CN105352571A - 一种基于指数关系估计的粮仓重量检测方法及装置 - Google Patents
一种基于指数关系估计的粮仓重量检测方法及装置 Download PDFInfo
- Publication number
- CN105352571A CN105352571A CN201510769517.1A CN201510769517A CN105352571A CN 105352571 A CN105352571 A CN 105352571A CN 201510769517 A CN201510769517 A CN 201510769517A CN 105352571 A CN105352571 A CN 105352571A
- Authority
- CN
- China
- Prior art keywords
- overbar
- silo
- weight
- rsqb
- lsqb
- 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.)
- Granted
Links
Landscapes
- Geophysics And Detection Of Objects (AREA)
- Filling Or Emptying Of Bunkers, Hoppers, And Tanks (AREA)
Abstract
本发明涉及一种基于指数关系估计的粮仓重量检测方法及装置,属于粮食重量检测技术领域。本发明通过在粮仓底面上布置两组压力传感器,一组为内圈压力传感器,一组为外圈压力传感器;建立粮仓重量检测模型<maths num="0001"></maths>检测各传感器输出值,依据所建立的检测模型,实现对粮仓重量的检测。本发明所建立的检测模型是基于底面、侧面压强均值分别与内圈压力传感器、外圈压力传感器输出均值之间的近似指数关系得到,因此所建模型具有精度高,对传感器性能要求低、适应性和鲁棒性强、便于远程在线粮仓数量检测和粮仓状态监测等特点,本发明的检测方法适应于多种粮仓结构类型的储粮数量检测,具有巨大的应用价值,为保障国家粮食数量安全提供了新的技术手段。
Description
技术领域
本发明涉及一种基于指数关系估计的粮仓重量检测方法及装置,属于粮食重量检测技术领域。
背景技术
粮食安全包括数量安全和质量安全。粮食数量在线检测技术与***研究应用是国家粮食数量安全的重要保障技术,开展这方面的研究与应用事关国家粮食安全,具有重要的意义,并将产生巨大的社会经济效益。由于粮食在国家安全中的重要地位,要求粮堆数量在线检测准确、快速和可靠。同时由于粮食数量巨大,价格低,要求粮堆数量在线检测设备成本低、简单方便。因此检测的高精度与检测***的低成本是粮仓数量在线检测方法开发必需解决的关键问题。
申请号为201410101693.5的专利申请,提供了一种基于结构自适应检测模型的粮仓储粮数量检测方法,该检测方法在粮仓底面上布置两圈压力传感器,检测各传感器的输出值,依据所建立的检测模型计算粮仓重量估计,所建立的检测模型为该检测模型通过将侧面压强、底面压强分别估计为关于外圈压力传感器、内圈压力传感器输出均值的多项式得到。
发明内容
本发明的目的是提供一种基于指数关系估计的粮仓重量检测方法及装置,是一种新的粮仓重量检测方式。
本发明为实现上述目的提供了一种基于指数关系估计的粮仓重量检测方法,该检测方法包括以下步骤:
1)在粮仓底面上布置两组压力传感器,一组为内圈传感器,一组为外圈传感器,外圈传感器靠近侧面墙间隔布置,内圈传感器距离侧面墙设定距离且间隔布置;
2)依据步骤1)中传感器的布置方式,建立基于指数关系估计的粮仓重量检测模型:
其中AB为粮堆底面面积,CB为底面周长,KB、KF为参数,ai为模型系数,i=0,1,2,3,为内圈传感器输出均值,为外圈传感器输出均值,
3)检测步骤1)中各传感器的输出值,依据步骤2)中的检测模型计算被检测粮仓重量的估计值
所述步骤2)粮仓重量检测模型中各参数的标定如下:
A.在多于6个粮仓中按照步骤1)的方式布置压力传感器,进粮至满仓,待压力传感器输出值稳定后,采集各仓的压力传感器输出值,形成样本集其中i为样本点号,i=1,2,3,...,M,M为样本个数,分别为第i个样本点的和值;Wi为样本点i的实际进粮重量,为相应的粮仓面积;
B.将样本集S分为两个部分,优化与多元回归样本集SM和测试样本ST;
C.给定参数KP、KB和KF,利用优化与多元回归样本集SM通过多元回归方式计算参数ai;
D.对KP、KB和KF采用百分比误差模型进行优化计算,所采用的百分比误差模型为:
约束条件:KP>0
KB>0
KF>0
其中,为样本点i的粮堆重量预测值。
所述的检测模型是在粮仓重量理论检测模型的基础上得到的,粮仓重量理论检测模型为:
其中,为粮堆重量估计,AB为粮堆底面面积,CB为底面周长, QB(s)、QF(s)分别为粮堆底面和侧面中s点的压强,为粮堆远高于一定高度时的底面压强饱和值。
所述底面压强均值与内圈传感器输出值均值具有近似指数关系,同样侧面压强均值与外圈传感器输出值均值也具有近似关系,即
其中bB0、bB1、bF0和bF1分别为估计项的系数。
所述外圈传感器距离侧面墙距离d大于0小于1米,内圈传感器距离侧面墙距离D大于2米。
本发明还提供了一种基于指数关系估计的粮仓重量检测装置,该检测装置包括检测单元以及与检测单元连接且设置在粮仓底面的压力传感器,所述压力传感器分两组布置,一组为内圈传感器,一组为外圈传感器,外圈传感器靠近粮仓侧面墙间隔布置,内圈传感器距离粮仓侧面墙设定距离且间隔布置,所述检测单元中执行有一个或多个模块,所述一个或多个模块用于执行以下步骤:
1)建立基于指数关系估计的粮仓重量检测模型:
其中AB为粮堆底面面积,CB为底面周长,KB、KF为参数,ai为模型系数,i=0,1,2,3,为内圈传感器输出均值,为外圈传感器输出均值,
2)检测中各传感器的输出值,依据步骤1)中的检测模型计算被检测粮仓重量的估计值
所述基于指数关系估计的粮仓重量检测模型中各参数的标定如下:
A.在多于6个粮仓中按照步骤1)的方式布置压力传感器,进粮至满仓,待压力传感器输出值稳定后,采集各仓的压力传感器输出值,形成样本集其中i为样本点号,i=1,2,3,...,M,M为样本个数,分别为第i个样本点的和值;Wi为样本点i的实际进粮重量,为相应的粮仓面积;
B.将样本集S分为两个部分,优化与多元回归样本集SM和测试样本ST;
C.给定参数KP、KB和KF,利用优化与多元回归样本集SM通过多元回归方式计算参数ai;
D.对KP、KB和KF采用百分比误差模型进行优化计算,所采用的百分比误差模型为:
约束条件:KP>0
KB>0
KF>0
其中,为样本点i的粮堆重量预测值。
所述检测模型是在粮仓重量理论检测模型的基础上得到的,粮仓重量理论检测模型为:
其中,为粮堆重量估计,AB为粮堆底面面积,CB为底面周长, QB(s)、QF(s)分别为粮堆底面和侧面中s点的压强,为粮堆远高于一定高度时的底面压强饱和值。
所述底面压强均值与内圈传感器输出值均值具有近似指数关系,同样侧面压强均值与外圈传感器输出值均值也具有近似关系,即
其中bB0、bB1、bF0和bF1分别为估计项的系数。
所述外圈传感器距离侧面墙距离d大于0小于1米,内圈传感器距离侧面墙距离D大于2米。
本发明的有益效果是:本发明通过在粮仓底面上布置两组压力传感器,一组为内圈压力传感器,一组为外圈压力传感器;建立粮仓重量检测模型 检测各传感器输出值,依据所建立的检测模型,实现对粮仓重量的检测。本发明所建立的检测模型是基于底面、侧面压强均值分别与内圈压力传感器、外圈压力传感器输出均值之间的近似指数关系得到,因此所建模型具有精度高,对传感器性能要求低、适应性和鲁棒性强、便于远程在线粮仓数量检测和粮仓状态监测等特点,本发明的检测方法适应于多种粮仓结构类型的储粮数量检测,具有巨大的应用价值,为保障国家粮食数量安全提供了新的技术手段。
附图说明
图1是平房仓底面压力传感器布置模型示意图;
图2是筒仓底面压力传感器布置模型示意图;
图3是本发明检测实例2中采用建模样本进行重量预测的误差示意图;
图4是本发明检测实例2中采用所有样本进行重量预测的误差示意图;
图5是本发明粮仓重量检测方法的实施流程图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步的说明。
一、本发明的基于指数关系估计的粮仓重量检测方法的实施例
本发明的基于指数关系估计的粮仓重量检测方法通过建立相应的粮仓重量检测模型,依据所建立的粮仓重量检测模型计算粮仓重量,关于该模型获得的理论前提、对应的粮仓传感器布置、模型推导和参数标定,下面依次具体介绍。
1.理论前提
通常使用的粮仓有平房仓、浅圆仓、筒仓等类型,粮食入仓后,粮堆顶部要求摊平,平房仓粮堆形状大致上为不同尺寸的立方体,浅圆仓和筒仓粮堆形状大致上为不同尺寸的圆柱体。通过粮堆受力分析可以得出,粮仓粮堆重量与粮仓压强分布的关系如下:
其中,为粮堆重量估计,AB为粮堆底面面积,CB为底面周长, QB(s)、QF(s)分别为粮堆底面和侧面中s点的压强,为粮堆远高于一定高度时的底面压强饱和值。
2.粮仓传感器布置
对于通常使用的平房仓和筒仓,在粮仓底面按外圈和内圈两圈布置压力传感器,如图1和图2所示,圆圈为压力传感器布置位置,外圈压力传感器与侧面墙距离均为d,内圈压力传感器与侧面墙距离均为D。显然当d=0时,外圈处底面压强即为侧面底部的压强,因此,可利用外圈压力传感器输出值描述大小,利用内圈压力传感器输出值描述大小。
实际实验表面,当外圈压力传感器与侧面墙距离d=0时,其压力传感器输出值描述的准确性提高,但输出值的波动性也明显增大,从而影响检测模型精度,因此为保证检测精度,取外圈压力传感器与侧面墙距离d>0,且d<1米。内圈压力传感器与侧面墙距离D越大,压力传感器输出值描述的有效性提高,因此在方便装卸粮食的条件下,应适当增大D,因此可取D>2米,一般取3米左右。为了保证所建检测模型的通用性,各粮仓的内外圈压力传感器与测量强距离d和D应该相同,两圈传感器个数均为6-10,传感器间距应不小于1米。
3.粮仓重量检测模型推导
采用图1、图2所示的粮仓底面两圈传感器布置方式,利用外圈传感器输出均值构建粮仓侧面压强估计,利用内圈传感器输出均值构建粮仓底面压强估计。对于式(1)所示的粮仓重量检测理论模型,令
令 构建式(2)中的估计为
则H∞估计为
其中KP=K∞bBF。则由式(1)可得
理论分析和实验表明,式(1)中底面压强均值与内圈压力传感器输出值均值具有近似指数关系,同样侧面压强均值与外圈压力传感器输出均值也同样具有近似的指数关系,因此,本发明采用与内、外圈压力传感器输出均值的指数关系构建具体关系如下:
其中,KB、KF为参数,KB>0,KF>0;bB0、bB1、bF0和bF1分别为估计项的系数。将式(6)和式(7)代入式(5),整理后可得
其中,ai为模型系数,i=01,2,3。
式(8)为本发明所提出的基于指数关系估计的粮仓重量检测模型。
4.模型参数标定
对于给定的传感器、粮食种类以及仓型,需要对所建立的粮仓重量检测模型进行标定,即求解式(8)中的各项参数,具体过程如下:
A.在多于6个粮仓中布置压力传感器,进粮至满仓,压力传感器输出值稳定后,采集各仓的压力传感器输出值,形成样本集其中i为样本点号,i=1,2,3,...,M,M为样本个数;分别为第i个样本点的和值;Wi为样本点i的实际进粮重量,为相应的粮仓面积。
B.将样本集S分为两个部分,优化与多元回归样本集SM和测试样本ST。
C.给定参数KP、KB和KF,利用优化与多元回归样本集SM通过多元回归方式计算参数ai。
D.通过对KP、KB和KF参数进行优化和回归相结合的方法计算KP、KB和KFKP、KB和KF优化采用百分比误差模型,优化模型为
约束条件:KP>0(10)
KB>0(12)
KF>0(13)
其中,为样本点i的粮堆重量预测值。在本发明研究中采用复合型法进行KP、KB和KF优化。
二、本发明的基于指数关系估计的粮仓重量检测装置的实施例
本发明所提供的检测装置包括检测单元以及与检测单元连接且设置在粮仓底面的压力传感器,其中压力传感器分两组布置,一组为内圈传感器,一组为外圈传感器,外圈传感器靠近粮仓侧面墙间隔布置,内圈传感器距离粮仓侧面墙设定距离且间隔布置,如图1、图2所示。检测单元可以采用单片机、DSP、PLC或MCU等,检测单元中执行有一个或多个模块,这里的模块可以位于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域已知的任何其他形式的存储介质,可以将该存储介质耦接至检测单元,使检测单元能够从该存储介质读取信息,或者该存储介质可以是检测单元的组成部分。一个或多个模块用于执行以下步骤:
1)建立基于指数关系估计的粮仓重量检测模型:
其中AB为粮堆底面面积,CB为底面周长,KB、KF为参数,ai为模型系数,i=0,1,2,3,为内圈传感器输出均值,为外圈传感器输出均值,
2)检测中各传感器的输出值,依据步骤1)中的检测模型计算被检测粮仓重量的估计值
其中模型的推导和模型参数的标定过程已在上个实施例中进行详细说明,这里不再赘述。
三、检测实例与结果分析
检测实例1
本检测实例所选用的平房仓长9米,宽4.2米,面积为37.8平方米,即CB/AB≈0.698。该粮仓属于小型粮仓,CB/AB相对较大,根据图1所示的压力传感器布置方式进行布置,对于平房仓,压力传感器分2圈布置,内圈8个,外圈10个,共18个压力传感器。
实验粮食种类为玉米,重量约160吨,共进行4次实验。由于样本过少,以1-3次实验为回归样本,以实验4作为测试样本。所示的基于指数关系估计的检测模型,所建模型参数如表1和表2所示,重量预测结果如表3至表6所示,其中表3为实验1储量重量计算结果,表4为实验2储量重量计算结果,表5为实验3储量重量计算结果,表6为实验4储量重量计算结果。
表1
表2
由表3至表6可以看出,4次实验的总预测误差为50.54。采用本发明所建立的基于指数关系估计的检测模型具有理想的建模精度和预测精度,即本发明给出的检测方法具有精度高的特点。
检测实例2
该检测实例采用洪泽和齐河的3个粮仓,储粮种类为小麦和稻谷,储粮重量分别为2455.6吨、2009.98吨和2100吨。采用和检测实例1不同的传感器,经检测获得检测样本501个。选取297个作为建模样本,其它作为测试样本。根据式(8)所建模型参数如表7和表8所示,重量预测结果如图3和图4所示,其中图3为采用建模样本进行重量预测的误差示意图,图4为采用所有样本进行重量预测的误差示意图,从图3和图4可以看出,所有检测点的预测误差均小于1%,可以满足粮仓储粮重量检测的要求,这也证明了所提出的式(8)检测模型和建模方法的有效性。
表7
表8
具体的,本发明所提出的基于指数关系估计的粮仓重量检测方法及装置可按图5所示实施方式实施,具体步骤实施如下:
(1)***配置
选定具体压力传感器,并配置相应的数据采集、数据传输等***。
(2)底面压力传感器安装
平房仓传感器布置如图1所示,筒仓如图2所示,底面压力传感器按外圈和内圈两圈布置,外圈压力传感器均与侧面墙距离为d>0且d<1米,内圈传感器均与侧面墙距离D>2米。两圈传感器个数均为6-10,传感器间距应不小于1m。
(3)模型参数标定
对于给定的传感器、粮食种类以及仓型,如果模型参数尚未有标定,则在多于6个粮仓中布置压力传感器,进粮至满仓,压力传感器输出值稳定后,采集各仓的压力传感器输出值,形成样本集其中i为样本点号,i=1,2,3,...,M,M为样本个数;分别为第i个样本点的和值;Wi为样本点i的实际进粮重量,为相应的粮仓面积。将样本集S分为两个部分,优化与多元回归样本集SM和测试样本ST。根据优化与多元回归样本集SM,利用优化算法,利用式(9)至式(13)所示的优化模型优化参数KP、KB和KF。根据优化与多元回归样本集SM,利用回归方法确定式(8)中的回归参数ai,i=0,1,2,3,从而构造出式(8)所示的粮仓重量检测模型。
(4)实仓重量检测。
如果模型参数已标定,检测底面压力传感器输出并利用式(8)所示模型进行粮仓储粮数量检测。
以上给出了具体的实施方式,但本发明不局限于所描述的实施方式,本发明的基本思路在于基本的建模和标定方案,对本领域普通技术人员而言,根据本发明的教导,设计出各种变形的模型、公式、参数并不需要花费创造性劳动,在不脱离本发明的原理和精神的情况下对实施方式进行的变化、修改、替换和变型仍落在本发明的保护范围内。
Claims (10)
1.一种基于指数关系估计的粮仓重量检测方法,其特征在于,该检测方法包括以下步骤:
1)在粮仓底面上布置两组压力传感器,一组为内圈传感器,一组为外圈传感器,外圈传感器靠近侧面墙间隔布置,内圈传感器距离侧面墙设定距离且间隔布置;
2)依据步骤1)中传感器的布置方式,建立基于指数关系估计的粮仓重量检测模型:
其中AB为粮堆底面面积,CB为底面周长,KB、KF为参数,ai为模型系数,i=0,1,2,3,为内圈传感器输出均值,为外圈传感器输出均值,
3)检测步骤1)中各传感器的输出值,依据步骤2)中的检测模型计算被检测粮仓重量的估计值
2.根据权利要求1所述的基于指数关系估计的粮仓重量检测方法,其特征在于,所述步骤2)粮仓重量检测模型中各参数的标定如下:
A.在多于6个粮仓中按照步骤1)的方式布置压力传感器,进粮至满仓,待压力传感器输出值稳定后,采集各仓的压力传感器输出值,形成样本集其中i为样本点号,i=1,2,3,...,M,M为样本个数,分别为第i个样本点的和值;Wi为样本点i的实际进粮重量,为相应的粮仓面积;
B.将样本集S分为两个部分,优化与多元回归样本集SM和测试样本ST;
C.给定参数KP、KB和KF,利用优化与多元回归样本集SM通过多元回归方式计算参数ai;
D.对KP、KB和KF采用百分比误差模型进行优化计算,所采用的百分比误差模型为:
约束条件:KP>0
KB>0
KF>0
其中,为样本点i的粮堆重量预测值。
3.根据权利要求2所述的基于指数关系估计的粮仓重量检测方法,其特征在于,所述的检测模型是在粮仓重量理论检测模型的基础上得到的,粮仓重量理论检测模型为:
其中,为粮堆重量估计,AB为粮堆底面面积,CB为底面周长, QB(s)、QF(s)分别为粮堆底面和侧面中s点的压强,为粮堆远高于一定高度时的底面压强饱和值。
4.根据权利要求3所述的基于指数关系估计的粮仓重量检测方法,其特征在于,所述底面压强均值与内圈传感器输出值均值具有近似指数关系,同样侧面压强均值与外圈传感器输出值均值也具有近似关系,即
其中bB0、bB1、bF0和bF1分别为估计项的系数。
5.根据权利要求1所述的基于指数关系估计的粮仓重量检测方法,其特征在于,所述外圈传感器距离侧面墙距离d大于0小于1米,内圈传感器距离侧面墙距离D大于2米。
6.一种基于指数关系估计的粮仓重量检测装置,其特征在于,该检测装置包括检测单元以及与检测单元连接且设置在粮仓底面的压力传感器,所述压力传感器分两组布置,一组为内圈传感器,一组为外圈传感器,外圈传感器靠近粮仓侧面墙间隔布置,内圈传感器距离粮仓侧面墙设定距离且间隔布置,所述检测单元中执行有一个或多个模块,所述一个或多个模块用于执行以下步骤:
1)建立基于指数关系估计的粮仓重量检测模型:
其中AB为粮堆底面面积,CB为底面周长,KB、KF为参数,ai为模型系数,i=0,1,2,3,为内圈传感器输出均值,为外圈传感器输出均值,
2)检测中各传感器的输出值,依据步骤1)中的检测模型计算被检测粮仓重量的估计值
7.根据权利要求6所述的基于指数关系估计的粮仓重量检测装置,其特征在于,所述基于指数关系估计的粮仓重量检测模型中各参数的标定如下:
A.在多于6个粮仓中按照步骤1)的方式布置压力传感器,进粮至满仓,待压力传感器输出值稳定后,采集各仓的压力传感器输出值,形成样本集其中i为样本点号,i=1,2,3,...,M,M为样本个数,分别为第i个样本点的和值;Wi为样本点i的实际进粮重量,为相应的粮仓面积;
B.将样本集S分为两个部分,优化与多元回归样本集SM和测试样本ST;
C.给定参数KP、KB和KF,利用优化与多元回归样本集SM通过多元回归方式计算参数ai;
D.对KP、KB和KF采用百分比误差模型进行优化计算,所采用的百分比误差模型为:
约束条件:KP>0
KB>0
KF>0
其中,为样本点i的粮堆重量预测值。
8.根据权利要求7所述的基于指数关系估计的粮仓重量检测装置,其特征在于,所述检测模型是在粮仓重量理论检测模型的基础上得到的,粮仓重量理论检测模型为:
其中,为粮堆重量估计,AB为粮堆底面面积,CB为底面周长, QB(s)、QF(s)分别为粮堆底面和侧面中s点的压强,为粮堆远高于一定高度时的底面压强饱和值。
9.根据权利要求8所述的基于指数关系估计的粮仓重量检测装置,其特征在于,所述底面压强均值与内圈传感器输出值均值具有近似指数关系,同样侧面压强均值与外圈传感器输出值均值也具有近似关系,即
其中bB0、bB1、bF0和bF1分别为估计项的系数。
10.根据权利要求6所述的基于指数关系估计的粮仓重量检测装置,其特征在于,所述外圈传感器距离侧面墙距离d大于0小于1米,内圈传感器距离侧面墙距离D大于2米。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510769517.1A CN105352571B (zh) | 2015-11-11 | 2015-11-11 | 一种基于指数关系估计的粮仓重量检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510769517.1A CN105352571B (zh) | 2015-11-11 | 2015-11-11 | 一种基于指数关系估计的粮仓重量检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105352571A true CN105352571A (zh) | 2016-02-24 |
CN105352571B CN105352571B (zh) | 2018-08-03 |
Family
ID=55328581
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510769517.1A Active CN105352571B (zh) | 2015-11-11 | 2015-11-11 | 一种基于指数关系估计的粮仓重量检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105352571B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110823344A (zh) * | 2018-08-10 | 2020-02-21 | 河南工业大学 | 基于底面两圈标准差svm对数模型的粮仓检测方法及*** |
CN110823346A (zh) * | 2018-08-10 | 2020-02-21 | 河南工业大学 | 基于底面单圈标准差指数模型的粮仓检测方法及*** |
CN110823340A (zh) * | 2018-08-10 | 2020-02-21 | 河南工业大学 | 基于底面两圈标准差多项式模型的粮仓检测方法及*** |
CN111999200A (zh) * | 2020-07-23 | 2020-11-27 | 安庆常润米业股份有限公司 | 一种基于重量核实的粮食管理方法和装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11101682A (ja) * | 1997-09-26 | 1999-04-13 | Iseki & Co Ltd | 穀粒貯留サイロの穀粒量管理装置 |
CN101907481A (zh) * | 2010-07-29 | 2010-12-08 | 河南工业大学 | 基于压力传感器的粮仓储粮数量检测方法 |
CN102706417A (zh) * | 2012-05-14 | 2012-10-03 | 河南工业大学 | 平房仓浅圆仓储粮数量检测方法 |
CN104296847A (zh) * | 2014-04-03 | 2015-01-21 | 河南工业大学 | 一种粮仓、储粮重量检测***、方法及传感器布置方法 |
CN104330137A (zh) * | 2014-08-14 | 2015-02-04 | 河南工业大学 | 基于检测点压强值序列的粮仓储粮数量检测方法 |
CN104331591A (zh) * | 2014-08-14 | 2015-02-04 | 河南工业大学 | 基于支持向量回归的粮仓储粮数量检测方法 |
CN104330138A (zh) * | 2014-08-14 | 2015-02-04 | 河南工业大学 | 基于结构自适应检测模型的粮仓储粮数量检测方法 |
-
2015
- 2015-11-11 CN CN201510769517.1A patent/CN105352571B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11101682A (ja) * | 1997-09-26 | 1999-04-13 | Iseki & Co Ltd | 穀粒貯留サイロの穀粒量管理装置 |
CN101907481A (zh) * | 2010-07-29 | 2010-12-08 | 河南工业大学 | 基于压力传感器的粮仓储粮数量检测方法 |
CN102706417A (zh) * | 2012-05-14 | 2012-10-03 | 河南工业大学 | 平房仓浅圆仓储粮数量检测方法 |
CN104296847A (zh) * | 2014-04-03 | 2015-01-21 | 河南工业大学 | 一种粮仓、储粮重量检测***、方法及传感器布置方法 |
CN104330137A (zh) * | 2014-08-14 | 2015-02-04 | 河南工业大学 | 基于检测点压强值序列的粮仓储粮数量检测方法 |
CN104331591A (zh) * | 2014-08-14 | 2015-02-04 | 河南工业大学 | 基于支持向量回归的粮仓储粮数量检测方法 |
CN104330138A (zh) * | 2014-08-14 | 2015-02-04 | 河南工业大学 | 基于结构自适应检测模型的粮仓储粮数量检测方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110823344A (zh) * | 2018-08-10 | 2020-02-21 | 河南工业大学 | 基于底面两圈标准差svm对数模型的粮仓检测方法及*** |
CN110823346A (zh) * | 2018-08-10 | 2020-02-21 | 河南工业大学 | 基于底面单圈标准差指数模型的粮仓检测方法及*** |
CN110823340A (zh) * | 2018-08-10 | 2020-02-21 | 河南工业大学 | 基于底面两圈标准差多项式模型的粮仓检测方法及*** |
CN110823344B (zh) * | 2018-08-10 | 2021-04-09 | 河南工业大学 | 基于底面两圈标准差svm对数模型的粮仓检测方法及*** |
CN110823346B (zh) * | 2018-08-10 | 2021-05-18 | 河南工业大学 | 基于底面单圈标准差指数模型的粮仓检测方法及*** |
CN111999200A (zh) * | 2020-07-23 | 2020-11-27 | 安庆常润米业股份有限公司 | 一种基于重量核实的粮食管理方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105352571B (zh) | 2018-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105387913A (zh) | 基于指数关系和支持向量回归的粮仓重量检测方法及装置 | |
CN104331591A (zh) | 基于支持向量回归的粮仓储粮数量检测方法 | |
CN105424147B (zh) | 基于粮堆高度与底面压强关系的粮仓重量检测方法及装置 | |
CN104330137A (zh) | 基于检测点压强值序列的粮仓储粮数量检测方法 | |
CN104296847A (zh) | 一种粮仓、储粮重量检测***、方法及传感器布置方法 | |
CN104330138B (zh) | 基于结构自适应检测模型的粮仓储粮数量检测方法 | |
CN102706417B (zh) | 平房仓浅圆仓储粮数量检测方法 | |
CN105387919A (zh) | 一种基于Janssen模型的支持向量回归粮仓重量检测方法及装置 | |
CN105352571A (zh) | 一种基于指数关系估计的粮仓重量检测方法及装置 | |
CN105424148A (zh) | 基于多项式的支持向量回归粮仓储粮重量检测方法及装置 | |
CN102506983A (zh) | 汽车衡称重误差自动补偿方法 | |
CN105403294A (zh) | 基于多项式展开的粮仓储粮重量检测方法及其装置 | |
CA2798525A1 (en) | Load-measuring, fleet asset tracking and data management system for load-lifting vehicles | |
CN103207138A (zh) | 一种动态围压下联合测定致密岩石渗透率和孔隙度的方法 | |
CN101858811A (zh) | 高精度压力传感器信号补偿方法 | |
CN102759546A (zh) | 基于无线射频识别的在线检测粮食水分含量的装置及方法 | |
CN204881791U (zh) | 用于汽车油罐车油品交换的容量检定装置 | |
CN106017625A (zh) | 粮仓储粮数量的检测方法及压力传感器 | |
CN104296845B (zh) | 基于最佳底面压强测量点的粮仓储粮重量检测方法与装置 | |
CN101598579A (zh) | 一种测试标定危化品运输监控设备的***和方法 | |
CN207881765U (zh) | 一种油罐车多参数测量*** | |
CN201440077U (zh) | 一种危化品运输监控设备的检测标定装置 | |
CN104296846B (zh) | 粮仓及其基于最佳底面压强测量点的储粮重量检测*** | |
CN105090084B (zh) | 风机在线监测***及其监测方法 | |
CN102419593B (zh) | 基于数据挖掘的传感器故障诊断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |