CN116067473B - 应用于高精度称重传感器的组合滤波方法、装置、系统及介质 - Google Patents
应用于高精度称重传感器的组合滤波方法、装置、系统及介质 Download PDFInfo
- Publication number
- CN116067473B CN116067473B CN202211542317.9A CN202211542317A CN116067473B CN 116067473 B CN116067473 B CN 116067473B CN 202211542317 A CN202211542317 A CN 202211542317A CN 116067473 B CN116067473 B CN 116067473B
- Authority
- CN
- China
- Prior art keywords
- value
- filtering
- weighing
- current
- gain
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000005303 weighing Methods 0.000 title claims abstract description 181
- 238000001914 filtration Methods 0.000 title claims abstract description 177
- 238000000034 method Methods 0.000 title claims abstract description 83
- 238000005259 measurement Methods 0.000 claims abstract description 53
- 230000008569 process Effects 0.000 claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000003860 storage Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 abstract description 18
- 238000005070 sampling Methods 0.000 description 15
- 238000012545 processing Methods 0.000 description 9
- 230000003068 static effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 7
- 230000035945 sensitivity Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 235000019800 disodium phosphate Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000004549 pulsed laser deposition Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G23/00—Auxiliary devices for weighing apparatus
- G01G23/01—Testing or calibrating of weighing apparatus
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)
Abstract
本申请提供应用于高精度称重传感器的组合滤波方法、装置、系统及介质，在第一级滤波中，根据过程噪声数值、测量噪声数值及测量方差计算得到增益值；根据增益值以及上次滤波后称重数值和本次待滤波称重数值计算得到本次滤波后称重数值；在第二级滤波中，将第一级中得到的本次滤波后称重数值作为第二级滤波的输入值，并比较所述本次滤波后称重数值与当前有效值；使用一滤波计数器来累计所述本次滤波后称重数值与当前有效值不等的次数，并当累计次数超过所述滤波计数器的计数上限值时，令最新的本次滤波后称重数值替代当前有效值。本发明摈弃了单一的滤波方法，而使用两级滤波算法，从而能够兼顾称重数值的实时性和稳定性。
Description
技术领域
本申请涉及高精度称重技术领域，特别是涉及应用于高精度称重传感器的组合滤波方法、装置、系统及介质。
背景技术
精密称重仪器在各行各业都有广泛应用，对于称重的滤波算法也有较高的要求。一般来说，除了在硬件中对信号采取抗干扰措施之外，还要在软件中进行数字滤波的处理，以进一步消除附加在数据中的各式各样的干扰，使采集到的数据能够更平滑、更稳定。
目前，应用在数字称重系统中的软件算法有如下几种：
(1)限幅滤波算法(程序判断滤波法)：根据经验判断，确定两次采用允许的最大偏差值(设为A)，每次检测到新值时判断：如果本次值与上次值之差≤A,则本次值有效；如果本次值与上次值之差＞A，则本次值无效，放弃本次值，用上次值代替本次值。此方法优点是可以有效的克服因偶然因素而引起的脉冲干扰，缺点是不能抑制周期性的干扰、平滑度较差。
