基于動(dòng)態(tài)扭矩傳感器的荷重檢測(cè)

喬愛(ài)民,何博俠,黃迎輝,王艷春,羅少軒

(1.蚌埠學(xué)院電子與電氣工程學(xué)院,安徽 蚌埠 233000;2.南京理工大學(xué)機(jī)械工程學(xué)院,南京 210094)

?

基于動(dòng)態(tài)扭矩傳感器的荷重檢測(cè)

喬愛(ài)民1*,何博俠2,黃迎輝1,王艷春1,羅少軒1

(1.蚌埠學(xué)院電子與電氣工程學(xué)院,安徽 蚌埠 233000;2.南京理工大學(xué)機(jī)械工程學(xué)院,南京 210094)

動(dòng)態(tài)扭矩傳感器直接連接于旋轉(zhuǎn)動(dòng)力設(shè)備和荷重裝置之間,可以輸出與實(shí)際負(fù)載相關(guān)聯(lián)的力矩信號(hào)。為了從動(dòng)態(tài)扭矩傳感器輸出的力矩信號(hào)中得到實(shí)際負(fù)載,在荷重模型建立階段,通過(guò)給荷重裝置施加不同的負(fù)載,并對(duì)動(dòng)態(tài)扭矩傳感器輸出力矩信號(hào)對(duì)應(yīng)的AD轉(zhuǎn)換值進(jìn)行灰色關(guān)聯(lián)校正,得到趨于穩(wěn)定的AD轉(zhuǎn)換校正值,在此基礎(chǔ)上,利用移動(dòng)最小二乘回歸(MLSR)實(shí)現(xiàn)對(duì)荷重裝置實(shí)際負(fù)載的非線(xiàn)性回歸,得到實(shí)際負(fù)載與AD轉(zhuǎn)換校正值間的非線(xiàn)性模型。在荷重檢測(cè)階段,進(jìn)一步利用灰色關(guān)聯(lián)校正并結(jié)合實(shí)際負(fù)載回歸模型,得到荷重裝置最終的實(shí)際負(fù)載。試驗(yàn)結(jié)果表明,結(jié)合灰色關(guān)聯(lián)校正及移動(dòng)最小二乘回歸模型,荷重檢測(cè)誤差低于±0.3%。

動(dòng)態(tài)扭矩傳感器;荷重檢測(cè);灰色關(guān)聯(lián)分析;移動(dòng)最小二乘回歸

動(dòng)態(tài)扭矩傳感器又稱(chēng)旋轉(zhuǎn)扭矩傳感器,廣泛應(yīng)用于電動(dòng)機(jī)、旋轉(zhuǎn)動(dòng)力等設(shè)備的輸出扭矩及功率檢測(cè)。根據(jù)扭矩信號(hào)的傳輸方式,其類(lèi)型可分為接觸式和非接觸式,其中非接觸式動(dòng)態(tài)扭矩傳感器由于其非接觸及使用壽命長(zhǎng)等特點(diǎn)而得到廣泛的應(yīng)用[1-7],非接觸式動(dòng)態(tài)扭矩傳感器主要利用光電耦合、磁耦合或無(wú)線(xiàn)等方式將力矩電信號(hào)對(duì)外傳輸[3,5-6]。

目前,在采用電動(dòng)機(jī)驅(qū)動(dòng)的起吊設(shè)備如閘門(mén)啟閉機(jī)、提升機(jī)等,一般采用常規(guī)的傳感器進(jìn)行荷重檢測(cè),傳感器通常為旁壓式、柱銷(xiāo)式或軸承座式等電阻應(yīng)變式傳感器[8-9]。當(dāng)采用旁壓式傳感器進(jìn)行荷重檢測(cè)時(shí),需要將傳感器緊固于繩索上,除了對(duì)繩索具有一定的破壞作用外,重物提升時(shí)會(huì)造成繩索擺動(dòng),使得荷重檢測(cè)誤差較大,而對(duì)于采用柱銷(xiāo)式或軸承座式傳感器進(jìn)行荷重檢測(cè)時(shí),對(duì)于重型起吊設(shè)備,傳感器的安裝及維護(hù)極其不便。而如果采用動(dòng)態(tài)扭矩傳感器檢測(cè)荷重,安裝及維護(hù)將非常方便,可將動(dòng)態(tài)扭矩傳感器與電動(dòng)機(jī)直接連接,一方面可以起到聯(lián)軸器的作用,另一方面,動(dòng)態(tài)扭矩傳感器輸出與實(shí)際負(fù)載有較大關(guān)聯(lián)的力矩信號(hào),可通過(guò)對(duì)力矩信號(hào)實(shí)現(xiàn)實(shí)際負(fù)載的回歸。

