⽪带秤算法_改进型卡尔曼滤波算法在电⼦⽪带秤动态称重中 的应⽤.PDF
改进型卡尔曼滤波算法在电⼦⽪带秤动态称重中的应⽤.PDF
改进型卡尔曼滤波算法在电⼦⽪带秤动态称重中的应⽤
江苏省计量科学研究院 李冰莹，马宇明，王海涛
南京理⼯⼤学 机械⼯程学院 李永新，葛⽅丽
[摘要] 电⼦⽪带秤的称重信号代表运输物料时称量段的瞬时重量，信号中伴有噪声，传统的⾼ 通、低通、带通等滤波器⽆法去除噪声的影响。本⽂引进卡尔曼滤波器，基于状态估计⽅法对称重
动态秤
信号进⾏去噪滤波，并针对传统卡尔曼滤波⽆法对称重信号中存在的野值进⾏滤除，提出改进型算法。
通过验证，改进后的卡尔曼滤波算法具有更好的滤波效果。
[关键词] 电⼦⽪带秤；称重信号；卡尔曼滤波；改进型算法
1.引⾔
电⼦⽪带秤的称重信号代表运输物料时称量段的瞬时重量，利⽤数据采集卡采集称重信号，再利
⽤ MATLAB 软件对采集的称重信号经进⾏波形绘制，如图 1 所⽰。观察图 1 可知，称重信号中伴随
有噪声。在⼯程中，噪声的产⽣主要有内部噪声和外部噪声两种途径 [1]。由于电⼦⽪带秤是⼀种做
连续机械运动的动态装置，在运⾏的过程中，受到托辊的摩擦、物料不均、托辊粘结物料使托辊直
径不均等影响，会使⽪带产⽣振动，这种由振动产⽣的噪声信号来源于系统内部，属于内部噪声。 经研究发现这部分噪声频率主要集中在 5kHz 以上，⽽称重传感器和激光位移传感器信号频率均不⼤
于 2kHz。此外，称重传感器数据采集过程中⼜不可避免的随机产⽣⼀些噪声，这些噪声频率往往是
不可预计的，传统的⾼通或低通、带通、带阻滤波器不能去除这部分噪声的影响。因此本⽂引进卡
尔曼滤波器，基于状态估计⽅法对称重传感器
输出的称重信号进⾏去噪滤波。
2.卡尔曼滤波算法原理
卡尔曼滤波算法是依匈⽛利数学家命名的
⼀种算法，是⼀种基于统计的信号处理⽅法。
其以最⼩均⽅误差作为最佳估计准则，利⽤前
⼀时刻的状态估计值和当前时刻的观测值来确
[2]
定当前状态的估计值，是⼀种递推估计算法 。
对于⼀个线性离散随机系统，其线性离散时间
系统表⽰如下：
X (k ) AX (k =−1) +BU (k −1) +W (k −1) (1)
1
再加上系统的测量值：
Z (k ) HX (k ) =+V (k ) (2)
上⾯两式中：
X(k)—系统在 k 时刻的状态；
U(k)—系统 k 时刻的控制量；
A,B—系统参数；
Z(k)—系统在 k 时刻的测量值；
H—测量系统的参数；
W(k)—系统过程噪声；
V(k)—系统测量噪声。
假设 W(k) 和 V(k) 为⾼斯⽩噪声，它们的协⽅差(covariance)分别是 Q，R(假设他们不发⽣变化)。下⾯根据以上公式估算测量系统的最优化输出，⽤ 5 个简要的公式进⾏阐述。
假设⽤ k 表⽰系统现在的状态，根据以上系统的模型，则系统现在状态为：
X (k k −1) AX (k =−1 k −1) +BU (k ) (3)
X (k | k −1) X (k −1| k −1)
式(3)中， 是利⽤上⼀状态对现在状态的预测结果， 是上⼀状态的最
优结果， 为系统现在的控制量，其是否存在根据系统需求⽽定。
X (k | k −1)
以上已完成了对系统结果的更新，下⼀步就是更新 的协⽅差，⽤ P 表⽰协⽅差：
P (k | k −1) AP (k =−1| k −1)AT +Q (4)
式中：
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议