(2)中值滤波算法：即连续采样n次(n一般取奇数)，把n次采样值按大小排列，取中间值为本次有效值。此方法优点是能有效克服因偶然因素引起的波动干扰，缺点是对快速变化的参数滤波较差。
(3)算数平均值滤波法：即把连续n个采样值进行算术平均运算，作为本次滤波得到的有效值。这种方法的优点是：n值较大时，信号平滑度较高，但灵敏度较低；n值较小时，信号平滑度较低，但灵敏度较高。此方法的优点是对随机干扰的信号滤波效果较好，其缺点是对于测量速度要求较高的实时应用系统不适用。
(4)加权平均滤波算法：由于前面所说的“算术平均滤波法”存在平滑度和灵敏度之间的矛盾。为了协调平滑度和灵敏度之间的关系，可采用加权平均滤波。它的原理是对连续N次采样值分别乘上不同的加权系数之后再求累加，加权系数一般先小后大，以突出后面若干采样的效果，加强系统对参数变化趋势的认识。各个加权系数均小于1的小数，且满足总和等于1的结束条件。这样加权运算之后的累加和即为有效采样值。用以下公式来表示：
S＝(旧的平均值S*(N-1)+C)/N(C是新的采样值；N是采样次数，可以是常数，只要S的量程足够，N可以任意调整；S是得到的平均值，对于第一次的采样值可以直接赋值给S)。此方法优点是适用于系统纯滞后时间常数较大、采样周期较短的过程。缺点是对于纯滞后时间常数较小，采样周期较长，变化缓慢的信号，不能迅速反应系统当前所受干扰的严重程度，滤波效果差。
(5)滑动平均滤波法(又称为递推平均滤波)：把连续去N个采样值看成一个队列，队列的长度固定为N；每次采样到一个新数据放入队尾，并扔掉原来队首的一个数据(先进先出原则)；把队列中的N个数据进行算术平均运算，就可获得新的滤波结果。此方法优点是对周期性干扰有良好的抑制效果，平滑度高，适用于高频震荡的系统。其缺点是灵敏度低，对偶然出现的脉冲性干扰的抑制能力较差，不易消除由于脉冲干扰所引起的采样值偏差，不适用于脉冲干扰比较严重的场合，且对系统的空间复杂度要求较高。
(6)消抖滤波法：即设置一个滤波计数器，将每次采样值与当前有效值比较，如果采样值＝当前有效值，则计数器清零，如果采样值大于或小于当前有效值，则计数器加1，并判断计数器是否大于等于上限N(溢出)，如果计数器溢出，则用本次值替换当前有效值，并清计数器。这种方法优点是对于变化缓慢的被测参数有较好的滤波效果，可避免在临界值附近控制器的反复跳动或显示器上数值抖动。缺点是对于快速变化的参数不宜，如果在计数器溢出的那一次采样到的值恰好是干扰值，则会将干扰值当作有效输入导入系统。
(7)卡尔曼滤波法(Kalman滤波法)：是一种利用线性系统状态方程，通过系统输入输出观测矩阵，对系统状态进行最优估算的算法，由于观测数据中包含系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。在测量方差已知的情况下能够从一系列存在测量噪声的数据中，估计动态系统的状态。这种方法优点是便于计算机编程实现、实时性好。
除此之外，在公开号为CN102175296A的专利文献中记载了一种应用于高精度数字称重传感器的快速两级滤波算法，但是该专利的滤波算法建立时间较长，称重数据稳定的实时性不太好，其算法中的AD数值取的是芯片原始数据，数据长度23位，但是这些数据中的有效位数大概只有16-18位，而该专利的算法却是将23位数据全部进行处理，这虽然会称重数据的精度稍有提高，但耗时会很长且数据计算量很大，对芯片的算力提出了不低的要求，对数据实时性造成的损失则更大。
发明内容
鉴于以上所述现有技术的缺点，本申请的目的在于提供一种应用于高精度称重传感器的组合滤波方法，用于解决现有的称重滤波在实时性和稳定性方面难于兼容的技术问题。
为实现上述目的及其他相关目的，本申请的第一方面提供一种应用于高精度称重传感器的组合滤波方法，包括：在第一级滤波中，根据过程噪声数值、测量噪声数值及测量方差计算得到增益值；根据所述增益值以及上次滤波后称重数值和本次待滤波称重数值计算得到本次滤波后称重数值；在第二级滤波中，将第一级中得到的本次滤波后称重数值作为第二级滤波的输入值，并比较所述本次滤波后称重数值与当前有效值；使用一滤波计数器来累计所述本次滤波后称重数值与当前有效值不等的次数，并当累计次数超过所述滤波计数器的计数上限值时，令最新的本次滤波后称重数值替代当前有效值。
于本申请的第一方面的一些实施例中，所述根据过程噪声数值、测量噪声数值及测量方差计算得到增益值，其计算方式包括：K＝(P+Q)/(P+Q+R)；其中，K表示增益值；P表示测量方差；Q表示过程噪声；R表示测量噪声。
于本申请的第一方面的一些实施例中，在得到增益值后还执行如下：根据所述增益值更新测量方差以用于下一次的增益值计算；其中，根据所述增益值更新测量方差的方式包括：P’＝(1－K)*P；，P’表示更新得到的测量方差；P表示当前的测量方差。
于本申请的第一方面的一些实施例中，所述根据所述增益值以及上次滤波后称重数值和本次待滤波称重数值计算得到本次滤波后称重数值，包括：D＝LD+K*(AD－LD)；其中，D表示本次滤波后称重数值；LD表示上次滤波后称重数值；AD表示本次待滤波称重数值；K表示增益值。
于本申请的第一方面的一些实施例中，在执行第二级滤波前执行如下：设置滤波计数器的计数值C的初始值及计数上限值N；所述计数上限值N取决于滤波计数器的位数。
于本申请的第一方面的一些实施例中，所述使用一滤波计数器来累计所述本次滤波后称重数值与当前有效值不等的次数，并当累计次数超过所述滤波计数器的计数上限值时，令最新的本次滤波后称重数值替代当前有效值，包括：在比较所述本次滤波后称重数值与当前有效值后，若两个数值相同，则计数值C清零，反之则计数值C加1；若计数值C小于计数上限值N，则继续输出当前有效值；若计数值C大于或等于计数上限值N，则用最新的本次滤波后称重数值替换当前有效值，并将其输出，并将计数值C清零。
为实现上述目的及其他相关目的，本申请的第二方面提供一种基于组合滤波的高精度称重装置，包括：一级滤波模块，用于根据过程噪声数值、测量噪声数值及测量方差计算得到增益值；根据所述增益值以及上次滤波后称重数值和本次待滤波称重数值计算得到本次滤波后称重数值；二级滤波模块，用于将第一级中得到的本次滤波后称重数值作为第二级滤波的输入值，并比较所述本次滤波后称重数值与当前有效值；使用一滤波计数器来累计所述本次滤波后称重数值与当前有效值不等的次数，并当累计次数超过所述滤波计数器的计数上限值时，令最新的本次滤波后称重数值替代当前有效值。
为实现上述目的及其他相关目的，本申请的第三方面提供一种基于组合滤波的高精度称重系统，包括：称重传感器，用于采集待称重对象的模拟称重数据；AD芯片，电性连接所述称重传感器，用于将所述模拟称重数据进行放大处理和模数转换处理后得到对应的数字称重数据；单片机，电性连接所述AD芯片，用于在接收所述数字称重数据后通过执行所述组合滤波方法来对数字称重数据进行滤波。
为实现上述目的及其他相关目的，本申请的第四方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述应用于高精度称重传感器的组合滤波方法。
为实现上述目的及其他相关目的，本申请的第四方面提供一种电子终端，包括：处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行所述应用于高精度称重传感器的组合滤波方法。
如上所述，本申请的应用于高精度称重传感器的组合滤波方法、装置、系统及介质，具有以下有益效果：本发明在实际的高精度数字称重传感器滤波设计中，摈弃了单一的滤波方法，而使用两级滤波算法，从而能够兼顾称重数值的实时性和稳定性，且本发明的技术方案已通过实验及实际应用证明其是一种可行的称重滤波方案。
附图说明
图1显示为本申请一实施例中的应用于高精度称重传感器的组合滤波方法的流程示意图。
图2显示为本申请一实施例中的称重传感器的称重过程及原理示意图。
图3A显示为本申请一实施例中的一种静止称重实验结果示意图。
图3B显示为本申请一实施例中的一种静止称重实验结果示意图。
图3C显示为本申请一实施例中的一种静止称重实验结果示意图。
图4显示为本申请一实施例中电子终端的结构示意图。
图5显示为本申请一实施例中的应用于高精度称重传感器的组合滤波装置的结构示意图。
具体实施方式
以下通过特定的具体实例说明本申请的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本申请的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，在下述描述中，参考附图，附图描述了本申请的若干实施例。应当理解，还可使用其他实施例，并且可以在不背离本申请的精神和范围的情况下进行机械组成、结构、电气以及操作上的改变。下面的详细描述不应该被认为是限制性的，并且本申请的实施例的范围仅由公布的专利的权利要求书所限定。这里使用的术语仅是为了描述特定实施例，而并非旨在限制本申请。空间相关的术语，例如“上”、“下”、“左”、“右”、“下面”、“下方”、“下部”、“上方”、“上部”等，可在文中使用以便于说明图中所示的一个元件或特征与另一元件或特征的关系。
在本申请中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”、“固持”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。
再者，如同在本文中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示。应当进一步理解，术语“包含”、“包括”表明存在所述的特征、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其他特征、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的，或意味着任一个或任何组合。因此，“A、B或C”或者“A、B和/或C”意味着“以下任一个：A；B；C；A和B；A和C；B和C；A、B和C”。仅当元件、功能或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。
为解决上述背景技术中的问题，本发明提供一种应用于高精度称重传感器的组合滤波算法，旨在提高称重数据稳定性的同时，保证数据的实时性。本发明中的组合滤波算法包括两级滤波器，第一级滤波器用于基本的数据平滑及对数据变化的跟踪，第二级滤波器用于对第一级滤波器的输出数据进行进一步平滑处理。