采用動(dòng)態(tài)扭矩傳感器的荷重檢測(cè)系統(tǒng),由于傳感器安裝在旋轉(zhuǎn)動(dòng)力設(shè)備的輸出軸上,包括實(shí)際負(fù)載及產(chǎn)生于荷重裝置機(jī)構(gòu)內(nèi)部的附加力同時(shí)施加于動(dòng)態(tài)扭矩傳感器,由于除了實(shí)際負(fù)載外,附加力矩有較大的隨機(jī)性及波動(dòng)性,從而造成傳感器的力矩輸出信號(hào)同樣具有隨機(jī)性和波動(dòng)性,在實(shí)際的荷重檢測(cè)過(guò)程中,需要對(duì)該隨機(jī)性及波動(dòng)性進(jìn)行必要的抑制。

1 基于動(dòng)態(tài)扭矩傳感器的荷重檢測(cè)方法

1.1 荷重信號(hào)的獲取方式

荷重信號(hào)的獲取方式如圖1所示。將動(dòng)態(tài)扭矩傳感器與旋轉(zhuǎn)動(dòng)力設(shè)備如電動(dòng)機(jī)的輸出軸直接連接,實(shí)際負(fù)載引起的負(fù)載力矩及荷重裝置與變速機(jī)構(gòu)等引起的附件力矩共同作用于動(dòng)態(tài)扭矩傳感器,動(dòng)態(tài)扭矩傳感器輸出與力矩對(duì)應(yīng)的電信號(hào),將動(dòng)態(tài)扭矩傳感器的輸出信號(hào)變換為0～5 V的電壓變送信號(hào),并通過(guò)靜態(tài)標(biāo)定,2.5 V對(duì)應(yīng)空載,5 V對(duì)應(yīng)動(dòng)態(tài)扭矩傳感器受到的正向最大扭矩,0 V對(duì)應(yīng)負(fù)向最大扭矩。

圖1 采用動(dòng)態(tài)扭矩傳感器的荷重檢測(cè)裝置

1.2 荷重檢測(cè)需要解決的問(wèn)題

由于動(dòng)態(tài)扭矩傳感器和旋轉(zhuǎn)動(dòng)力設(shè)備的輸出軸直接連接,其輸出信號(hào)既包括實(shí)際負(fù)載引起的負(fù)載力矩,同時(shí)也包括了機(jī)構(gòu)本身如變送機(jī)構(gòu)的摩擦力、振動(dòng)等產(chǎn)生的附加力矩成分,雖然由固定實(shí)際負(fù)載引起的負(fù)載力矩在其中占據(jù)主要比例成分且理論上是固定不變的,但由于附加力矩具有一定的隨機(jī)性及波動(dòng)性,導(dǎo)致動(dòng)態(tài)扭矩傳感器的輸出信號(hào)也具有一定的波動(dòng)性和隨機(jī)性,同時(shí),當(dāng)實(shí)際負(fù)載變化時(shí),基于動(dòng)態(tài)扭矩傳感器的荷重系統(tǒng)應(yīng)能辨識(shí)實(shí)際負(fù)載的變化,因此,從力矩信號(hào)中得到實(shí)際負(fù)載大小是基于動(dòng)態(tài)扭矩傳感器的荷重檢測(cè)系統(tǒng)需要解決的關(guān)鍵問(wèn)題。

1.3 荷重檢測(cè)系統(tǒng)

1.3.1 荷重檢測(cè)系統(tǒng)硬件

荷重檢測(cè)系統(tǒng)的硬件如圖2所示,將動(dòng)態(tài)扭矩傳感器0～5 V的電壓信號(hào)經(jīng)低通濾波等處理后送入24位的Σ-Δ型AD轉(zhuǎn)換器AD7190進(jìn)行模數(shù)轉(zhuǎn)換[10],硬件系統(tǒng)的核心采用基于A(yíng)RM Cortex M4核的高性能STM32F427微控制器[11],系統(tǒng)硬件還包括如圖所示的其他電路,便于荷重檢測(cè)系統(tǒng)實(shí)現(xiàn)必需的實(shí)際應(yīng)用功能。

