基于单片机的数字式称重仪设计

设计了一款数字化称重仪,以89C52单片机为核心,由称重电路、键盘电路、显示电路和报警电路等组成外围电路,并设计了相关软件.重量由称重传感器测量,信号放大电路对其进行放大,经A/D转换传送至CPU控制系统,最后由LCD显示.系统指令可通过键盘输入.系统设有阈值报警系统,可防止超量程损害仪器.最后通过Proteus对设计的电路进行了模拟仿真,实现了称重功能,并可以较好的进行称重及价格显示.     

一种高精度的电子秤设计

设计了一种以DSP处理器TMS320LF2407为信息处理核心的高精度电子秤,介绍了其系统框图,重点阐述了称重传感器的工作原理与电子秤称重数据采集电路的设计方法,并完成了电子秤的软件设计;测试结果表明,电子秤的各项性能均优于国家标准<非自动秤通用检定规程JJG555-1996>规定的三级秤指标,称重误差小.     

适用多种灵敏度称重传感器的差分放大电路

<正> 一、概述 电子衡器一般由称重智能仪表、称重传感器、称重台所组成。 为了确保仪表的稳定性,近几年生产的新一代称重智能仪表,其输入级大都采用放大倍数固定的差分放大电路。 如果传感器的灵敏度比较高,即输出信号大,则差分放大电路的输出可能会出现饱和,带来称重误差,甚至无法使用。     

基于TMS320F2812的车辆动态称重系统设计

提出了基于TMS320F2812的车辆动态称重系统的系统结构与功能实现。硬件设计主要介绍处理器核心模块的设计,MSI压电薄膜传感器,信号放大与偏置电路的设计。软件部分主要介绍DSP在实现算法上的优势,以及动态称重系统的主流程和ADC中断服务子程序流程.DSP为核心的车辆动态称重系统具有精度高,处理速度快等优点,对实现车辆的不停车称重,公路超限车辆的管理,有极大的现实意义。     

车轮力传感器称重式标定装置的采集系统设计

介绍了车轮力传感器(WFT,wheel force transducer)的称重式实车标定装置及其数据采集系统的原理及结构,并且详细介绍了采集系统的硬件和软件设计.该系统以混合信号系统级单片机C8051F005为核心,实现了对车轮力传感器数据和称重平台数据的同步采集,并通过RS232将数据传送到上位机(笔记本计算机).在该标定装置上成功地进行了车轮力传感器的实车标定试验.     

再谈称重传感器的稳定性问题

一、前言称重传感器和电子称重技术是基于工业企业技术发展的要求随着时代而变化的。50、60年代工业企业技术水平较低,检测手段落后,基本以机械式称重为主,因而称重传感器和电子称量技术发展很慢。70、80年代随着科学技术的进步,工业企业对生产过程和检测技术自动化的要求不断提高,相应称重传感器和电子称重技术发展迅速。概括起来就是用电子衡器代替机械衡器实现连续、自动、快速称重的要求。这些客观现实的要求,使新研制的称重装置应具有较高的准确度、合理的结构和良好的稳定性,推动了称重传感器和电子称重技术的发展。近年来,由于称重传感器     

应变式智能称重系统设计

采取STM32单片机和CD4052模块为主要器件构成智能称重系统,该系统由称重传感器、CD4052多路选择开关模块、放大电路、STM32单片机构成,研究并使用了二标准实时自校法,使三步测量过程中零点与灵敏度保持恒定不变.经测试,传统称重传感器的测量误差大约为1.22％,智能化后误差降为0.33％,测量精度得到大幅提高.     

基于SPCE061A的电子语音播报称重系统

当前的电子语音称重系统基本都是"模拟称重传感器+模/数转换器+单片机+语音芯片+数/模转换器+扬声器"结构,电路复杂,开发成本高,系统运行可靠性差。凌阳16位单片机SPCE061A芯片集单片机、语音芯片、模/数转换、数/模转换等功能于一身,可以使称重系统电路大大简化。以SPCE061A芯片为核心设计的电子语音播报称重系统电路结构简单,成本低,实验电路称重相对误差小于1.5%,语音播报准确率为100%。该称重系统具有很好的实际应用价值。     

基于LabVIEW的雌雄蚕茧自动分检机测控系统

雄蚕茧的蚕丝质量优于雌蚕茧,对雌雄蚕茧进行分检可以得到高品位的生丝。同一品种的雌蚕茧比雄蚕茧的质量要重,利用动态称重的方法,设计出了一种雌雄蚕茧自动分检机。该装置的测控系统以数据采集控制卡为核心,结合LabVIEW技术,实现了对蚕茧质量的动态检测和实时分检。实验结果表明:该测控系统实时性好,检测精度高,具有很好的应用前景。     

水果称重包装生产线PLC控制系统

针对水果称重包装生产过程的需要,设计了水果称重包装生产线PLC控制系统。控制系统由PLC、触摸屏、U形秤、水果传送装置和传感器组成。此控制系统有能够实现手自动切换、分向给料、按给定数值称量、流程化包装、界面化操作和随启随用的特点。系统投入实际运行,有效地减少了工人的工作量和出错率,降低了用工成本,提高了称重包装效率,实现了流线化包装。     

New fuzzy C-means clustering method based on feature-weight and cluster-weight learning

Among fuzzy clustering methods, fuzzy c-means (FCM) is the most recognized algorithm. In this algorithm, it is assumed that all the features are of equal importance. In real applications, however, the importance of the features are different and there exist some features that are more important than the others. These important features should basically have more effects than the other features in the forming of optimal clusters. The basic FCM algorithm does not support this idea. Also, the FCM algorithm suffers from another problem; the algorithm is very sensitive to initialization, whereas a bad initialization leads to a poor local optima. Some improved versions of FCM have been proposed in the literature, each of which has somehow mitigated the first problem or the second one. In this paper, motivated by these weaknesses of the FCM, the goal is to solve the two problems at the same time. In doing so, an automatic local feature weighting scheme is proposed to properly weight the features of each clusters. And, a cluster weighting process is performed to mitigate the initialization sensitivity of the FCM. Feature weighting and cluster weighting are performed simultaneously and automatically during the clustering process resulting in high quality clusters, regardless of the initial centers. Extensive experiments conducted on a synthetic dataset and 16 real world datasets indicate that the proposed algorithm outperforms the state-of-the-arts algorithms. The convergence proof of the proposed algorithm is also provided.     