为了使本发明的目的、技术方案及优点更加清楚明白，通过下述实施例并结合附图，对本发明实施例中的技术方案的进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定发明。
在对本发明进行进一步详细说明之前，对本发明实施例中涉及的名词和术语进行说明，本发明实施例中涉及的名词和术语适用于如下的解释：
1)过程噪声：由于外部环境的原因，使得物体并非做预想的严格的匀速直线运动，即由于外界环境影响，物体运动并非完全与运动方程对齐，这种动态模型的误差称为过程噪声。
2)测量噪声：是指在测量过程中的噪声，测量中包含的误差称为测量噪声。
3)称重传感器：一种将质量信号转变为可测量的电信号输出的装置，是衡器上使用的一种力传感器，它能将作用在被测物体上的重力按一定比例转换成可计量的输出信号。称重传感器按转换方法分为光电式、液压式、电磁力式、电容式、磁极变形式、振动式、陀螺仪式、电阻应变式等。
如图1所示，展示了本发明实施例中的应用于高精度称重传感器的组合滤波方法的流程示意图。本实施例中应用于高精度称重传感器的组合滤波方法包括两级滤波算法，具体步骤如下所示：
步骤S11：在第一级滤波中，根据过程噪声数值、测量噪声数值及测量方差计算得到增益值；根据所述增益值以及上次滤波后称重数值和本次待滤波称重数值计算得到本次滤波后称重数值。
可以理解的是，过程噪声Q越大，最后得出的称重数值的实时性就越高，但是称重数值的稳定性会越低；测量噪声R越大，称重数值的稳定性越高，但称重数值的实时性就越低。因此，过程噪声Q和测量噪声P需要根据不同的环境去设置，让称重数值的实时性和稳定性达到平衡。
为便于理解，现结合图2来解释数字称重传感器的称重过程及原理：称重传感器采集称重模拟数据后传送至AD芯片，通过AD芯片对模拟信号进行数据放大及模数转换处理后得到对应的数字信号。数字信号被传输至单片机，并使用软件滤波算法进行滤波处理，最后滤波处理输出AD数值。
于本实施例中，用K表示增益值，用P表示测量方差，测量方差P的初始值设为10，增益值K的计算方式如下：
K＝(P+Q)/(P+Q+R)；公式(1)
进一步地，在得到所述增益值后还执行如下：根据所述增益值更新测量方差以用于下一次的增益值计算，具体的计算方式如下：
P’＝(1－K)*P；公式(2)
其中，P’表示更新得到的测量方差；P表示当前的测量方差。
于本实施例中，根据所述增益值以及上次滤波后称重数值和本次待滤波称重数值计算得到本次滤波后称重数值是指：用D表示本次滤波后称重数值，用LD表示上次滤波后称重数值，用AD表示本次待滤波称重数值。因此，本次滤波后称重数值D的计算方式如下：
D＝LD+K*(AD－LD)；公式(3)
步骤S12：在第二级滤波中，将第一级中得到的本次滤波后称重数值作为第二级滤波的输入值，并比较所述本次滤波后称重数值与当前有效值；使用一滤波计数器来累计所述本次滤波后称重数值与当前有效值不等的次数，并当累计次数超过所述滤波计数器的计数上限值时，令最新的本次滤波后称重数值替代当前有效值。
可以理解的是，滤波计数器是计数器的一种，在数字系统中主要是对脉冲的个数进行计数，以实现测量、计数和控制的功能；计数器通常是由基本的计数单元和一些控制门所组成，技术单元则由一系列具有存储信息功能的各类触发器构成，这些触发器例如有RS触发器、T触发器、D触发器及JK触发器等。计数器的位数通常有3位计数器和4位计数器等，3位计数器最大可显示到999，4位计数器最大可显示到9999。
于本实施例中，在第二级滤波中，在执行第二级滤波前执行如下：设置滤波计数器的计数值C的初始值及计数上限值N，例如设定初始值C＝0，设定计数上限值N＝999。
进一步地，所述使用一滤波计数器来累计所述本次滤波后称重数值与当前有效值不等的次数，并当累计次数超过所述滤波计数器的计数上限值时，令最新的本次滤波后称重数值替代当前有效值，具体是指：在比较所述本次滤波后称重数值与当前有效值后，若两个数值相同，则计数值C清零，反之则计数值C加1；若此时计数值C小于计数上限值N，则继续输出当前有效值；若此时计数值C大于或等于计数上限值N，则用最新的本次滤波后称重数值替换当前有效值，并将其输出，同时将计数值C清零。
为进一步便于本领域技术人员理解本发明技术方案的原理及效果，本发明将结合下述实验施例进行说明：
于本实验施例中，采用高精度CS1237芯片作为AD芯片，采用STM32F407c8t6作为单片机芯片，芯片系统上使用C语言实现本发明实施例中的两级滤波算法。可以理解的是，高精度CS1237芯片是一种高精度且低功耗的模数转换芯片。
本实验实例分别执行了静止称重实验和动态称重实验，对相关数据进行了统计，得到图3A、3B及3C所示的数据，其中图3A～3C是静止称重实验结果，动态称重实验结果未图示；这些图中的横坐标表示AD采集的次数(约50ms采集一次)，纵坐标表示AD数值(此处AD数值每浮动1对应称重浮动约0.08克)。
从图3A～3C可以看出，原始AD数据在经过两级滤波后呈现一条直线，稳定性相对于原始数据得到提高。而在动态称重实验结果中，原始AD数据经过2级滤波后，数据稳定的同时也没有对实时性造成影响。