圖2 荷重檢測(cè)系統(tǒng)硬件簡(jiǎn)圖

圖3 荷重檢測(cè)軟件流程圖

1.3.2 荷重檢測(cè)系統(tǒng)軟件

從動(dòng)態(tài)扭矩傳感器的輸出力矩信號(hào)中得到實(shí)際負(fù)載大小是系統(tǒng)軟件的關(guān)鍵。一般來(lái)說(shuō),在基于動(dòng)態(tài)扭矩傳感器的荷重檢測(cè)系統(tǒng)中,通過(guò)力矩值直接實(shí)現(xiàn)對(duì)實(shí)際負(fù)載的標(biāo)定比較困難,可通過(guò)對(duì)力矩信號(hào)對(duì)應(yīng)的AD轉(zhuǎn)換值進(jìn)行回歸獲得實(shí)際負(fù)載的大小。由于動(dòng)態(tài)扭矩傳感器的輸出信號(hào)中既包含了由于實(shí)際負(fù)載引起的負(fù)載力矩,也包含了波動(dòng)性及隨機(jī)性較大的附加力矩成分,其對(duì)應(yīng)的AD轉(zhuǎn)換值波動(dòng)性及隨機(jī)性也較大,為了提高負(fù)載回歸精度,在基于動(dòng)態(tài)扭矩傳感器的荷重回歸模型建立過(guò)程中,不宜直接對(duì)傳感器輸出信號(hào)對(duì)應(yīng)的AD轉(zhuǎn)換值進(jìn)行實(shí)際負(fù)載回歸。

在具體的系統(tǒng)軟件設(shè)計(jì)過(guò)程中,荷重檢測(cè)采取分階段的方法實(shí)現(xiàn),在荷重模型建立階段建立負(fù)載回歸模型,在荷重檢測(cè)階段實(shí)現(xiàn)荷重裝置的實(shí)際負(fù)載檢測(cè)。在荷重模型建立階段,為抑制和削弱動(dòng)態(tài)扭矩傳感器輸出信號(hào)的波動(dòng)性及隨機(jī)性,采用基于灰色關(guān)聯(lián)分析的校正環(huán)節(jié)對(duì)傳感器輸出力矩對(duì)應(yīng)的AD轉(zhuǎn)換值進(jìn)行校正,通過(guò)給荷重裝置施加不同的負(fù)載,得到不同負(fù)載對(duì)應(yīng)的AD轉(zhuǎn)換校正值,并采用移動(dòng)最小二乘法實(shí)施對(duì)實(shí)際負(fù)載的回歸,得到負(fù)載的回歸模型。在實(shí)際的荷重檢測(cè)階段,利用模型建立階段建立的負(fù)載回歸模型,進(jìn)一步結(jié)合灰色關(guān)聯(lián)校正環(huán)節(jié),得到最終的實(shí)際負(fù)載輸出,具體的荷重檢測(cè)軟件流程圖如圖3所示。

2 基于動(dòng)態(tài)扭矩傳感器的荷重檢測(cè)模型

2.1 結(jié)合灰色關(guān)聯(lián)校正的荷重檢測(cè)原理

結(jié)合灰色關(guān)聯(lián)校正的荷重檢測(cè)原理如圖4所示。

圖4 結(jié)合灰色關(guān)聯(lián)校正的荷重檢測(cè)原理

在荷重模型建立階段,給荷重裝置施加k個(gè)不同的負(fù)載,{Q}k×1為不同負(fù)載對(duì)應(yīng)的AD轉(zhuǎn)換值期望輸出序列,{Qr}k×1為對(duì)應(yīng)不同負(fù)載的灰色關(guān)聯(lián)校正值序列,{Qc}k×1為常規(guī)預(yù)處理如低通濾波等模式下的輸出量,{Qo}k×1為不同負(fù)載對(duì)應(yīng)的經(jīng)灰色關(guān)聯(lián)校正后的AD轉(zhuǎn)換校正值序列,將{Qo}k×1的集合平均值作為自變量,對(duì)應(yīng)的不同固定負(fù)載為因變量,利用移動(dòng)最小二乘法建立負(fù)載的回歸模型M=f(Qo)。在荷重檢測(cè)階段,將荷重裝置工作時(shí)傳感器輸出力矩對(duì)應(yīng)的ADC轉(zhuǎn)換值Dadc作為輸入變量,通過(guò)負(fù)載回歸模型得到實(shí)際負(fù)載回歸值Mi,將起始工作時(shí)一定數(shù)量Mi的集合平均作為期望輸出,進(jìn)一步采用灰色關(guān)聯(lián)校正,其校正量為Mr,得到最終的實(shí)際負(fù)載輸出Mo。

2.2 荷重檢測(cè)的灰色關(guān)聯(lián)校正模型

灰色關(guān)聯(lián)分析可以定量反映系統(tǒng)與各影響要素間的關(guān)聯(lián)度大小,通過(guò)對(duì)因變因子數(shù)據(jù)序列對(duì)應(yīng)的幾何曲線(xiàn)的幾何形狀接近水平來(lái)判別其關(guān)聯(lián)程度[12-16]。采用動(dòng)態(tài)扭矩傳感器構(gòu)建的荷重檢測(cè)系統(tǒng),當(dāng)動(dòng)態(tài)扭矩傳感器旋轉(zhuǎn)時(shí),通過(guò)輔助裝置如輥筒等帶動(dòng)負(fù)載升降,由于荷重裝置自身存在著諸如各位置摩擦力不相同等因素,導(dǎo)致即使荷重裝置的負(fù)載固定,動(dòng)態(tài)扭矩傳感器的輸出力矩也具有隨機(jī)性和波動(dòng)性。在荷重模型建立階段,當(dāng)荷重裝置負(fù)載固定時(shí),采用灰色關(guān)聯(lián)校正環(huán)節(jié),讓系統(tǒng)的輸出具有跟蹤一常值期望輸出的功能,可以使得兩者之間的誤差降低,從而可以降低和抑制傳感器輸出的隨機(jī)波動(dòng)性。

