基于神经网络的装载机载重量检测研究

发布时间：2017-08-25 19:31

  本文关键词：基于神经网络的装载机载重量检测研究

  更多相关文章： 装载机 机器学习 神经网络 载重测量

【摘要】：装载机是一种广泛应用于施工作业的机械设备,具有装、卸施工物料的功能。为提高作业效率、降低运输成本,现场需要获得装载机装载的物料质量。现有的装载机称重设备,在设计之初就假定装载机工作过程是匀速升举物料的。本文针对工业使用的装载机,设计了非匀速装载时的称重系统,不需增加传感器数量就能满足精度需求,还可以不改变装载机原有的工作流程,适应一定的恶劣环境。首先,本文通过分析装载机的工作过程,明确装载机铲斗运动的原因是液压缸输出压力。分析了装载机动臂举升铲斗过程的力学特性,建立了铲斗运动过程中液压缸输出压力与铲斗运动过程参数的关系,得到载重质量与油压关系的非线性、含不确定因素的称重物理模型。因此本文提出通过基于神经网络的载重检测算法,获得液压缸输出压力和载重质量的近似关系,实现通过检测液压缸输出压力,计算载重质量的功能。并通过仿真实验证明,本文所使用的载重检测算法能够近似替代输出压力和载重质量的关系。其次,本文设计开发了嵌入式称重系统,实现了基于神经网络的载重检测算法。该系统主要包括：基于集成运算放大器LM324、高速模数转换器AD7888的信号处理模块,用于调理输入信号：基于STM32的控制运算模块,用于控制各模块功能及实现基于神经网络的载重检测算法,测量载重质量；基于液晶模块、矩阵键盘的人机交互模块,用于显示称重结果等信息及接收用户指令输入：基于AMS1117-3.3、X7805的电源模块,用于向各模块供电。最后,通过基于ZL50CN型装载机的测试实验,验证了本文设计的称重系统能够适应非匀速的称重过程,满足现场精度要求。
【关键词】：装载机 机器学习 神经网络 载重测量
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TH243;TP18
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-12
• 1. 引言12-20
• 1.1 项目研究背景12-13
• 1.2 国内外研究现状13-17
• 1.3 主要研究内容17-20
• 2 载重测量原理研究及测量方法实现方案20-26
• 2.1 载重测量原理研究20-23
• 2.1.1 液压缸工作原理分析20
• 2.1.2 升举载重过程研究20-23
• 2.2 称重物理模型分析及测量方法实现方案23-26
• 2.2.1 称重物理模型分析23-24
• 2.2.2 测量方法及实现方案24-26
• 3 基于神经网络的载重检测算法研究及应用26-50
• 3.1 深度学习算法研究26-36
• 3.1.1 机器学习26-27
• 3.1.2 感知器和反向传递算法研究27-32
• 3.1.3 稀疏自编码器研究32-34
• 3.1.4 深度神经网络的训练方法34-36
• 3.2 神经网络计算载重质量功能验证及参数分析36-43
• 3.2.1 基于数值实验的神经网络计算载重质量功能验证36-41
• 3.2.2 神经网络参数整定41-43
• 3.3 基于神经网络的载重检测算法应用43-50
• 3.3.1 载重检测算法的训练44-46
• 3.3.2 载重检测算法的训练的编程应用46-50
• 4 基于STM32的嵌入式称重系统硬件设计50-64
• 4.1 系统硬件总体设计50-51
• 4.1.1 称重系统功能分析50-51
• 4.1.2 称重系统硬件组成51
• 4.2 传感器选型51-54
• 4.2.1 油压模块的选型52
• 4.2.2 霍尔传感器的选型52-53
• 4.2.3 传感器接线设计53-54
• 4.3 信号处理模块设计54-57
• 4.3.1 运算放大电路实现54-56
• 4.3.2 模数转换(ADC)电路56-57
• 4.4 嵌入式控制运算模块设计57-60
• 4.4.1 控制模块功能分析57-58
• 4.4.2 STM32电路设计58-60
• 4.5 人机交互模块实现60-62
• 4.5.1 点阵液晶模块接口设计60-61
• 4.5.2 矩阵键盘61-62
• 4.6 电源模块设计62-64
• 5 基于MDK的称重系统软件设计64-78
• 5.1 系统软件总体设计64-67
• 5.1.1 控制程序功能分析及整体流程图64-65
• 5.1.2 STM32编程思想65-67
• 5.2 功能模块驱动程序编写67-74
• 5.2.1 AD7888驱动程序编写67-69
• 5.2.2 液晶显示驱动程序编写69-72
• 5.2.3 矩阵键盘驱动程序编写72-74
• 5.3 称重系统管理程序编写74-78
• 5.3.1 界面管理程序编写74-77
• 5.3.2 数据处理程序编写77-78
• 6 称重系统的运行实验及数据分析78-88
• 6.1 称重系统实物展示78-79
• 6.2 称重系统运行实验及误差分析79-88
• 6.2.1 称重系统运行实验79-84
• 6.2.2 实验结果及误差分析84-88
• 7 结论88-90
• 7.1 结论88
• 7.2 展望88-90
• 参考文献90-92
• 作者简历及攻读硕士/博士学位期间取得的研究成果92-96
• 学位论文数据集96

【相似文献】

中国期刊全文数据库 前10条

1 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

2 常国任;李仁松;沈医文;刘钢;;基于神经网络的直升机舰面系统效能评估[J];舰船电子工程;2007年03期

3 陈俊;;神经网络的应用与展望[J];佛山科学技术学院学报(自然科学版);2009年05期

4 许万增;;神经网络的研究及其应用[J];国际技术经济研究学报;1990年01期

5 张军华;神经网络技术及其在军用系统中的应用[J];现代防御技术;1992年04期

6 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

7 靳蕃;神经网络及其在铁道科技中应用的探讨[J];铁道学报;1993年02期

8 宋玉华，王启霞;神经网络诊断──神经网络在自动化领域里的应用[J];中国仪器仪表;1994年03期

9 魏铭炎;国内外神经网络技术的研究与应用概况[J];电机电器技术;1995年04期

10 王中贤，，钱颂迪;神经网络法在经济管理中的应用[J];航天工业管理;1995年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 曾U喺

本文编号：737990