从上述实验实例可以看出：本发明在实际的高精度数字称重传感器滤波设计中，摈弃了单一的滤波方法，而使用两级滤波算法，从而能够兼顾称重数值的实时性和稳定性，且本发明的技术方案已通过实验及实际应用证明其是一种可行的称重滤波方案。
本申请实施例提供的应用于高精度称重传感器的组合滤波方法可以应用于电子设备。以下介绍电子设备、和用于使用这样的电子设备的实施例。本申请实施例的电子设备例如可以为平板电脑、手机、车载设备、增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobile personalcomputer，UMPC)、上网本、个人数字助理(personal digital assistant，PDA)、可穿戴设备、物联网(internet of thing，IoT)设备、车机等，本申请实施例对电子设备的具体类型不作任何限制。在一些实施例中，电子设备可以支持手写笔。
请参阅图4，为本发明实施例提供的电子设备400的一个可选的硬件结构示意图，该设备400可以是移动电话、计算机设备、平板设备、个人数字处理设备、工厂后台处理设备等。电子设备400包括：至少一个处理器401、存储器402、至少一个网络接口404和用户接口406。装置中的各个组件通过总线系统405耦合在一起。可以理解的是，总线系统405用于实现这些组件之间的连接通信。总线系统405除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图3中将各种总线都标为总线系统。
其中，用户接口406可以包括显示器、键盘、鼠标、轨迹球、点击枪、按键、按钮、触感板或者触摸屏等。
可以理解，存储器402可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，StaticRandom Access Memory)、同步静态随机存取存储器(SSRAM，Synchronous StaticRandomAccess Memory)。本发明实施例描述的存储器旨在包括但不限于这些和任意其它适合类别的存储器。
本发明实施例中的存储器402用于存储各种类别的数据以支持XX设备400的操作。这些数据的示例包括：用于在电子设备400上操作的任何可执行程序，如操作系统4021和应用程序4022；操作系统4021包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序4022可以包含各种应用程序，例如媒体播放器(MediaPlayer)、浏览器(Browser)等，用于实现各种应用业务。实现本发明实施例提供的XX方法可以包含在应用程序4022中。
上述本发明实施例揭示的方法可以应用于处理器401中，或者由处理器401实现。处理器401可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器401中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器401可以是通用处理器、数字信号处理器(DSP，Digital Signal Processor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器401可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器401可以是微处理器或者任何常规的处理器等。结合本发明实施例所提供的配件优化方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成前述方法的步骤。
在示例性实施例中，电子设备400可以被一个或多个应用专用集成电路(ASIC，Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD，ProgrammableLogic Device)、复杂可编程逻辑器件(CPLD，Complex Programmable LogicDevice)，用于执行前述方法。
如图5所示，展示了本发明实施例中的一种基于组合滤波的高精度称重装置的结构示意图。本实施例中的高精度称重装置500包括一级滤波模块501和二级滤波模块502。
所述一级滤波模块501用于根据过程噪声数值、测量噪声数值及测量方差计算得到增益值；根据所述增益值以及上次滤波后称重数值和本次待滤波称重数值计算得到本次滤波后称重数值。二级滤波模块502用于将第一级中得到的本次滤波后称重数值作为第二级滤波的输入值，并比较所述本次滤波后称重数值与当前有效值；使用一滤波计数器来累计所述本次滤波后称重数值与当前有效值不等的次数，并当累计次数超过所述滤波计数器的计数上限值时，令最新的本次滤波后称重数值替代当前有效值。
需要说明的是：上述实施例提供的应用于高精度称重传感器的组合滤波装置在进行应用于高精度称重传感器的组合滤波时，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述处理分配由不同的程序模块完成，即将装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的应用于高精度称重传感器的组合滤波装置与应用于高精度称重传感器的组合滤波方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