在荷重模型建立階段,給荷重裝置施加k個(gè)不同的固定負(fù)載,理想狀況下,每個(gè)固定負(fù)載引起的力矩是恒定不變的,因此,在對(duì)動(dòng)態(tài)扭矩傳感器輸出力矩對(duì)應(yīng)的AD轉(zhuǎn)換值進(jìn)行灰色關(guān)聯(lián)校正時(shí),將元素為固定值的數(shù)據(jù)序列作為期望輸出數(shù)據(jù)序列,某時(shí)間域內(nèi)的實(shí)時(shí)AD轉(zhuǎn)換值序列作為實(shí)際輸出數(shù)據(jù)序列,計(jì)算兩者之間的灰色關(guān)聯(lián)度,如果兩個(gè)數(shù)據(jù)序列越接近,則兩者之間的灰色關(guān)聯(lián)度就越高,灰色關(guān)聯(lián)校正環(huán)節(jié)的校正量Qr就越小,反之則越大。

給荷重裝置施加第p(0

(1)

式中:

灰色關(guān)聯(lián)校正的強(qiáng)度由校正系數(shù)a決定,灰色關(guān)聯(lián)分辨系數(shù)β通常情況下其值取為0.5,權(quán)重系數(shù)η1一般大于η2,且η1及η2需根據(jù)實(shí)際補(bǔ)償結(jié)果進(jìn)行調(diào)整,符號(hào)函數(shù)sgn(Qp-Yp)決定補(bǔ)償量的方向,維數(shù)m的選擇需要結(jié)合實(shí)際的補(bǔ)償效果進(jìn)行選擇。

(2)

(3)

在實(shí)際的荷重檢測(cè)階段,其灰色關(guān)聯(lián)校正模型和式(1)類(lèi)似,但不同于荷重模型建立階段給荷重裝置施加的不同負(fù)載皆為固定值,在荷重檢測(cè)階段,灰色關(guān)聯(lián)校正模型除了對(duì)實(shí)際荷重檢測(cè)過(guò)程中傳感器輸出力矩的隨機(jī)波動(dòng)性進(jìn)行抑制外,還需要對(duì)實(shí)際負(fù)載變化有跟蹤功能,因此,在荷重檢測(cè)階段,其期望數(shù)據(jù)序列及維數(shù)的選取有別于荷重模型建立階段。荷重檢測(cè)階段的期望數(shù)據(jù)序列應(yīng)隨時(shí)間域t不同而有所改變,其目的是為了系統(tǒng)輸出能跟隨實(shí)際負(fù)載變化,選取方法為:將當(dāng)前時(shí)間域t前一個(gè)等時(shí)長(zhǎng)的時(shí)間域內(nèi)的負(fù)載回歸輸出集合平均值作為期望數(shù)據(jù)序列的元素,維數(shù)的選取應(yīng)能滿(mǎn)足該階段灰色關(guān)聯(lián)校正的功能需要,維數(shù)過(guò)小,對(duì)系統(tǒng)輸出波動(dòng)性及隨機(jī)性的校正效果減弱,而維數(shù)過(guò)大,則導(dǎo)致跟蹤負(fù)載變化的功能降低,其合理的維數(shù)需要經(jīng)過(guò)反復(fù)測(cè)試。

2.3 基于移動(dòng)最小二乘法的負(fù)載回歸模型

由于其他因素引起的力矩存在,在荷重模型建立階段輸出的AD轉(zhuǎn)換校正值的集合平均不完全由荷重裝置的實(shí)際負(fù)載引起的,導(dǎo)致AD轉(zhuǎn)換校正值與負(fù)載之間一般不為線(xiàn)性關(guān)系,同時(shí),基于動(dòng)態(tài)扭矩傳感器的荷重檢測(cè)系統(tǒng),難以通過(guò)對(duì)其扭矩輸出值進(jìn)行常規(guī)的標(biāo)定得到荷重裝置的實(shí)際負(fù)載,需要通過(guò)對(duì)AD轉(zhuǎn)換校正值回歸實(shí)際負(fù)載。

