本申请提供了养殖厂饲料精确称重计算方法，其解决了现有技术难以对饲料的动态过程进行测量并且对传感器信号输出计算后的数据精确性不高的技术问题。包括以下步骤：S1:对称重数据进行采集；S2：对采集到的称重数据进行放大；S3：对多个通道的传感器数据进行求和；S4：将传感器数据总和转化为初始重量值；S5：对周期内测得的重量值求取平均值；S6：建立饲料塔精确称重系统卡尔曼状态方程；S7：建立饲料塔精确称重系统卡尔曼观测方程；S8：建立饲料塔精确称重系统卡尔曼先验误差协方差矩阵；S9：建立饲料塔精确称重系统卡尔曼增益系数；S10:根据S6、S7、S8和S9得到的数据，推测当前状态的精确重量；S11:更新饲料塔精确称重系统卡尔曼先验误差协方差矩阵。
【技术实现步骤摘要】
本申请属于重量计算方法，更具体地说，是涉及一种养殖厂饲料精确称重计算方法。
技术介绍
1、饲料，是所有人饲养的动物的食物的总称，一般饲料主要指的是农业或牧业饲养的动物的食物。饲料包括大豆、豆粕、玉米、鱼粉、氨基酸、杂粕、添加剂、乳清粉、油脂、肉骨粉、谷物、甜高粱等十余个品种的饲料原料。
2、现有技术往往只能对静态的饲料进行称重，在饲料加料或卸料时的动态重量难以测量，并且由于对传感器测量信号计算方法的局限性，导致输出的数据精确性不高，因此，急需一种数据计算方法来保证传感器信号输出计算后数据的精确性。
技术实现思路
1、为解决现有技术难以对饲料的动态过程进行测量并且对传感器信号输出计算后的数据精确性不高的技术问题，提供一种可由对饲料进行动态称重且对传感器信号输出计算后数据精确性高的养殖厂饲料精确称重计算方法。
2、为实现上述目的，本申请采用的技术方案是：养殖厂饲料精确称重计算方法，包括以下步骤：
3、s1:对称重数据进行采集；
4、s2：对采集到的称重数据进行放大；
5、s3：对多个通道的传感器数据进行求和；
6、s4：将传感器数据总和转化为初始重量值；
7、s5：对周期内测得的重量值求取平均值；
8、s6：建立饲料塔精确称重系统卡尔曼状态方程；
9、s7：建立饲料塔精确称重系统卡尔曼观测方程；
10、s8：建立饲料塔精确称重系统卡尔曼先验误差协方差矩阵；
>11、s9：建立饲料塔精确称重系统卡尔曼增益系数；12、s10:根据s6、s7、s8和s9得到的数据，推测出当前状态的精确重量；
13、s11:更新饲料塔精确称重系统卡尔曼先验误差协方差矩阵。
14、优选地，在步骤s2中，对称重数据放大是通过编译单片机软件来实现的。
15、优选地，在步骤s3中，针对多个通道的传感器数据，求得传感器输出数据总和ssum。
16、优选地，在步骤s4中，转化步骤为通过多次标定求得压力值与传感器输出数据之间的线性转换比例，获得测量的压力值fsum，并用该压力值除以重力加速度得到初始重量值y(t)。
17、优选地，在步骤s5中，通过建立滑动均值滤波算法，求取数据的平均值并参与计算，设滑动均值滤波数组大小为n，单个数据传输周期为t，传输的数据个数为m，传输数据时长为t＝mt，建立一个大小为n的数组依次存放数据；
18、当m≤n时，只计算m个数据的均值，计算公式为
19、当m>n时，计算窗口内n个数据的均值，计算公式为
20、优选地，在步骤s6中，根据饲料的加料状态，分别建立不同状态的饲料塔精确称重系统卡尔曼状态方程，
21、当静载时，
22、当加料时，其中ω为预测误差，t为采样周期，根据数学模型建立饲料塔精确称重系统卡尔曼状态方程为：其中，是预测的重量值，t是采样周期，ωk为预测误差，v加k为加料速度，设中间变量
23、当卸料时，设中间变量饲料塔精确称重系统卡尔曼状态方程为
24、优选地，在步骤s7中，建立的饲料塔精确称重系统卡尔曼观测方程的公式为其中，gk为观测结果，gc为传感器输出重量，τ为传感器观测误差，设h＝[1 0]。
25、优选地，在步骤s8中，建立饲料塔精确称重系统卡尔曼先验误差协方差矩阵公式为其中，为当前时刻先验误差协方差矩阵，pk-1为上一时刻更新误差协方差矩阵，q为预测误差方差。
26、优选地，在步骤s9中，根据s8中建立的饲料塔精确称重系统卡尔曼先验误差协方差矩阵和观测误差计算出饲料塔精确称重系统卡尔曼增益系数，公式为其中，kk为饲料塔精确称重系统卡尔曼增益系数，r为观测误差方差。
27、优选地，在步骤s10中，推测当前状态的精确精确重量的公式为其中，为优化称重结果。
28、与现有技术相比，本专利技术的有益效果是：
29、本专利技术通过设计一种饲料精确称重计算方法，利用卡尔曼方程对传感器的称重信号进行处理，可以对饲料的加料和卸料过程进行动态称重，并且提高了加料、卸料时的称重精度，保证了称重数据经计算后数据的精确性。
本文档来自技高网...
