产品详情
基于广义牛顿法的路灯安装车载重称重算法不是递推的,而是对一组围定数量的数据进行反复迭代计算, 肇庆路灯安装车出租, 肇庆路灯安装车租赁, 肇庆路灯安装车哪儿 计算量大并且会出现局却极小值,如果初始值选取较为准确,得到的结果则较准确。由仿真结果可知,这样通过非线性参数辨识的方式直接辨识质量,最终称重误差一般在百分之5以内。质量直接标定的称重算法计算简单,在动臂举升结宋能立即得到称重结呆。但直接标定存在模型简单、不能表现动力学待性的问题。分别采用最小二乘法和广义牛顿法进行直接辨识,其迭代计算过程复杂,计算资源需求大。并且如果模型偏差较大,直接辨识效果并不能满足要求,甚至没有直接标定算法。基于上述原因分析,本文提出了质量标定和参数辨识相结合的称重算法,同时具备了质量标定和参数辨识的优点。不仅利用了路灯安装车执行机构的复杂动为学摸型,而且在实际称重计算时计算资源需米小,能迅速得到称重结果。
在标定过程中,对已知的质量的重物进行举升过程时用最小二乘法先辨识拟合公式的参数,由不同举升数据得到几组或一组重物质量计算公式。称重过程中用这些公式对其他重物举升过程的数据进行重物质量计算,然后米平均得到最终的称重结果。本小节分别采用关于摇臂和动臂的等效扭矩的动力学模型进行线化拟合公式的参数辨识,利用辨识的参数得到质量计算公式。并且比较了选择待辨识参数的较少对称重效果的影响。关于挖斗的动为学模型,已知量有角度相关值。作为该整理后线性系统的输入数据,可以通过测量的角度数据及其徹分得到。而动臂运动所需要的等效扭矩由液压缸推力根据虚位移原理计算得到,作为该线化系统的输出。作为质量标定线性拟合公式中待辨识的参数。使用多个质量的举升数据来辨识出这5个参数就可以得到质量——担矩线性拟合的公式。实际称重过程中使用这5个参数拟合的公式即可计算出转斗和实物的质量和,达到了称重的目的。作为该整理后线性系统的输入数据,可以通过测量的角度数据及其微分得到。而动臂运动所需要的等效组炬由液压缸推力根据虚位移原理计算得到,作为该线性系统的输出。作为质量标定线性抵合公式中待辨识的参数。使用多个质量的举升数据来辨识出这3个参数就可以得到质量——扭矩线性拟合的公式。实际称重过程中使用这3个参数拟合的公式即可计算出沪斗和重物的质量和,这到了称重的目的。采用m2=1750kg、3500kg、50kg时举升数据进行上述线性公式的系数辨识。得到;C=4.132e+05,X2=169.560,;C3=t442。将m2=26kg时,不同动臂举升角度处的1000组举升仿真数据代入由辨识系数组成的拟合公式计算得到1000个m2计算值。然后求平均值得到m2=2.4760e+03kg,偏差为2.2074%。结果辨识的参数在处理了450个数据后就收教到定值,所以最终拟合的公式再去计算标定的质量效果较好,比有5个待辨识参数情况好。由第二章可知动臂的等效扭炬计算公式中包含更#的信息,所以可以拟合关于祖矩转,的线性方程。动臂的等效扭炬整理成有工个参数的线性方程形式:作为该整理后线性系统的输入数据,可以通过测量的角度数据及其微分得到。而动臂运动所需要的等效扭矩由液压缸推为根据虚位移原理计算得到,作为该线性系统的输出。作为质量标定线性拟合公式中待辨识的参数。使用多个质量的举升数据来辨识出这3个参数就可以得到质量——扭矩线性抵合的公式。实际称重过程中使用这3个参数拟合的公式即可计算出挖斗和重物的质量和,这到了称重的目的。采用m2=1750kg、3500kg、50kg时举升数据进行上述线性公式的系数辨识。得到升角度处的1000组举升仿真数据代入由辨识系数组成的拟合公式计算得到1000个m2计算值。然后求平均值得到m2=2.6081e+03kg,偏差为0.2511%。因为推导的路灯安装车工作装置动为学模型忽略了摇臂的动力学,与实际情况存在偏差。为了补偿擦臂的动力学影响,可以在上述整理有3个待辨识参数的动臂的等效扭矩计算公式基础上加上一补偿项;动臂角加速度与摇臂质量的乘。然后将该扑偿项的系数作为一个待辨识的参数。同时,将摇臂的重为补偿也考虑到动臂等效扭矩的计算中。搜索出加速度较小的点来使用之前的称重算法。于是,动臂的等效扭炬可整埋成有四个参数的线性方程形式. 作为该整理后线性系统的输入数据,可以通过测量的角度数据及其徵分得到。而动臂运动所需要的等效扭矩由液压缸推力根据虚位移原理计算然后减去摇臂的重为补偿得到,作为该线性系统的输出。而XpX,,兩和补偿项系数X,则作为质量标定线性拟合公式中待辨识的参数。通过辨识原理的工个参数和补偿项的参数,便得到近似考虑摇臂动力学的质量一-组矩计算公式。应用该公式就可以根据实际测量值计算出挖斗和重物质量和,到了称重的目的。
肇庆路灯安装车出租, 肇庆路灯安装车租赁, 肇庆路灯安装车哪儿