目前,有很多回歸方法在系統(tǒng)特性的模型重構(gòu)、數(shù)據(jù)的擬合及逼近等應(yīng)用領(lǐng)域得到廣泛應(yīng)用,如常用的最小二乘回歸(LSR)。移動(dòng)最小二乘回歸(MLSR)對(duì)傳統(tǒng)的最小二乘回歸進(jìn)行了一定的改進(jìn):①M(fèi)LSR模型由系數(shù)向量及基函數(shù)構(gòu)成,同時(shí)系數(shù)向量的元素為自變量坐標(biāo)的函數(shù)。②引入緊支概念,自變量離散節(jié)點(diǎn)處的取值只受該節(jié)點(diǎn)附近子域內(nèi)節(jié)點(diǎn)影響,而不受子域外的節(jié)點(diǎn)影響[17-20],利用這一點(diǎn),通過(guò)在子域內(nèi)定義一恰當(dāng)?shù)臋?quán)函數(shù),可以使得具有隨機(jī)波動(dòng)的離散數(shù)據(jù)集的擬合結(jié)果具有很好的去除噪點(diǎn)作用,荷重模型建立步驟如下:

①設(shè)自變量x為經(jīng)灰色關(guān)聯(lián)校正后的AD轉(zhuǎn)換集合平均值,在其子域內(nèi),荷重預(yù)測(cè)模型為

(4)

式中:a(x)=[a1(x),a2(x),…,an(x)]T,p(x)=[p1(x),p2(x),…,pn(x)]T,a(x)為待求系數(shù)向量且是坐標(biāo)X的函數(shù),p(x)為基函數(shù)。

②選取基函數(shù)

p(x)=(1,x1/2,x,x3/2,x2)T(n=5)

(5)

③設(shè)在A(yíng)D轉(zhuǎn)換校正值集合平均的子域內(nèi)有m個(gè)離散節(jié)點(diǎn),定義

(6)

式中:ωi(x)為節(jié)點(diǎn)的高斯權(quán)函數(shù),y(xi)為節(jié)點(diǎn)處的值。

④求J對(duì)a(x)的偏導(dǎo)數(shù)且令其值為0,并寫(xiě)成矩陣形式,可得

a(x)=A-1(x)B(x)Y

(7)

(8)

MLSR模型建立過(guò)程中,節(jié)點(diǎn)的子域及支持域半徑選取需要根據(jù)實(shí)際的擬合效果進(jìn)行選擇。

在荷重檢測(cè)階段,利用模型建立階段得到的荷重MLSR模型獲取荷重裝置的實(shí)際負(fù)載值時(shí),需要進(jìn)一步利用灰色關(guān)聯(lián)校正,期望數(shù)據(jù)序列及維數(shù)選取的方法見(jiàn)前文所述,通過(guò)灰色關(guān)聯(lián)校正結(jié)合荷重回歸模型得到最終的實(shí)際負(fù)載輸出Mo。

圖5 基于動(dòng)態(tài)扭矩傳感器的荷重檢測(cè)試驗(yàn)平臺(tái)

3 結(jié)果分析

采用直連式螺桿啟閉機(jī)作為試驗(yàn)平臺(tái),其荷重滿(mǎn)量程為8 000 kg,升降滿(mǎn)行程為4 m,將動(dòng)態(tài)扭矩傳感器直接連接于電動(dòng)機(jī)軸和螺桿啟閉機(jī)的動(dòng)力輸入軸之間,具體見(jiàn)圖5。目前,螺桿式啟閉機(jī)廣泛應(yīng)用于農(nóng)田水利工程中,但螺桿式啟閉機(jī)的荷重檢測(cè)一直是難以解決的問(wèn)題,這里利用動(dòng)態(tài)扭矩傳感器采集力矩信息,并結(jié)合文中所述方法對(duì)螺桿啟閉機(jī)上升滿(mǎn)行程范圍內(nèi)的荷重檢測(cè)精度進(jìn)行驗(yàn)證,下降過(guò)程中的處理方法與上升過(guò)程類(lèi)似。

試驗(yàn)前調(diào)節(jié)動(dòng)態(tài)扭矩傳感器的輸出,5 V對(duì)應(yīng)傳感器受正向最大扭矩為,2.5 V對(duì)應(yīng)空載,傳感器受負(fù)向最大扭矩時(shí)輸出為0 V,設(shè)置AD轉(zhuǎn)換速率、工作極性及選取的實(shí)際位數(shù)分別為60次/s左右、雙極性及15位。給試驗(yàn)裝置施加均勻間隔為1 000 kg的0～8 000 kg共9種固定負(fù)載,并分別記錄不同固定負(fù)載情況下實(shí)際負(fù)載上升時(shí)對(duì)應(yīng)的AD轉(zhuǎn)換值及其校正值。

