公路的使用寿命、损害国家的利益,因此治超至关重要。动态称重系统是在不影响车辆正常行驶的情况下,通过在行车道路上埋设称重传感器,自动获得和检测车辆载重信息,从而达到治超的目的。这对硬件设备的稳定性、敏感性以及称重算法的性能有特别高的要求,目前动态称重系统的精度仍有待提高。本文针对基于压电薄膜的车辆动态称重系统进行了设计与实现,重点分析压电薄膜称重传感器和动态称重算法对动态称重系统精度的影响。首先针对压电薄膜称重传感器的精度问题,提出通过采用支架控制并胶体封装的传感器埋设方式和Z型的传感器布局方式,降低工作环境对其稳定性、灵敏度的影响,并提高实验结果的可信度。其次针对动态称重算法的性能问题,提出通过小波变换模极大值法的信号突变点检测方法检测轴重信号的奇异点,利用该奇异点进行轴重信号面积以及车辆速度的计算,进而提高称重算法的精度,同时考虑环境温度对压电薄膜称重传感器灵敏度的影响,提出基于温度的动态称重补偿系数,对称重算法进行补偿。最后通过实验测试算法精度,实验结果表明改进后的动态称重算法可降低环境温度和车辆速度对称重结果的影响,称重误差控制在4%以内,平均称重误差可降低22.28%,明显提高称重精度,可满足ASTME1318-90标准对IV类称重系统精度的要求。
王宇[7]（2018）在《车辆动态称重仪表的研究与设计》文中进行了进一步梳理当代中国的交通运输业发展十分迅速,但也带来了货车超载超限现象,为杜绝该不良现象,我国大力推广计重收费方式。随着计重收费方式的推广,对动态称重（Weigh-In-Motion,WIM）技术要求也越来越高了。本文主要完成WIM系统中称重仪表的设计以及仪表称量精度的提高。本文在详细分析整车式称重仪表功能和称重算法实现的基础上,给出了基于STM32的整车式车辆动态称重仪表的设计方案。该设计方案分成三部分:算法仿真、硬件设计以及软件设计。算法仿真主要完成称重预处理算法以及称重核心处理算法的仿真与比较工作,硬件设计主要完成以STM32为核心的称重仪表的电路设计,软件设计主要完成以UC/OS-II系统为基础的仪表基本功能的实现。在算法仿真中,对称重信号的组成进行分析,以此为基础进行算法的仿真与对比,得到FIR滤波器和三层反向传播（Back Propagation,BP）神经网络的算法组合,该算法组合对称量精度有明显提高。在硬件设计中,对WIM系统的基本组成进行了介绍并且对称重仪表的部分电路进行研究与分析。在软件设计中,对各模块的设计思想和关键技术进行着重介绍,并完成典型算法的对比与实现,验证本文选择的算法组合符合国家标准,并且明显优于传统算法,有效的提高了称重仪表的称量精度。
杜长东[8]（2018）在《低频动态载荷理论分析及称重精度提高算法研究》文中研究表明超限超载运输不仅会对公路造成严重破坏,还会带来难以挽回的交通事故。动态称重技术可以治理车辆超限超载,并为高速公路货车计重收费提供可靠依据。现有主要动态称重设备包括弯板（称量部分轮载）、单台面秤（称量轴重）、双台面秤（称量轴重）、轴组秤（称量轴组重）与整车秤（称量整车重）,它们在成本、安装维护、通行效率、动态称重准确等方面具有各种优缺点,其中动态称重准确度在科技治超、计重收费、交通量调查等实际应用中是需要主要考虑的关键指标之一。动态称重设备的秤体承载器长度随着动态称重准确度提高逐渐增加,导致施工成本和时间等也相应增加。为了保证动态称重准确度,考虑秤体承载器长度的经济性,基于汽车和秤体振动特性,建立了动态称重信号的滑动平均滤波和B样条最小二乘法的数学模型,有效消除了低频动态载荷振动干扰。试验结果表明:车辆分别以05 km/h和012 km/h范围内的速度通过长度为0.8 m和1.6 m的秤体,重量误差在0.5%以内,满足国家1级秤标准;试验车辆分别以理论速度限值20.7 km/h和24.3 km/h通过2.6 m和3 m长度秤体后,统计得出重量误差在0.5%以内。研究不仅对秤体承载器的设计长度提供理论依据,也对现有已安装的单台面秤、双台面秤的动态称重精度提高具有重要的参考意义。
李鹏越,李晓林[9]（2017）在《关于汽车动态载荷智能测量的研究》文中研究指明汽车动态称重系统虽然能够适应快速称重,但其称量精度有所下降。为了在快速称重的同时保证称量精度,提出了基于改进Levenberg-Marquardt算法的动态载荷处理方法。首先通过小波变换对动态载荷中的高频随机干扰进行预处理,然后采用改进Levenberg-Marquardt算法对低频动态载荷进行拟合,最后从称重信号中减去拟合的动态载荷即可获得真实的静态载荷。仿真和实验表明,该方法可以有效地降低动态载荷对称量精度的影响,使系统动态称重相对误差小于2%,对高速动态称重精度问题具有一定意义。
张剑一[10]（2017）在《动态称重数据处理算法及其在禽蛋和类球形水果分选中的应用研究》文中研究表明随着世界各国对包括禽蛋、水果在内的农产品质量要求越来越高,全自动农产品品质检测与分级装备已广泛应用于禽蛋和水果的生产和加工行业。重量作为一项重要的等级指标,是衡量禽蛋和水果品质的重要特征和分级的重要依据。随着对设备处理速度和称重精度要求的提高,目前广泛采用的基于滤波去噪和滑动平均的动态称重算法难以获得较高的测量精度,因此研究快速的动态称重数据处理算法对农产品重量分选机的性能提升具有重要的意义。本文结合课题组研发的禽蛋产地商品化处理成套装备和易损伤水果内外品质同步在线检测分级技术与成套装备,研发了圆弧形轨道式禽蛋动态称重装置和自由托盘皮带输送式类球形水果动态称重装置,开发了基于CompactDAQ的便携式数据采集平台的和基于MATLAB的数据采集与处理软件。重点研究了禽蛋和水果称重装置的动态特性和机械振动干扰的性质。以禽蛋和苹果作为研究对象,从滤波去噪和基于模型的重量预测两个方向入手,分别开展了基于非对称截尾均值重量估计方法的禽蛋动态称重算法研究和基于多层神经网络的禽蛋和水果动态称重算法的研究。主要研究内容、结果和结论如下:1.研究了禽蛋和水果动态称重装置的动态特性和振动干扰的性质,主要包括动态称重装置固有频率的测定和研究、空载运行和动态称重过程时的振动干扰的研究,结果如下:（1）动态称重装置固有频率的测定和研究。采用脉冲激励响应法并使用傅里叶变换对动态称重装置的固有频率进行了测定和研究。结果表明:1)本研究所使用的禽蛋动态称重装置具有两个大小分别为72 Hz和118 Hz的固有频率;2)本研究所使用的水果动态称重装置具有一个频率为38 Hz的明显的固有频率,此外频谱图上还显示在34Hz还具有一个不太明显的共振峰,表明水果动态称重装置并不是一个的理想的二阶的系统。（2）动态称重装置空载运行时振动干扰的研究。结果表明:1)禽蛋称重装置采用分离式称重传感器组件安装架可以减少低频振动干扰噪声;2)处理速度并不会影响禽蛋动态称重信号中振动干扰的频率的大小,只影响振动干扰的强度,且三个速度下的振动干扰的主频均在90 Hz左右;3)水果动态称重装置的运行速度直接影响振动干扰频率的大小和强度。振动干扰有多个共振峰,但是具有明显的主频;4)水果动态称重装置还具有频率在10Hz内低频段的振动干扰,且频率随处理速度的增大而提高和增强。（3）动态称重过程中振动干扰的研究。首先对加速度信号与称重信号的进行时域和频域上的相关性分析,然后通过平滑伪魏格纳-维利分布对设备空载运行时的称重传感器信号和动态称重过程中的加速度信号进行了时频分析。结果表明:1)禽蛋称重装置空载时称重传感器与加速度传感器的时域信号和频域信号均具有极强的相关性;2)水果称重装置空载时称重传感器与加速度传感器的时域信号和频域信号在0.5 m/s和0.9 m/s的运行速度下也具有较强的相关性;3)在0.7 m/s的运行速度下,来自预输送机和后端输送机的振动干扰通过地面与称重传感器的安装座产生了共振引起,使加速度传感器和称重传感器时域和频域信号的相关性减弱;4)禽蛋和水果动态称重空载时的振动干扰是非平稳信号;5)禽蛋和水果动态称重过程中产生的振动干扰也是非平稳信号,且处理速度越高,振动干扰的非平稳程度越高。2.提出了 一种由数字滤波器和非对称截尾均值组成的基于排序的重量估计方法（Sorting based mass estimator,SME）,并用网格寻优法对其进行了参数优化,解决了禽蛋在动态称重轨道上无约束滚动时会随机产生难以完全消除的短时高强度的振动干扰对称重精度的影响。结果如下:（1）SME能够显着提高禽蛋动态称重精度,在基于4种数字滤波器的SME中,基于FIR数字滤波器的SME具有最高的称重精度,平均误差平均值均小于0.02 g,最大平均误差平均值为0.2 g,最大平均误差标准差为0.29 g,最大误差标准差为0.47 g,最大测量误差为-0.92 g。（2）相比广泛使用的基于滤波和平均值重量估计的方法（Average based mass estimator,AME）,基于SME的4种动态称重数据处理算法的基于误差平均值的总体测量精度提高率分别为92.6%,86.6%,93%和85.7%,而基于误差标准差的总体测量精度提高率分别为42.6%,49.7%,40.8%和 45.1%。（3）SME的处理时间非常短,SME（FIR）的程序执行时间为0.1313ms,SME（IIR）的程序执行时间为0.0572 ms,SME（ALMS）的程序执行时间为2 ms,SME（TVLPF）的程序执行时间为0.849 ms,相比5个每秒下的200 ms的每个禽蛋的称重时间,SME完全满足实时动态称重的速度要求。3.提出将动态称重的重量估计过程转化为基于称重信号统计分布特性的非线性函数拟合过程,构建了两层前馈神经网络MLP的重量预测模型。结果如下:（1）MLP0能够显着提高禽蛋和水果动态称重的精度。1)禽蛋动态称重中,最大检测误差为-1.133 g,误差平均值为0.025 g,标准差为0.276 g。相比于滤波和平均值（均值,中位数,25%截尾均值）重量估计的方法AME,MLP0的基于误差平均值的总体测量精度提高率分别为90.5%,81.8%和85.5%,而基于误差标准差的总体测量精度提高率分别为55.4%,29.2%和39.3%;2)水果动态称重中,测试集样本的误差平均值为-0.126g,误差标准差为1.374 g。相比于AME,MLP0的基于误差平均值的总体测量精度提高率分别为86.1%,89.5%和88.8%,而基于误差标准差的总体测量精度提高率分别为14.3%,36.5%和 29.0%。（2）基于不同处理速度下测试样本的神经网络模型MLP1，MLP2和MLP3同样能够显着提高禽蛋动态称重的精度。通过对比发现,MLP0与MLP1,MLP2和MLP3具有相似的称重精度。因此,基于两层前馈神经网络的动态称重算法可以有效地提高不同测量速度下禽蛋和水果的动态称重精度。
二、汽车动态称重信号的两个处理方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、汽车动态称重信号的两个处理方法（论文提纲范文）
（1）多通道车辆动态称重系统与实现研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内动态称重衡器种类 |
| 1.2.2 国内外动态称重算法研究现状 |
| 1.2.3 动态称重系统 |
| 1.3 论文结构与本章小节 |
| 第二章 多通道动态称重系统总体方案 |
| 2.1 动态称重系统工作流程 |
| 2.2 石英称重传感器及相关原理 |
| 2.2.1 石英称重传感器 |
| 2.2.2 称重信号计算基本方法 |
| 2.3 称重系统总体与相关技术 |
| 2.3.1 多通道称重系统总体结构 |
| 2.3.2 嵌入式操作系统 |
| 2.3.3 ARM技术 |
| 2.4 动态称重信号处理 |
| 2.5 本章小节 |
| 第三章 称重处理单元硬件设计与功能模块测试 |
| 3.1 称重处理单元总体设计 |
| 3.2 信号采集模块设计与测试 |
| 3.2.1 称重信号采集模块测试 |
| 3.2.2 温度测量模块 |
| 3.3 核心处理板部分外围电路测试 |
| 3.3.1 UART模块 |
| 3.3.2 USB模块 |
| 3.4 数据传输模块设计与测试 |
| 3.4.1 任务划分与工作流程 |
| 3.4.2 测试与结果 |
| 3.4.3 应用程序接口设计与测试 |
| 3.5 本章小节 |
| 第四章 动态称重信号去噪处理与称重计算 |
| 4.1 动态称重信号处理方案与基本流程 |
| 4.2 称重信号噪声抑制 |
| 4.2.1 基于滑动平均滤波的噪声抑制方案 |
| 4.2.2 基于窗函数设计的噪声抑制方案 |
| 4.3 基于小波变换的去噪方法 |
| 4.3.1 基本原理 |
| 4.3.2 实验与结果 |
| 4.4 称重信号处理方案优化 |
| 4.4.1 基于小波变换的信号起止点查找 |
| 4.4.2 路面响应分析 |
| 4.4.3 标定函数 |
| 4.5 动态称重综合方案与现场测试 |
| 4.6 本章小节 |
| 第五章 多通道动态称重系统分车方法研究 |
| 5.1 多通道动态分车问题提出与分析 |
| 5.1.1 红外车辆分离器基本原理 |
| 5.1.2 地感线圈车辆分离器基本原理 |
| 5.1.3 问题分析 |
| 5.2 多通道动态称重系统分车问题建模 |
| 5.2.1 多通道动态称重分车逻辑 |
| 5.2.2 状态向量转移 |
| 5.3 多通道分车算法方案 |
| 5.3.1 常见分类算法介绍 |
| 5.3.2 基于SVM的车辆行驶状态分类算法 |
| 5.3.3 仿真样本验证与结果分析 |
| 5.4 本章小节 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 未来展望 |
| 致谢 |
| 参考文献 |
（2）高精度液体灌装动态称重控制系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 灌装机械的国内外研究现状 |
| 1.2.2 动态称重信号处理技术的国内外研究现状 |
| 1.2.3 灌装控制技术的国内外研究现状 |
| 1.3 课题的来源 |
| 1.4 论文的研究内容和组织结构 |
| 1.4.1 论文研究的主要内容 |
| 1.4.2 论文的组织结构 |
| 2 高精度液体灌装动态称重控制系统总体方案设计 |
| 2.1 灌装技术指标描述 |
| 2.2 高精度液体灌装动态称重控制系统需求分析 |
| 2.3 高精度液体灌装动态称重控制系统总体方案设计 |
| 2.4 本章小结 |
| 3 自适应噪声抵消称重信号处理技术研究 |
| 3.1 噪声来源分析 |
| 3.2 自适应噪声抵消信号处理技术研究 |
| 3.2.1 自适应滤波器结构 |
| 3.2.2 自适应噪声抵消技术原理 |
| 3.2.3 最小均方(LMS)算法 |
| 3.2.4 递推最小二乘(RLS)算法 |
| 3.3 提取参考噪声信号 |
| 3.3.1 自相关方法估计AR模型参数 |
| 3.3.2 参考噪声信号的提取 |
| 3.4 仿真实验与结果分析 |
| 3.4.1 仿真信号 |
| 3.4.2 去噪性能比较分析 |
| 3.5 本章小结 |
| 4 二阶段式灌装控制在线修正技术研究 |
| 4.1 基于双控灌装阀的灌装控制策略研究 |
| 4.2 动态称重灌装过程的数学模型研究 |
| 4.3 基于迭代学习控制的二阶段式灌装方法研究 |
| 4.3.1 粗细给料最佳切换点的确定 |
| 4.3.2 关门提前量的迭代学习控制 |
| 4.3.3 仿真结果与分析 |
| 4.4 迭代学习控制算法的改进 |
| 4.4.1 迭代学习因子的改进 |
| 4.4.2 死区的增加 |
| 4.4.3 适应性能验证 |
| 4.5 本章小结 |
| 5 高精度液体灌装动态称重控制系统功能验证 |
| 5.1 硬件选型与设计 |
| 5.1.1 称重传感器 |
| 5.1.2 数据采集模块 |
| 5.1.3 主控采集处理模块 |
| 5.1.4 无线通讯模块 |
| 5.1.5 双控灌装阀 |
| 5.1.6 控制双控灌装阀模块 |
| 5.1.7 降压模块 |
| 5.1.8 电平转换模块 |
| 5.1.9 电源隔离模块 |
| 5.1.10 插座与电源适配器 |
| 5.1.11 原型装置及其动态称重单元设计 |
| 5.2 功能验证 |
| 5.2.1 验证实验设计 |
| 5.2.2 验证平台搭建 |
| 5.2.3 验证过程与结果分析 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者在攻读硕士学位期间科研成果简介 |
| 致谢 |
（3）分选秤的动态称重研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 国内外发展现状 |
| 1.3 课题的主要研究内容及论文结构 |
| 1.3.1 主要研究内容 |
| 1.3.2 论文结构 |
| 第2章 系统总体方案设计 |
| 2.1 系统技术指标 |
| 2.2 系统构成及其功能 |
| 2.2.1 执行机构 |
| 2.2.2 控制系统 |
| 2.3 本章小结 |
| 第3章 称重控制器硬件设计 |
| 3.1 主控芯片 |
| 3.2 RS485通信模块 |
| 3.3 AD采样模块 |
| 3.4 称重传感器 |
| 3.5 EEPROM选型 |
| 3.6 4G-DTU选型 |
| 3.7 触摸屏选型 |
| 3.8 光电传感器选型 |
| 3.9 DI/DO模块电路设计 |
| 3.10 本章小结 |
| 第4章 软件设计 |
| 4.1 称重控制器软件设计 |
| 4.1.1 称重控制器主程序 |
| 4.1.2 Modbus-RTU通讯中断服务子程序 |
| 4.1.3 AD采样子程序 |
| 4.1.4 分拣控制子程序 |
| 4.1.5 称重数据处理子程序 |
| 4.1.6 AT24C02存储器读写子程序 |
| 4.2 触摸屏HMI软件设计 |
| 4.2.1 昆仑通泰编程软件介绍 |
| 4.2.2 触摸屏软件的编写 |
| 4.3 系统监控平台和远程终端监控软件设计 |
| 4.3.1 系统监控平台软件设计 |
| 4.3.2 远程终端监控软件设计与实现 |
| 4.4 本章小结 |
| 第5章 实验结果与分析 |
| 5.1 试验方法 |
| 5.2 测试数据及其分析 |
| 5.3 实验结果 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（4）车辆轴载测试系统研发与轴载数据分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 车辆轴载测试方法对比 |
| 1.3 研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 研究内容 |
| 1.4.1 主要内容 |
| 1.4.2 章节安排 |
| 第2章 车辆轴载测试系统硬件电路设计 |
| 概述 |
| 2.1 硬件电路整体结构设计 |
| 2.1.1 传感器选型 |
| 2.1.2 系统硬件功能组成 |
| 2.2 压电膜传感器信号处理电路设计 |
| 2.2.1 压电膜传感器的原理 |
| 2.2.2 压电膜传感器信号处理电路 |
| 2.3 车辆位置检测电路设计 |
| 2.3.1 LC振荡电路 |
| 2.3.2 单片机自动复位电路 |
| 2.3.3 LC振荡电路测试分析 |
| 2.4 数据存储及网络传输电路设计 |
| 2.4.1 实时时钟电路 |
| 2.4.2 数据存储电路 |
| 2.4.3 数据网络传输电路 |
| 2.5 系统集成与封装 |
| 2.6 本章小结 |
| 第3章 车辆轴载测试系统软件算法设计 |
| 概述 |
| 3.1 系统软件算法整体结构流程 |
| 3.2 车辆位置检测算法设计 |
| 3.2.1 车辆位置检测算法流程 |
| 3.2.2 干扰信号处理 |
| 3.3 称重算法设计 |
| 3.3.1 信号滤波算法 |
| 3.3.2 车辆参数计算 |
| 3.3.3 温度修正算法 |
| 3.4 车辆轮迹线检测 |
| 3.4.1 轮迹线检测原理 |
| 3.4.2 轮迹线检测算法流程 |
| 3.5 道路载荷大数据平台建设 |
| 3.5.1 通讯协议 |
| 3.5.2 道路载荷大数据平台功能设计 |
| 3.6 本章小结 |
| 第4章 称重精度影响因素分析 |
| 概述 |
| 4.1 传感器安装方案设计 |
| 4.2 车速影响规律研究 |
| 4.2.1 便携式安装方法改进 |
| 4.2.2 车速对测量结果的影响 |
| 4.3 温度影响规律研究 |
| 4.3.1 固定式安装过程 |
| 4.3.2 温度对测量结果的影响 |
| 4.4 道路安装应用 |
| 4.5 本章小结 |
| 第5章 道路载荷大数据分析 |
| 概述 |
| 5.1 一般交通量 |
| 5.1.1 方向系数和车道系数 |
| 5.1.2 日变系数 |
| 5.1.3 当量交通量 |
| 5.1.4 车速分布频率 |
| 5.2 轴载谱数据分析 |
| 5.2.1 车辆类型分布系数 |
| 5.2.2 轴数系数 |
| 5.2.3 轴重分布系数 |
| 5.3 车辆当量轴载换算 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的相关成果 |
| 学位论文评阅及答辩情况表 |
（5）禽蛋动态称重算法及嵌入式软件研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题背景及意义 |
| 1.1.1 我国禽蛋产业现状 |
| 1.1.2 研究的目的及其意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内动态称重系统算法开发现状 |
| 1.2.2 国外动态称重系统算法开发现状 |
| 1.3 研究目标与研究内容 |
| 1.4 本章小结 |
| 第二章 禽蛋动态称重信号处理研究 |
| 2.1 禽蛋动态称重试验台与DSP动态称重信号调理模块介绍 |
| 2.1.1 禽蛋动态称重试验台介绍 |
| 2.1.2 DSP动态称重信号调理模块介绍 |
| 2.2 基于DSP的禽蛋动态称重系统软件介绍 |
| 2.2.1 TMS320F28335与AD7606 的通信软件设计 |
| 2.2.2 信号截取软件设计 |
| 2.2.3 嵌入式滤波算法的实现 |
| 2.3 原始信号截取参数与滤波器选择参数的确定 |
| 2.3.1 原始信号截取参数的确定 |
| 2.3.2 原始信号滤波器参数 |
| 2.4 称重信号滤波评价指标 |
| 2.4.1 滤波稳态信号段数据的标准差 |
| 2.4.2 滤波效果的重复性 |
| 2.4.3 滤波信号的稳态信号长度 |
| 2.5 实验结果对比与分析 |
| 2.5.0 数字滤波器的分析与介绍 |
| 2.5.1 实验样本与测试流程 |
| 2.5.2 Hamming窗口滤波器结果与分析 |
| 2.5.3 Kaiser窗口滤波器结果与分析 |
| 2.5.4 Constr least-squares滤波器结果与分析 |
| 2.5.5 Butterworth滤波器结果与分析 |
| 2.5.6 滤波实验总结 |
| 2.6 本章小结 |
| 第三章 基于DSP的嵌入式称重算法开发 |
| 3.1 动态称重结果评价指标 |
| 3.1.1 误差、误差平均值和误差标准差 |
| 3.1.2 相对测量误差均值与不同测试速度下的评价指标 |
| 3.2 动态称重计算公式的基本原理与设计 |
| 3.2.1 称重计算基本公式与确定 |
| 3.2.2 称重算法中遇到的问题与解决 |
| 3.3 基于算术平均值的称重算法研究 |
| 3.3.1 算术平均值的提取方式 |
| 3.3.2 算术平均值算法在线称重测试结果与分析 |
| 3.4 基于算术平均值优化的称重算法研究 |
| 3.4.1 基于算术平均值优化的方式 |
| 3.4.2 基于算术平均值优化的在线称重测试结果与分析 |
| 3.5 基于中位值均值的称重算法研究 |
| 3.5.1 中位均值特征值提取方式 |
| 3.5.2 中位值均值算法的在线称重测试结果与分析 |
| 3.6 本章小结 |
| 第四章 基于神经计算棒的神经网络禽蛋称重算法研究 |
| 4.1 神经计算棒介绍 |
| 4.1.1 神经计算棒介绍 |
| 4.1.2 边缘计算与神经计算棒应用介绍 |
| 4.2 神经计算棒平台搭建 |
| 4.3 BP神经网络算法的建立与测试 |
| 4.3.1 BP神经网络的结构与特征值选择 |
| 4.3.2 BP神经网络的实验方案与测试结果 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 结论 |
| 5.2 创新点 |
| 5.3 展望 |
| 参考文献 |
（6）基于压电薄膜的车辆动态称重系统的研究与实现（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 动态称重传感器的选择 |
| 1.2.2 动态称重算法的研究现状 |
| 1.3 动态称重有关规范 |
| 1.4 论文主要内容 |
| 1.5 论文组织结构 |
| 1.6 本章小结 |
| 第二章 动态称重系统 |
| 2.1 动态称重系统概要 |
| 2.2 压电薄膜称重传感器 |
| 2.2.1 压电薄膜称重传感器的工作原理 |
| 2.2.2 压电薄膜称重传感器的优点 |
| 2.2.3 压电薄膜称重传感器的安装 |
| 2.3 滤波算法 |
| 2.4 经典的动态称重算法 |
| 2.4.1 基于EMD的动态称重算法的实现原理 |
| 2.4.2 基于EMD的动态称重算法的实现 |
| 2.4.3 实验结果及分析 |
| 2.5 影响动态称重精度的主要因素 |
| 2.6 本章小结 |
| 第三章 改进的动态称重算法 |
| 3.1 基于位移积分的动态称重算法 |
| 3.2 数据预处理 |
| 3.2.1 小波阈值去燥 |
| 3.2.2 滤波过程 |
| 3.3 实验结果与分析 |
| 3.4 改进的动态称重算法 |
| 3.4.1 基于小波变换模极大值的信号突变点检测 |
| 3.4.2 基于温度补偿系数的车重计算 |
| 3.5 实验过程及结果分析 |
| 3.6 本章小结 |
| 第四章 总结与展望 |
| 4.1 总结 |
| 4.2 展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
| 个人简况及联系方式 |
（7）车辆动态称重仪表的研究与设计（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 车辆动态称重系统存在的问题 |
| 1.4 课题的主要研究内容 |
| 1.5 课题的组织结构 |
| 第2章 仪表方案设计 |
| 2.1 硬件设计 |
| 2.2 软件设计 |
| 2.3 本章小结 |
| 第3章 核心算法的仿真与分析 |
| 3.1 车辆动态称重信号分析 |
| 3.2 称重信号预处理 |
| 3.2.1 常用滤波方法 |
| 3.2.2 FIR数字滤波 |
| 3.3 基于BP神经网络的称重信号处理 |
| 3.3.1 常用称重核心算法介绍 |
| 3.3.2 BP神经网络介绍 |
| 3.3.3 BP神经网络算法推导 |
| 3.3.4 BP神经网络各层确定 |
| 3.4 基于Matlab的BP算法训练 |
| 3.5 仿真结果分析 |
| 3.6 本章小结 |
| 第4章 称重仪表的硬件设计 |
| 4.1 称重仪表设计要求及原则 |
| 4.2 动态称重系统基本结构 |
| 4.3 动态称重仪表硬件设计 |
| 4.3.1 中控电路 |
| 4.3.2 显示电路 |
| 4.3.3 接口电路 |
| 4.4 本章小结 |
| 第5章 称重仪表的软件设计 |
| 5.1 系统架构 |
| 5.1.1 软件系统架构 |
| 5.1.2 系统工程架构 |
| 5.2 操作系统模块 |
| 5.2.1 UC/OS-II系统介绍 |
| 5.2.2 UC/OS-II系统移植 |
| 5.2.3 UC/OS-II系统任务划分 |
| 5.3 接口模块 |
| 5.3.1 基于LwIP的网络模块 |
| 5.3.1.1 LwIP介绍 |
| 5.3.1.2 LwIP在UC/OS-II上的移植 |
| 5.3.1.3 网络功能实现 |
| 5.3.2 串口通信模块 |
| 5.4 车辆信息处理模块 |
| 5.4.1 标度变换 |
| 5.4.2 车型判断 |
| 5.4.3 车辆信息处理 |
| 5.5 数据采集系统设计 |
| 5.5.1 数据采集系统的原理 |
| 5.5.2 数据采集系统实现 |
| 5.6 显示模块软件设计 |
| 5.7 系统测试 |
| 5.7.1 网络功能测试 |
| 5.7.2 称重算法验证及结果分析 |
| 5.8 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的学术论文 |
| 攻读硕士学位期间参加的科研项目 |
| 攻读硕士学位期间取得的科研成果 |
（8）低频动态载荷理论分析及称重精度提高算法研究（论文提纲范文）
| 0 引言 |
| 1 汽车和秤体振动力学模型 |
| 1.1 汽车和秤台等效二阶系统模型 |
| 1.2 汽车的振动特性 |
| 1.3 秤体的振动特性 |
| 2 低频干扰消除 |
| 2.1 滑动平均法 |
| 2.2 B样条最小二乘法 |
| 3 试验结果及分析 |
| 4 结论 |
（9）关于汽车动态载荷智能测量的研究（论文提纲范文）
| 1 动态称重系统 |
| 1.1 动态称重系统称重原理 |
| 2.2 动态载荷模型的构建 |
| 3 小波变换滤波预处理 |
| 4 改进L-M算法拟合非线性低频干扰 |
| 4.1 动态载荷模型的求解 |
| 4.2 实验模型的建立 |
| 4.3 实验结果 |
| 5 结束语 |
（10）动态称重数据处理算法及其在禽蛋和类球形水果分选中的应用研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 英文缩略表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 我国禽蛋和水果的生产现状 |
| 1.1.2 禽蛋和水果品质检测与分级的意义和现状 |
| 1.1.3 动态称重技术及其在禽蛋和水果重量在线检测中的应用现状 |
| 1.1.3.1 动态称重技术简介及分类 |
| 1.1.3.2 禽蛋和水果重量在线检测方法 |
| 1.1.4 影响动态称重精度的主要因素 |
| 1.2 动态称重信号处理方法的国内外研究进展 |
| 1.2.1 国内研究进展 |
| 1.2.2 国外研究进展 |
| 1.3 动态称重数据处理算法及其应用研究的意义 |
| 1.4 研究目标、内容和技术路线 |
| 1.4.1 课题来源 |
| 1.4.2 研究目标 |
| 1.4.3 主要研究内容 |
| 1.4.4 技术路线 |
| 1.5 本章小结 |
| 第二章 禽蛋和类球形水果动态称重与在线分级装备的研制 |
| 2.1 禽蛋品质在线检测与分级装备和动态称重试验台的研制 |
| 2.1.1 圆弧形轨道式禽蛋动态称重禽试验台的研制 |
| 2.1.1.1 禽蛋输送装置 |
| 2.1.1.2 圆弧形轨道式禽蛋称重装置 |
| 2.1.1.3 禽蛋重量信号采集自适应触发装置 |
| 2.1.1.4 基于PLC的禽蛋动态称重试验台控制系统 |
| 2.1.2 禽蛋在线品质检测和分级装备的控制系统 |
| 2.1.2.1 基于同步脉冲的禽蛋跟踪方法 |
| 2.1.2.2 禽蛋在线分级方法 |
| 2.2 自由托盘皮带输送式类球形水果品质检测与分级装备的研制 |
| 2.2.1 水果品质检测与分级装备的系统结构 |
| 2.2.2 水果品质检测与分级装备的控制系统结构 |
| 2.2.3 自由托盘皮带输送式类球形水果动态称重试验台的研制 |
| 2.3 基于电阻应变式单点称重传感器的重量检测系统 |
| 2.3.1 电阻应变式称重传感器的选型 |
| 2.3.2 称重传感器信号调理模块的选型 |
| 2.4 基于加速度传感器的动态称重振动干扰检测装置 |
| 2.5 本章小结 |
| 第三章 动态称重试验材料、信号采集与预处理及称重精度评价指标 |
| 3.1 动态信号采集系统和数据处理软件 |
| 3.1.1 基于NI CompactDAQ的动态信号采集系统 |
| 3.1.2 基于MATLAB的动态信号采集与处理软件 |
| 3.2 实验样本与测试流程 |
| 3.2.1 实验样本与处理 |
| 3.2.1.1 禽蛋样本选择和处理 |
| 3.2.1.2 水果样本选择和处理 |
| 3.2.2 动态称重实验测试流程 |
| 3.3 信号分析区间的截取 |
| 3.3.1 禽蛋动态称重信号的截取方法 |
| 3.3.2 水果动态称重信号的截取方法 |
| 3.4 动态称重精度的评价指标 |
| 3.4.1 误差、误差平均值和误差标准差 |
| 3.4.2 最大测量误差 |
| 3.4.3 相对测量误差 |
| 3.4.4 不同测量条件下的动态称重精度评价指标 |
| 3.4.4.1 单次测量误差 |
| 3.4.4.2 相同测试条件下的误差平均值、标准差和最大测量误差的计算 |
| 3.4.4.3 同个测试速度下的动态称重精度评价指标 |
| 3.4.5 总体测量精度提高率 |
| 3.4.5.1 基于误差平均值的总体测量精度提高率 |
| 3.4.5.2 基于误差标准差的总体测量精度提高率 |
| 3.5 本章小结 |
| 第四章 称重装置的动态特性和振动干扰的研究 |
| 4.1 引言 |
| 4.2 动态称重装置固有频率的测定和研究 |
| 4.2.1 固有频率测试方法 |
| 4.2.2 禽蛋动态称重装置的固有频率测定 |
| 4.2.3 易损水果动态称重装置的固有频率测定 |
| 4.3 动态称重装置空载运行时振动干扰的研究 |
| 4.3.1 实验方案 |
| 4.3.2 禽蛋动态称重装置的振动干扰的分析 |
| 4.3.2.1 振动干扰源的分析 |
| 4.3.2.2 空载时运行速度对振动干扰的影响分析 |
| 4.3.3 水果皮带秤的振动干扰的分析 |
| 4.3.3.1 振动干扰源的分析 |
| 4.3.3.2 空载时运行速度对振动干扰的影响分析 |
| 4.4 动态称重过程中振动干扰的研究 |
| 4.4.1 基于加速度计的振动干扰检测方法的研究 |
| 4.4.1.1 加速度信号的预处理 |
| 4.4.1.2 加速度信号与称重信号的相关性分析 |
| 4.4.2 时频分析技术简介 |
| 4.4.3 禽蛋动态称重振动干扰的时频分析 |
| 4.4.3.1 空载时振动干扰的时频分析 |
| 4.4.3.2 禽蛋的无约束滚动的振动干扰时频分析 |
| 4.4.4 水果动态称重振动干扰的时频分析 |
| 4.4.4.1 空载时振动干扰的时频分析 |
| 4.4.4.2 自由托盘皮带输送式水果动态称重的振动干扰时频分析 |
| 4.5 本章小结 |
| 第五章 基于非对称截尾均值重量估计方法的禽蛋动态称重算法研究 |
| 5.1 引言 |
| 5.2 四种典型的数字滤波器 |
| 5.2.1 IIR和FIR选频滤波器 |
| 5.2.2 ALMS自适应滤波器 |
| 5.2.3 TVLPF时变低通滤波器 |
| 5.3 基于算术平均的重量估计方法 |
| 5.3.1 算术平均的频率选择作用 |
| 5.3.2 算术平均重量估计的局限性 |
| 5.4 基于非对称截尾均值的重量估计方法 |
| 5.4.1 动态称重信号的滤波预处理 |
| 5.4.2 基于非对称截尾均值的重量估计 |
| 5.5 基于网格寻优的参数优化方法 |
| 5.5.1 网格寻优的性能度量 |
| 5.5.1.1 SME测量精度的量化 |
| 5.5.1.2 AME测量精度的量化 |
| 5.5.2 SME和AME的参数的设定 |
| 5.6 网格寻优结果与讨论 |
| 5.7 动态称重结果与讨论 |
| 5.7.1 数字滤波器的去噪效果与讨论 |
| 5.7.2 动态称重结果及讨论 |
| 5.8 算法执行时间分析 |
| 5.9 本章小结 |
| 第六章 基于多层神经网络的禽蛋和水果动态称重算法的研究 |
| 6.1 引言 |
| 6.2 信号预处理和特征参数提取 |
| 6.2.1 数字贝塞尔低通滤波器 |
| 6.2.2 神经网络特征参数的提取 |
| 6.3 神经网络的创建 |
| 6.3.1 多层感知器神经网络的结构 |
| 6.3.2 神经网络的训练算法 |
| 6.4 实验方案与步骤 |
| 6.4.1 基于所有处理速度下测试样本的神经网络模型 |
| 6.4.2 基于不同处理速度下测试样本的神经网络模型 |
| 6.5 禽蛋动态称重的实验结果与讨论 |
| 6.5.1 贝塞尔数字滤波器的去噪效果与讨论 |
| 6.5.2 神经网络重量估计的结果讨论 |
| 6.5.2.1 MLP_0的称重结果讨论 |
| 6.5.2.2 MLP_1,MLP_2和MLP_3的称重结果讨论 |
| 6.5.2.3 MLP_0和MLP_1,MLP_2,MLP_3的称重结果对比 |
| 6.6 水果动态称重的实验结果与讨论 |
| 6.6.1 贝塞尔数字滤波器的去噪效果与讨论 |
| 6.6.2 神经网络重量估计的结果讨论 |
| 6.6.2.1 MLP_0的称重结果讨论 |
| 6.6.2.2 MLP_1,MLP_2和MLP_3的称重结果讨论 |
| 6.6.2.3 MLP_0和MLP_1,MLP_2,MLP_3的称重结果讨论 |
| 6.6.2.4 0.7m/s时称重精度相对较差的原因分析 |
| 6.7 本章小结 |
| 第七章 结论与展望 |
| 7.1 主要研究结论 |
| 7.2 主要创新点 |
| 7.3 进一步研究展望 |
| 参考文献 |
| 个人简历 |
四、汽车动态称重信号的两个处理方法（论文参考文献）
- [1]多通道车辆动态称重系统与实现研究[D]. 邓金明. 电子科技大学, 2021(01)
- [2]高精度液体灌装动态称重控制系统研究[D]. 李强. 四川大学, 2021(02)
- [3]分选秤的动态称重研究[D]. 周书. 湖南大学, 2020(12)
- [4]车辆轴载测试系统研发与轴载数据分析[D]. 王豪. 山东大学, 2020(11)
- [5]禽蛋动态称重算法及嵌入式软件研究[D]. 郦超杰. 浙江大学, 2020(02)
- [6]基于压电薄膜的车辆动态称重系统的研究与实现[D]. 高彤彤. 山西大学, 2019(01)
- [7]车辆动态称重仪表的研究与设计[D]. 王宇. 黑龙江大学, 2018(08)
- [8]低频动态载荷理论分析及称重精度提高算法研究[J]. 杜长东. 公路交通科技, 2018(04)
- [9]关于汽车动态载荷智能测量的研究[J]. 李鹏越,李晓林. 传感技术学报, 2017(06)
- [10]动态称重数据处理算法及其在禽蛋和类球形水果分选中的应用研究[D]. 张剑一. 浙江大学, 2017(08)