采用m2=1750kg、3500kg、5250kg时举升数据进行上述线性公式的系数辨识。得到=-6.8465e+04,X2=530.356,文3=1332.518,jc4=L〇916e+04将m2=26kg时的,不同动臂举开角度处的1000组举升仿真数据代入由瓣识系数組成的拟合公式计算得到1000个m2计算值,求平均值得到m2=2.6120e+03kg,偏差为0.1919%。使用不同的仿真数据多次重复进行上述仿真,辨识结果可以稳定在百分之一以内。 非线性拟合公式的参数辨识上一节中采用的线性拟合公式参数辨识算法是以扭矩值的最小二乘准则(最小均方误差)得到的拟合公式,而不是质量的最小二乘。也就是说公式拟合过程的反馈项是扭矩而不是目标值一-质量。这样存在的问题是,拟合的非线性公式可以很地适应动臂等效矩的计算,而这并不能保证挖斗负载总质量计算的精确性。为了使质量计算成为偏差比较项,以质量计算偏差最小为准则,拟合护斗负载总质量计算公式,需要对原祖矩计算公式进行变形:拟合此质量m2的计算公式就是以质量m2的偏差最小为准则的,需采用非线性拟合算法。现采用广义牛顿法和梯度校正法进行该非线性拟合公式的参数辨识与称重计算研究。开始标定时,己知标定质量和其他测量值,采用广义牛顿法对该非线性方程中的未知参数进行辨识。标定完成后将辨识得到的参教代入,得到贞载质量计算公式。在动臂举升过程中将传感器测量得到的数据代入计算公式即可计算得到女载质量,达到称重目的。采用m2=1750kg、00kg、5250kg时举升数据进行上述非线性公竞的拟合,根据设定参数计算初始值,X3,x,,得到工种拟合公式,分别计算然后求平均值。将m2=2625kg时的,不同动臂举升角度处的1000組举升仿真数据代入由辨识系数组成的拟合公式计算得到1000个m2计算值,然后求平均值得到m2=2.6246kg,偏差为化00%。如果在采用广义牛顿法进行迭代计算时取的,的参数偏差较大时此广义牛顿法参数辨识会得到局部极值或者发散。最终拟合的公式和计算的质量偏差也较大。实际使用时,在非线性公式拟合之前可先进行线性公式拟合,得到的参数计算出非线性拟合公式系数的迭代初始值,因此非线性拟合公式参数辨识不存在发散或局部最小值情况,并且很容易收敛到精确值附近。进行非线性参数辨识的算法除了本文多次提到的广义牛顿法为还有很多,例如梯度下降法。椅度下降法也包括很多种不同的具体算法,最常用的是最速下降法。最速下降法是梯度方法的一种具体实现,毎次迭代中从迭代点出发,沿着梯度负方向开展一维搜索,直到找到步长的最优值,确定新的迭代点。最速下降法相邻搜素方向是正交的。梯度校正法是沿着准则函数的负梯度方向逐步修正模型参数估计值,直至堆则函数达到最小值。堆则函数选取可以和最小二乘法类似。对于一般的线性或非线性系统,递推校正算法为:于是,基于梯度校正法的非线惟系统参数辨识算法为:该算法在迭代校正过程中一般要约束参数估计值的范围,即需要给定较为精确的初始值,目的是保证棋型的稳定性和参数辨识的收敛性。与广义牛顿法不同的是,梯度下降法将非线性拟合函数的参数辨识问题转化成了求质量偏差平方最小(最优化)时的拟合公式参数问题。采用梯度下降法进行非线性参数辨识,设计称重算法,仿真中采用m2=1750kg、00kg、5250kg时举升数据进行上述非线性公式的拟合。将m2=2625kg时的,不同动臂举升角度处的1000组举升仿真数据代入由辨识系数组成的拟合公式计算得到1000个m2计算值,值然后求平均值得到m2=2.7026e+03kg,偏差为-1.1496%。如果待辨识参数JCl,J,初始值选取不准确同样会出现局部极小值或者发散,在初始值选取较为准确时,得到的称重结果则很精确。
采用了不基于路灯安装车执行机构模型的标定称重算法,通过将动臂举升过程中动臂液压缸推力与护斗负载总质量看成近似线性关系。仿真研究发现整体称重误差在2%以内,但实际使用过程很难有大量质量分布紧密且覆盖量程的磕码用于标定。因此,单纯标定称重实际使用很难达到较理想的精度。分别将线性系统和非线性系统参数辨识的算法,即最小二乘法和广义牛顿法应用于路灯安装车执行机构动力学樸型的参数辨识,通过动态辨识作为参数的护斗和负载总质量来达到动态称重的目的。但是因为存在一定建樸误差,且噪声干扰是有色噪声,这些对完全基于模型的参数辨识称重精度及其稳定性存在很大影响。并且这种直接用参数辨识算法辨识质量的方法存在计算量大,计算耗时长的缺点。通过仿真发现误差一般只能在百分之5内。称重算法的效果并总结原因的基础上提出了质量标定和参数辨识相结合的称重算法,这也是本文基于模型的动态称重算法的核々所在,同时具备了质量标定和参数辨识的优点。不仅利用了路灯安装车执行机构的复杂动为学模型,而且在实际称重计算时计算资源需求小,能迅速得到称重结果。通过对前文设计算法的仿真研究,本文提出的基于质量标定和参数辨识相结合的动态称重算法。
肇庆路灯安装车出租, 肇庆路灯安装车租赁, 肇庆路灯安装车哪儿