以實(shí)際負(fù)載為5 000 kg時(shí)為例,在荷重模型建立階段,取灰色關(guān)聯(lián)校正系數(shù)α等于0.5,權(quán)重系數(shù)η1等于0.9,η2等于0.1,期望輸出數(shù)據(jù)序列及實(shí)際輸出數(shù)據(jù)序列維數(shù)m取12,期望數(shù)據(jù)序列的元素選定為常數(shù),且其值取實(shí)際負(fù)載上升時(shí)前20個(gè)離散的AD轉(zhuǎn)換值累加和平均,AD轉(zhuǎn)換值及其校正值的變化曲線(xiàn)如圖6所示。

圖6 實(shí)際負(fù)載為5 000 kg時(shí)AD轉(zhuǎn)換值及其校正值

在試驗(yàn)裝置的全上升行程內(nèi),AD輸出值及其校正值的波動(dòng)情況見(jiàn)圖7。

圖7 荷重模型建立階段輸出值波動(dòng)

從圖6及圖7可以看出,在試驗(yàn)裝置的上升滿(mǎn)行程范圍內(nèi),即使試驗(yàn)裝置的實(shí)際負(fù)載為恒定值,動(dòng)態(tài)扭矩傳感器輸出力矩對(duì)應(yīng)的AD轉(zhuǎn)換值也具有較大的波動(dòng)性及隨機(jī)性。在荷重模型建立階段,通過(guò)增加灰色關(guān)聯(lián)校正模型,利用校正模型可以使實(shí)際輸出數(shù)據(jù)序列具有追蹤期望數(shù)據(jù)輸出序列的特性,通過(guò)將期望輸出數(shù)據(jù)序列的元素設(shè)置為有效常數(shù),AD轉(zhuǎn)換值經(jīng)校正后其波動(dòng)性及隨機(jī)性得到顯著的抑制,這可以有效提高實(shí)際負(fù)載回歸模型的回歸精度。

將離散的AD轉(zhuǎn)換校正值的集合平均作為輸入變量,對(duì)應(yīng)的固定實(shí)際負(fù)載作為輸出變量,分別利用MLSR及LSR建立荷重回歸模型,其中MLSR的支持域半徑為10,LSR回歸多項(xiàng)式與MLSR的基函數(shù)相同。在實(shí)際荷重檢測(cè)階段,經(jīng)反復(fù)試驗(yàn),選取灰色關(guān)聯(lián)校正環(huán)節(jié)的數(shù)據(jù)序列維數(shù)為20,期望輸出數(shù)據(jù)序列選取方法見(jiàn)前文所述,首個(gè)時(shí)間域t內(nèi)的期望數(shù)據(jù)序列的元素為負(fù)載上升時(shí)前20個(gè)離散的負(fù)載回歸值的集合平均,得到試驗(yàn)裝置在上升滿(mǎn)行程范圍內(nèi)部分荷重檢測(cè)偏差如表1所示,圖8為上升滿(mǎn)行程范圍內(nèi)分別采用MLSR及LSR結(jié)合灰色關(guān)聯(lián)校正的偏差分布。

表1 滿(mǎn)上升行程內(nèi)結(jié)合灰色關(guān)聯(lián)校正的荷重檢測(cè)最大偏差值 單位:kg

由表1及圖8可知,結(jié)合荷重檢測(cè)階段的灰色關(guān)聯(lián)校正環(huán)節(jié),以試驗(yàn)裝置的荷重滿(mǎn)量程8 000 kg計(jì)算,MLSR的實(shí)際負(fù)載回歸誤差不超過(guò)±0.3%,而LSR回歸誤差在±0.9%左右,利用MLSR的回歸精度比LSR的回歸精度要高,這是由于MLSR不同于LSR,MLSR回歸函數(shù)中系數(shù)項(xiàng)ai(x)隨自變量離散節(jié)點(diǎn)位置變化而變化,即其回歸擬合函數(shù)是隨著自變量離散點(diǎn)位置變化而變化的曲線(xiàn),因此,在其支持域半徑選擇合理的情況下,可以得到比LSR更高的擬合精度。

圖8 結(jié)合灰色關(guān)聯(lián)校正的荷重檢測(cè)偏差

通過(guò)上述分析,基于灰色關(guān)聯(lián)分析的校正模型可以有效地抑制動(dòng)態(tài)扭矩傳感器輸出的波動(dòng)性及隨機(jī)性,當(dāng)采用荷重回歸模型獲取荷重裝置的實(shí)際負(fù)載時(shí),采用文中所述的荷重檢測(cè)階段的灰色關(guān)聯(lián)校正仍然非常必要,如圖9所示,在實(shí)際的荷重檢測(cè)時(shí),未結(jié)合灰色關(guān)聯(lián)校正而直接采用MLSR模型獲取荷重裝置的實(shí)際負(fù)載時(shí),在荷重滿(mǎn)量程范圍內(nèi),實(shí)際負(fù)載檢測(cè)誤差由原來(lái)的不超過(guò)±0.3%增加為±1.8%左右。

圖9 未結(jié)合灰色關(guān)聯(lián)校正的荷重檢測(cè)偏差

在某些荷重檢測(cè)應(yīng)用領(lǐng)域,尤其是常規(guī)的荷重檢測(cè)傳感器不便于使用及安裝不便的情況下,當(dāng)驅(qū)動(dòng)源為旋轉(zhuǎn)動(dòng)力設(shè)備時(shí),可以選用動(dòng)態(tài)扭矩傳感器獲取力矩信息,通過(guò)對(duì)傳感器輸出力矩信號(hào)進(jìn)行相關(guān)的處理,最終獲取實(shí)際負(fù)載。利用灰色關(guān)聯(lián)校正原理中實(shí)際輸出跟隨期望輸出的特性,在系統(tǒng)誤差要求控制在一定范圍內(nèi)時(shí),通過(guò)將灰色關(guān)聯(lián)校正結(jié)合荷重回歸模型可得到滿(mǎn)足系統(tǒng)精度的實(shí)際負(fù)載值。

4 結(jié)論

①研究了一種基于動(dòng)態(tài)扭矩傳感器的荷重檢測(cè)方法,當(dāng)荷重檢測(cè)裝置的動(dòng)力源為旋轉(zhuǎn)動(dòng)力設(shè)備時(shí),將動(dòng)態(tài)扭矩傳感器直接連接于動(dòng)力設(shè)備與荷重設(shè)備之間,獲取荷重設(shè)備工作時(shí)的力矩。

②在荷重回歸模型建立階段及荷重檢測(cè)階段,通過(guò)灰色關(guān)聯(lián)校正環(huán)節(jié)有效抑制了傳感器及荷重系統(tǒng)輸出的隨機(jī)波動(dòng)性,為符合精度要求的荷重回歸模型建立及獲取荷重裝置的實(shí)際負(fù)載提供了必要的前提條件。

③通過(guò)試驗(yàn)裝置試驗(yàn)表明,結(jié)合灰色關(guān)聯(lián)校正模型,在荷重滿(mǎn)量程范圍內(nèi),采用MLSR方法的實(shí)際負(fù)載回歸誤差小于±0.3%。

[1] 段翔兮,佃松宜,向國(guó)菲,等. 采用動(dòng)態(tài)扭矩傳感器的雙電機(jī)同步性能檢測(cè)系統(tǒng)[J]. 測(cè)控技術(shù),2016,35(1):43-45.

[2] 柴繼新,王恩鋒,范小燕,等. 幾種常見(jiàn)的電阻應(yīng)變片式旋轉(zhuǎn)扭矩傳感器[J]. 計(jì)量、測(cè)試與校準(zhǔn),2010,30(2):34-36.

[3] 石延平,周慶貴,臧勇. 環(huán)形差動(dòng)壓磁式非接觸動(dòng)態(tài)扭矩傳感器的研究與設(shè)計(jì)[J]. 中國(guó)機(jī)械工程,2011,22(17):2026-2030.

[4] 楊大志,胡光忠,柳忠彬. 一種閥門(mén)驅(qū)動(dòng)器扭矩試驗(yàn)臺(tái)設(shè)計(jì)方案[J]. 化工自動(dòng)化及儀表,2011,38(12):1464-1466.

[5] 趙浩. 一種基于霍爾效應(yīng)的扭矩傳感器[J]. 傳感技術(shù)學(xué)報(bào),2016,29(10):1505-1508.

[6] Umbach F,Acker H,Kluge J V,et al. Contactless Measurement of Torque[J]. Mechatronics,2002,12(8):1023-1033.

[7] Hirzinger G,Albu-Sch?ffer A,H?hnle M,et al. On a New Generation of Torque Controlled Light-Weight Robots[C]//Conference on Robotics and Automation,Korea,IEEE,2001:3354-3363.

[8] 王德堂,何森,深慶彬,等. 單繩提升機(jī)運(yùn)行動(dòng)態(tài)載荷在線(xiàn)監(jiān)測(cè)方法研究[J]. 煤礦現(xiàn)代化,2016(5):89-91.

[9] 羅少軒,喬愛(ài)民. 基于MC9S08JM16和AD7780的一體式旁壓起重量限制器設(shè)計(jì)[J]. 蚌埠學(xué)院學(xué)報(bào),2012,1(2):11-15.

[10] Analog Devices. AD7190 24bit Sigma-Delta ADC for Bridge Sensors[EB/OL]. www.analog.com,2016.

[11] ST Microelctronics. High Performance MCU STM32F4 Serials[EB/OL]. www.st.com,2016.

[12] 朱堅(jiān)民,雷靜桃,黃之文,等. 基于灰色關(guān)聯(lián)補(bǔ)償控制的氣動(dòng)位置伺服控制系統(tǒng)[J]. 機(jī)械工程學(xué)報(bào),2012,48(20):159-166.

[13] 劉思峰,蔡華,楊英杰,等. 灰色關(guān)聯(lián)分析模型研究進(jìn)展[J]. 系統(tǒng)工程理論與實(shí)踐,2013,33(8):2041-2046.

[14] 朱雙,周建中,孟長(zhǎng)青,等. 基于灰色關(guān)聯(lián)分析的模糊支持向量機(jī)方法在徑流預(yù)報(bào)中的應(yīng)用研究[J]. 水力發(fā)電學(xué)報(bào),2015,34(6):1-6.

[15] Zhang X R,Zhang Q L.Study on One New Grey Similarity Correlation Degree Model and Its Applications[J]. Journal of Chemical and Pharmaceutical Research,2014,6(6):1406-1411.

[16] Wang Z X. Correlation Analysis of Sequences With Interval Grey Numbers Based on the Kernel and Greyness Degree[J]. Kybernetes,2013,42(2):309-317.

[17] 宋紹民,王敏,王耀南,等. 傳感器數(shù)據(jù)的精確重構(gòu)方法及其性能研究[J]. 傳感技術(shù)學(xué)報(bào),2010,23(1):52-56.

[18] 楊武,劉莉,周思達(dá),等. 移動(dòng)最小二乘法的時(shí)變結(jié)構(gòu)模態(tài)參數(shù)辨識(shí)[J]. 機(jī)械工程學(xué)報(bào),2016,52(3):79-85.

[19] Zhang Y,Lai J,Du X. Vision-Related MLS Image Deformation Using Saliency Map[C]//Image and Graphics(ICIG),2011 Sixth International Conference on USA:IEEE,2011:193-198.

[20] 韓有昂,張英杰. 基于移動(dòng)最小二乘法測(cè)量數(shù)據(jù)的數(shù)控刀軌生成[J]. 計(jì)算機(jī)集成制造系統(tǒng),2011,17(3):638-642.

The Load Detection Based on Dynamic Torque Sensor

QIAO Aimin1*,HE Boxia2,HUANG Yinghui1,WANG Yanchun1,LUO Shaoxuan1

(1.School of Electronic and Electrical Engineering,Bengbu University,Bengbu Anhui 233000,China;2.School of Mechanical Engineering,Nanjing University of Science and Technology,Nanjing 210094,China)

Directly connected the load equipment to the rotary power one,the dynamic torque sensor could output the torque signal caused by both the actual load and the other factors such as frictional force of the load equipment. The actual load could be extracted from the sensor’s output signal of the torque to use two phases shown as fellows. In load modeling phase,a kind of corrected model based on gray correlation analysis was established to adjust the respective analog-to-digital converter(ADC)value caused by different actual loads. The corrected model could effectively decrease the fluctuation and random for the ADC value. The load model was gotten by moving least square regress(MLSR)through taking the corrected ADC values as the input variables and the individual actual load as the output ones. After the load regress model was founded,the actual load for the load equipment would be attained by combining the load regress model with the gray correlation corrected one in the load detection phrase. Experiment showed that the error of the load detection based on dynamic torque sensor was less than ±0.3%.

dynamic torque sensor;load detection;gray correlation analysis;moving least square regression

喬愛(ài)民(1970-),男,副教授,主要從事數(shù)據(jù)采集系統(tǒng)、微機(jī)控制及其自動(dòng)化、嵌入式系統(tǒng)、機(jī)器視覺(jué)等方面的研究,aimin_qiao@163.com;

何博俠(1972-),男,博士,副教授,碩士生導(dǎo)師,2009年于東南大學(xué)獲得博士學(xué)位,主要從事光電測(cè)試技術(shù)、微納米測(cè)量技術(shù)、機(jī)械動(dòng)力學(xué)及先進(jìn)制造技術(shù)研究。

項(xiàng)目來(lái)源:國(guó)家自然科學(xué)基金項(xiàng)目(51175267,51575281);安徽省高校自然科學(xué)研究重點(diǎn)基金項(xiàng)目(KJ2017A565,KJ20160A452);安徽省高校優(yōu)秀青年人才支持計(jì)劃項(xiàng)目(gxyq2017098)

2016-12-04 修改日期:2017-01-26

TH823

A

1004-1699(2017)06-0886-07

C:7220

10.3969/j.issn.1004-1699.2017.06.014