本发明实施例还提供一种基于组合滤波的高精度称重系统，包括：称重传感器，用于采集待称重对象的模拟称重数据；AD芯片，电性连接所述称重传感器，用于将所述模拟称重数据进行放大处理和模数转换处理后得到对应的数字称重数据；单片机，电性连接所述AD芯片，用于在接收所述数字称重数据后通过执行上述应用于高精度称重传感器的组合滤波方法。因本发明实施例的实施过程及原理与上文中应用于高精度称重传感器的组合滤波方法相类似，故不再赘述。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
于本申请提供的实施例中，所述计算机可读写存储介质可以包括只读存储器、随机存取存储器、EEPROM、CD-ROM或其它光盘存储装置、磁盘存储装置或其它磁存储设备、闪存、U盘、移动硬盘、或者能够用于存储具有指令或数据结构形式的期望的程序代码并能够由计算机进行存取的任何其它介质。另外，任何连接都可以适当地称为计算机可读介质。例如，如果指令是使用同轴电缆、光纤光缆、双绞线、数字订户线(DSL)或者诸如红外线、无线电和微波之类的无线技术，从网站、服务器或其它远程源发送的，则所述同轴电缆、光纤光缆、双绞线、DSL或者诸如红外线、无线电和微波之类的无线技术包括在所述介质的定义中。然而，应当理解的是，计算机可读写存储介质和数据存储介质不包括连接、载波、信号或者其它暂时性介质，而是旨在针对于非暂时性、有形的存储介质。如申请中所使用的磁盘和光盘包括压缩光盘(CD)、激光光盘、光盘、数字多功能光盘(DVD)、软盘和蓝光光盘，其中，磁盘通常磁性地复制数据，而光盘则用激光来光学地复制数据。
基于以上实施例，本申请还提供一种包含指令的计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行本申请实施例所描述的各方法。
基于以上实施例，本申请还提供了一种芯片，所述芯片用于读取存储器中存储的计算机程序，实现本申请实施例所描述的各方法。
基于以上实施例，本申请提供了一种芯片系统，该芯片系统包括处理器，用于支持计算机装置实现本申请实施例所描述的各方法。在一种可能的设计中，所述芯片系统还包括存储器，所述存储器用于保存该计算机装置必要的程序和数据。该芯片系统，可以由芯片构成，也可以包含芯片和其他分立器件。
综上所述，本申请提供应用于高精度称重传感器的组合滤波方法、装置、终端及介质，本发明在实际的高精度数字称重传感器滤波设计中，摈弃了单一的滤波方法，而使用两级滤波算法，从而能够兼顾称重数值的实时性和稳定性，且本发明的技术方案已通过实验及实际应用证明其是一种可行的称重滤波方案。所以，本申请有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本申请的原理及其功效，而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本申请所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本申请的权利要求所涵盖。
Claims (7)
1.一种应用于高精度称重传感器的组合滤波方法，其特征在于，包括：
在第一级滤波中，根据过程噪声数值、测量噪声数值及测量方差计算得到增益值；根据所述增益值以及上次滤波后称重数值和本次待滤波称重数值计算得到本次滤波后称重数值；
在第二级滤波中，将第一级中得到的本次滤波后称重数值作为第二级滤波的输入值，并比较所述本次滤波后称重数值与当前有效值；使用一滤波计数器来累计所述本次滤波后称重数值与当前有效值不等的次数，并当累计次数超过所述滤波计数器的计数上限值时，令最新的本次滤波后称重数值替代当前有效值；
其中，所述根据过程噪声数值、测量噪声数值及测量方差计算得到增益值，其计算方式包括：K＝(P+Q)/(P+Q+R)；其中，K表示增益值；P表示测量方差；Q表示过程噪声；R表示测量噪声；
在得到增益值后还执行如下：根据所述增益值更新测量方差以用于下一次的增益值计算；其中，根据所述增益值更新测量方差的方式包括：P’＝(1－K)*P；其中，P’表示更新得到的测量方差；P表示当前的测量方差；
所述根据所述增益值以及上次滤波后称重数值和本次待滤波称重数值计算得到本次滤波后称重数值，包括：D＝LD+K*(AD－LD)；其中，D表示本次滤波后称重数值；LD表示上次滤波后称重数值；AD表示本次待滤波称重数值；K表示增益值。
2.根据权利要求1所述的应用于高精度称重传感器的组合滤波方法，其特征在于，在执行第二级滤波前执行如下：设置滤波计数器的计数值C的初始值及计数上限值N；所述计数上限值N取决于滤波计数器的位数。
3.根据权利要求1所述的应用于高精度称重传感器的组合滤波方法，其特征在于，所述使用一滤波计数器来累计所述本次滤波后称重数值与当前有效值不等的次数，并当累计次数超过所述滤波计数器的计数上限值时，令最新的本次滤波后称重数值替代当前有效值，包括：
在比较所述本次滤波后称重数值与当前有效值后，若两个数值相同，则计数值C清零，反之则计数值C加1；若计数值C小于计数上限值N，则继续输出当前有效值；若计数值C大于或等于计数上限值N，则用最新的本次滤波后称重数值替换当前有效值，并将其输出，并将计数值C清零。
4.一种基于组合滤波的高精度称重装置，其特征在于，包括：
一级滤波模块，用于根据过程噪声数值、测量噪声数值及测量方差计算得到增益值；根据所述增益值以及上次滤波后称重数值和本次待滤波称重数值计算得到本次滤波后称重数值；
二级滤波模块，用于将第一级中得到的本次滤波后称重数值作为第二级滤波的输入值，并比较所述本次滤波后称重数值与当前有效值；使用一滤波计数器来累计所述本次滤波后称重数值与当前有效值不等的次数，并当累计次数超过所述滤波计数器的计数上限值时，令最新的本次滤波后称重数值替代当前有效值；
其中，所述根据过程噪声数值、测量噪声数值及测量方差计算得到增益值，其计算方式包括：K＝(P+Q)/(P+Q+R)；其中，K表示增益值；P表示测量方差；Q表示过程噪声；R表示测量噪声；
在得到增益值后还执行如下：根据所述增益值更新测量方差以用于下一次的增益值计算；其中，根据所述增益值更新测量方差的方式包括：P’＝(1－K)*P；其中，P’表示更新得到的测量方差；P表示当前的测量方差；
所述根据所述增益值以及上次滤波后称重数值和本次待滤波称重数值计算得到本次滤波后称重数值，包括：D＝LD+K*(AD－LD)；其中，D表示本次滤波后称重数值；LD表示上次滤波后称重数值；AD表示本次待滤波称重数值；K表示增益值。
5.一种基于组合滤波的高精度称重系统，其特征在于，包括：
称重传感器，用于采集待称重对象的模拟称重数据；
AD芯片，电性连接所述称重传感器，用于将所述模拟称重数据进行放大处理和模数转换处理后得到对应的数字称重数据；
单片机，电性连接所述AD芯片，用于在接收所述数字称重数据后通过执行如权利要求1～3中任一项所述的组合滤波方法来对数字称重数据进行滤波。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～3中任一项所述应用于高精度称重传感器的组合滤波方法。
7.一种电子设备，其特征在于，包括至少一个处理器，所述至少一个处理器与至少一个存储器耦合，所述至少一个处理器用于读取所述至少一个存储器所存储的计算机程序，以执行如权利要求1～3中任一项所述应用于高精度称重传感器的组合滤波方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211542317.9A CN116067473B (zh) | 2022-12-02 | 2022-12-02 | 应用于高精度称重传感器的组合滤波方法、装置、系统及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211542317.9A CN116067473B (zh) | 2022-12-02 | 2022-12-02 | 应用于高精度称重传感器的组合滤波方法、装置、系统及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116067473A CN116067473A (zh) | 2023-05-05 |
| CN116067473B true CN116067473B (zh) | 2024-10-25 |
Family
ID=86173982
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211542317.9A Active CN116067473B (zh) | 2022-12-02 | 2022-12-02 | 应用于高精度称重传感器的组合滤波方法、装置、系统及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116067473B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102175296A (zh) * | 2011-02-24 | 2011-09-07 | 山东大学 | 一种应用于高精度数字称重传感器的快速两级滤波算法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4775949A (en) * | 1986-06-27 | 1988-10-04 | K-Tron International, Inc. | Weigh feeding system with stochastic control |
| JP4667791B2 (ja) * | 2004-03-19 | 2011-04-13 | 株式会社神戸製鋼所 | ディジタルイコライザ装置，ディジタルイコライザプログラム |
| CN102426368B (zh) * | 2011-11-07 | 2013-06-05 | 东南大学 | Gps接收机基于扩展卡尔曼滤波器跟踪环路的失锁检测方法 |
| CN103236825A (zh) * | 2013-03-22 | 2013-08-07 | 中国科学院光电技术研究所 | 一种用于高精度数据采集系统的数据校正方法 |