【技术保护点】
1.养殖厂饲料精确称重计算方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的养殖厂饲料精确称重计算方法，其特征在于，在步骤S2中，对称重数据放大是通过编译单片机软件来实现的。
3.根据权利要求1所述的养殖厂饲料精确称重计算方法，其特征在于，在步骤S3中，针对多个通道的传感器数据，求得传感器输出数据总和Ssum。
4.根据权利要求3所述的养殖厂饲料精确称重计算方法，其特征在于，在步骤S4中，转化步骤为通过多次标定求得压力值与传感器输出数据之间的线性转换比例，获得测量的压力值Fsum，并用该压力值除以重力加速度得到初始重量值Y(t)。
5.根据权利要求4所述的养殖厂饲料精确称重计算方法，其特征在于，在步骤S5中，通过建立滑动均值滤波算法，求取数据的平均值并参与计算，设滑动均值滤波数组大小为n，单个数据传输周期为t，传输的数据个数为m，传输数据时长为T＝mt，建立一个大小为n的数组依次存放数据；
6.根据权利要求5所述的养殖厂饲料精确称重计算方法，其特征在于，在步骤S6中，根据饲料的加料状态，分别建立不同状态的饲料塔精确称重系统卡尔曼状态方程，
7.根据权利要求6所述的养殖厂饲料精确称重计算方法，其特征在于，在步骤S7中，建立的饲料塔精确称重系统卡尔曼观测方程的公式为其中，Gk为观测结果，Gc为传感器输出重量，τ为传感器观测误差，设H＝[1 0]。
8.根据权利要求7所述的养殖厂饲料精确称重计算方法，其特征在于，在步骤S8中，建立饲料塔精确称重系统卡尔曼先验误差协方差矩阵公式为其中，为当前时刻先验误差协方差矩阵，Pk-1为上一时刻更新误差协方差矩阵，Q为预测误差方差。
9.根据权利要求8所述的养殖厂饲料精确称重计算方法，其特征在于，在步骤S9中，根据S8中建立的饲料塔精确称重系统卡尔曼先验误差协方差矩阵和观测误差计算出饲料塔精确称重系统卡尔曼增益系数，公式为其中，Kk为饲料塔精确称重系统卡尔曼增益系数，R为观测误差方差。
10.根据权利要求9所述的养殖厂饲料精确称重计算方法，其特征在于，在步骤S10中，推测当前状态的精确精确重量的公式为其中，为优化称重结果。
...
【技术特征摘要】
1.养殖厂饲料精确称重计算方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的养殖厂饲料精确称重计算方法，其特征在于，在步骤s2中，对称重数据放大是通过编译单片机软件来实现的。
3.根据权利要求1所述的养殖厂饲料精确称重计算方法，其特征在于，在步骤s3中，针对多个通道的传感器数据，求得传感器输出数据总和ssum。
4.根据权利要求3所述的养殖厂饲料精确称重计算方法，其特征在于，在步骤s4中，转化步骤为通过多次标定求得压力值与传感器输出数据之间的线性转换比例，获得测量的压力值fsum，并用该压力值除以重力加速度得到初始重量值y(t)。
5.根据权利要求4所述的养殖厂饲料精确称重计算方法，其特征在于，在步骤s5中，通过建立滑动均值滤波算法，求取数据的平均值并参与计算，设滑动均值滤波数组大小为n，单个数据传输周期为t，传输的数据个数为m，传输数据时长为t＝mt，建立一个大小为n的数组依次存放数据；
6.根据权利要求5所述的养殖厂饲料精确称重计算方法，其特征在于，在步骤s6中，根...
【专利技术属性】
技术研发人员：尹修杰，黄启辰，朱志林，孙磊，
申请(专利权)人：徐州合卓机械科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。