Multi-view clustering via simultaneous weighting on views and features

In big data era, more and more data are collected from multiple views, each of which reflect distinct perspectives of the data. Many multi-view data are accompanied by incompatible views and high dimension, both of which bring challenges for multi-view clustering. This paper proposes a strategy of simultaneous weighting on view and feature to discriminate their importance. Each feature of multi-view data is given bi-level weights to express its importance in feature level and view level, respectively. Furthermore, we implements the proposed weighting method in the classical k-means algorithm to conduct multi-view clustering task. An efficient gradient-based optimization algorithm is embedded into k-means algorithm to compute the bi-level weights automatically. Also, the convergence of the proposed weight updating method is proved by theoretical analysis. In experimental evaluation, synthetic datasets with varied noise and missing-value are created to investigate the robustness of the proposed approach. Then, the proposed approach is also compared with five state-of-the-art algorithms on three real-world datasets. The experiments show that the proposed method compares very favourably against the other methods.     

A New Term Significance Weighting Approach

The authors present a new term significance measure that integrates term frequency retrieval characteristics, term frequency, document collection characteristics, and both the term depth and width distribution characteristics. A new concept, the term depth distribution, is introduced and its impact on the term significance is analyzed. The authors address the features of the new term significance measure from the angles of the impact of the variables (parameters) on it and the iso-significance contour analyses. An experimental study was conducted to compare the newly developed approach with two other popular approaches from the perspectives of both efficiency and effectiveness. The results show that the newly developed approach achieves satisfactory performance. Issues for further research on this topic are suggested.     

称重衡器在销售管理信息系统中的应用及关键技术的实现

以煤炭行业的销售管理为例，介绍如何将汽车衡、轨道衡等称重衡器融入销售管理信息系统；提出了实现车辆上磅位置检测、汽车牌号自动识别、火车车辆牌号自动识别等三种关键技术的解决方法。     

基于自适应加权的文本关联分类

在文本关联分类研究中,训练样本特征词的分布情况对分类结果影响很大.即使是同一种关联分类算法,在不同的样本集上使用,分类效果也可能明显不同.为此,本文利用加权方法改善文本关联分类器的稳定性,设计实现了基于规则加权的关联分类算法(WARC)和基于样本加权的关联分类算法(SWARC).WARC算法通过规则自适应加权调整强弱不均的分类规则;SWARC算法则自适应地调整训练样本的权重,从根本上改善不同类别样本特征词分布不均的情况.实验结果表明,无论是WARC还是SWARC算法,经过权重调整后的文本分类质量明显提高,特别是SWARC算法分类质量的提高极为显著.     

炼钢转炉散料加料系统控制策略优化

为满足大型炼钢转炉全自动吹炼、散料加料系统操作简单化、智能化的要求,从熔剂全自动加料控制、精确称量控制、合金称量顺序控制三个方面对现有的转炉散料加料系统的控制策略进行优化。所述控制策略和控制方法已在国内某炼钢厂210T转炉工程中成功应用并取得良好的控制效果。     

面粉自动称量控制

详细介绍了面粉自动称量控制装置的设计思想、硬件结构和应用软件,重点阐述了解决计量精度、可靠性问题所采取的措施。控制装置是一个机电一体化的计算机控制系统,采用单片计算机配以必要的测控接口和应用软件,实现对机械下料过程的动态检测和定量控制。现场运行结果表明,面粉自动称量控制装置的各项技术指标已达到或超过了面粉定量包装的出厂标准,具有较为明显的经济效益和广阔的应用前景。     

实例加权类依赖Relief

Relief算法是一个过滤式特征选择算法,通过一种贪心的方式最大化最近邻居分类器中的实例边距,结合局部权重方法有作者提出了为每个类别分别训练一个特征权重的类依赖Relief算法（Class Dependent RELIEF algorithm：CDRELIEF）.该方法更能反映特征相关性,但是其训练出的特征权重仅仅对于衡量特征对于某一个类的相关性很有效,在实际分类中分类精度不够高.为了将CDRELIEF算法应用于分类过程,本文改变权重更新过程,并给训练集中的每个实例赋予一个实例权重值,通过将实例权重值结合到权重更新公式中从而排除远离分类边界的数据点和离群点对权重更新的影响,进而提高分类准确率.本文提出的实例加权类依赖RELIEF （IWCDRELIEF）在多个UCI二类数据集上,与CDRELIEF进行测试比较.实验结果表明本文提出的算法相比CDRELIEF算法有明显的提高.     

信息融合系统评价中指标权值的求取和自适应调整

本文就信息融合评价系统中关联性能指标的标准化处理方式及其对应的权系数的求取做了理论探 讨和实验论证,最终用于指标权值的在线自适应调整,有助于在不同的数据源下选取合适的融合算法.     

上料动态称重系统的研究

从实际工程出发,对高炉槽下动态定量称重过程进行研究.首先将动态称重系统等效为二阶系统,推导出了其动、静态数学模型,并通过参数辨识的方法,从采集到的信号中辨识出物料的重量.