| US9139290B2 (en) * | 2013-09-10 | 2015-09-22 | Sikorsky Aircraft Corporation | Aircraft weight identification using filtered trim estimation |
| CN104864949B (zh) * | 2014-02-25 | 2017-09-15 | 北京因泰立科技有限公司 | 一种车辆动态称重方法及装置 |
| CN107945523B (zh) * | 2017-11-27 | 2020-01-03 | 北京华道兴科技有限公司 | 一种道路车辆检测方法、交通参数检测方法及装置 |
| CN110086450A (zh) * | 2019-04-30 | 2019-08-02 | 天津万众科技股份有限公司 | 角位移传感器及其数据处理滤波方法 |
-
2022
- 2022-12-02 CN CN202211542317.9A patent/CN116067473B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102175296A (zh) * | 2011-02-24 | 2011-09-07 | 山东大学 | 一种应用于高精度数字称重传感器的快速两级滤波算法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于新型卡尔曼滤波算法的称重系统实现研究;文常保;戚一娉;宿建斌;巨永锋;;自动化与仪表;20200224(第02期);正文第52-56页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116067473A (zh) | 2023-05-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102175296B (zh) | 一种应用于高精度数字称重传感器的快速两级滤波算法 | |
| CN115790665A (zh) | 一种陀螺误差补偿方法、装置、电子设备及存储介质 | |
| CN108108335B (zh) | 一种野值剔除方法及装置 | |
| Lu et al. | Fusion Algorithm‐Based Temperature Compensation Method for High‐G MEMS Accelerometer | |
| CN116067473B (zh) | 应用于高精度称重传感器的组合滤波方法、装置、系统及介质 | |
| CN115844497A (zh) | 超声换能器的控制方法、装置、设备及存储介质 | |
| CN115833836A (zh) | 一种数字信号处理方法、系统、终端及存储介质 | |
| CN117908386A (zh) | 一种基于改进型干扰观测器的快速反射镜扰动抑制方法 | |
| CN102494680A (zh) | 一种基于灰色理论的自适应前向线性预测去噪方法 | |
| CN110799807B (zh) | 一种正交编码器信号滤波方法、装置及系统 | |
| CN111339494A (zh) | 基于卡尔曼滤波的陀螺仪数据处理方法 | |
| CN116865720A (zh) | 一种数字周期信号低通滤波方法 | |
| CN102435209B (zh) | 一种消除倾角传感器信号基线漂移的方法 | |
| CN102064798B (zh) | 一种负反馈自适应在线实时滤波方法及系统 | |
| CN117040352A (zh) | 一种pmlsm电机推力波动抑制方法、系统、芯片及设备 | |
| CN113397497B (zh) | 信号处理方法、装置和电子设备 | |
| CN109490629B (zh) | 一种软件测频方法和测频系统 | |
| CN119051654B (zh) | 针对时间交织模数转换器的数据校准方法、芯片及设备 | |
| KR100408298B1 (ko) | 디스크 드라이브에서의 적응적 트랙 제로 크로싱 신호발생 장치 및 방법 | |
| CN110619175A (zh) | 一种动态衰减的电子式互感器采集单元积分还原方法 | |
| CN113960363B (zh) | 基于多分量Morlet小波的高频振荡相量测量方法及装置 | |
| CN117951650A (zh) | 融合奇异谱分析与鲁棒子空间辨识的动态称量方法及系统 | |
| CN120010315A (zh) | 一种控制方法、装置、设备及存储介质 | |
| CN118264224A (zh) | 一种iir滤波器的输出结果确定方法、装置、设备及存储介质 | |
| Jiao et al. | A FIR computing characteristic analysis method based on arithmetic mean filtering |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |