本发明涉及工程机械领域，具体而言，涉及一种基于振动的轮式装载机载重量测量方法。
背景技术：
装载机是广泛应用于公路、铁路、建筑、水电、港口、矿山等工程建设的机械，以其作业速度快、效率高、机动性好、操作轻便等优点，成为工程建设中土石方施工的重要机种。装载机的主要工作是铲掘物料并将物料倾泻到运输车辆中，当装载机装载了过多的物料，在复杂的工况条件下加大了侧倾翻的可能。同时，容易导致运输车辆超载，降低运输车辆的使用年限，更会导致道路监管方面的处罚。当装载机装的物料过少时，无法充分发挥装载机的性能，降低了工作效率。同时，增加了运输的次数从而导致生产成本增加，不利于提高经济效益。为了避免以上的情况，在实际工程应用中，需要能获取装载机的载重量。
现有的装载机载重量方式主要是测量油缸压力测重。采用测量动臂液压缸输出压力测载重的方式需要在液压缸进油口和出油口安装油压模块，通过计算进油口和出油口的压力差来获得动臂对油缸施加的压力，最后换算成装载机的载重量。这种方式需要改造动臂缸的结构，安装不方便，且会直接破坏装载机机构的完整性和降低装载机的灵活性。
技术实现要素：
本发明提供了一种基于振动的轮式装载机载重量测量方法，旨在解决如何在不改造动臂缸的情况下，保留装载机的灵活性的问题。
本发明是这样实现的：
一种基于振动的轮式装载机载重量测量方法，所述测量方法包括：
将装载机设置为怠速状态，且铲斗置于标准位置，，获取一定时间内铲斗质心、前轴中心以及铲斗质心相对前轴中心的对称点的加速度；
根据运动的合成原理，计算一定时间内铲斗绕动臂缸和动臂的铰接点的加速度；
对一定时间内铲斗绕动臂缸与动臂的铰接点的加速度曲线进行psd变换得到功率谱密度曲线；
探求功率谱密度曲线的峰值与装载机载重量的关系，并基于二者的关系建立神经网络；
将一定时间内铲斗绕动臂缸与动臂的铰接点的加速度曲线变换所得的功率谱密度曲线的峰值输入神经网络，计算得到装载机的载重量。
进一步地，在本发明较佳的实施例中，所述探求功率谱密度曲线的峰值与装载机载重量的关系，包括：
通过对一定时间内铲斗绕动臂缸与动臂的铰接点的加速度曲线进行psd变换，获得对应的功率谱密度曲线，得出功率谱密度曲线的峰值与装载机载重量之间存在近似线性关系；
基于adams建立装载机虚拟样机模型，设定虚拟样机的参数并进行仿真实验，验证功率谱密度曲线的峰值与装载机载重量之间的关系。
进一步地，在本发明较佳的实施例中，所述将功率谱密度曲线的峰值输入神经网络，计算得到装载机的载重量，包括：
通过系统采集的训练样本，训练神经网络；
将计算得到的功率谱密度曲线的峰值输入至训练之后的神经网络，计算得到装载机的载重量。
进一步地，在本发明较佳的实施例中，所述铲斗质心、前轴中心以及铲斗质心相对前轴中心的对称点分别安装有加速度计。
进一步地，在本发明较佳的实施例中，所述绕动臂缸和动臂的铰接点的加速度的表达式为：
aa为铲斗质心沿切向的合加速度；ab为前轴中心的加速度；ac为铲斗质心相对前轴中心的对称点沿切向的合加速度；
ao＝c·[(aa-ab)-(ab-ac)]；
c为常数。
本发明的有益效果是：本发明提供的测量方法，包括：获取铲斗质心、前轴中心以及铲斗质心相对前轴中心的对称点的加速度；进而计算铲斗绕动臂缸和动臂的铰接点的加速度；对一定时间内铲斗绕动臂缸与动臂的铰接点的加速度曲线进行psd变换得到功率谱密度曲线；基于功率谱密度曲线的峰值与装载机载重量的关系建立神经网络；通过该神经网络，计算得到装载机的载重量。本发明只需获取三个点的加速度，无需对装载机的动臂缸及其结构做改造，保留了装载机结构的完整性与灵活性，具有安装简单、拆卸方便的优点。通过神经网络能够计算得到装载机的载重量，能够适用各种型号的装载机或者车辆，具有通用性强的优点。
附图说明
为了更清楚地说明本发明实施方式的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本发明实施例，加速度计安装位置图；
图2是本发明实施例，测量系统的方框图；
图3是不同胎压下，功率谱密度曲线的峰值(×106(mm2/hz*s4))和装载机载重量(n)的关系图；
图4是本发明实施例，加速度分解与合成示意图。
图标：1-加速度计；2-装载机；3-动臂缸和动臂的铰接点；a-铲斗质心；b-前轴中心；c-对称点。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。因此，以下对本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
本发明的方法原理为：装载机2的摆杆、动臂、连杆等构件并非刚体，而是具有一定弹性的柔性体。其中，动臂的形状较为狭长，承担支撑铲斗的主要作用，其他构件的作用影响则较小。因此，本发明应用动臂柔性的影响。
由于动臂柔性的影响，装载机2铲斗会绕着动臂支承点振动，振动的特性受到装载机2载重量的影响。因此，通过加速度计2获得铲斗质心a、前轴中心b以及铲斗质心a相对前轴中心b的对称点c三点的振动(即加速度)；然后计算得铲斗因动臂柔性影响产生的绕动臂缸和动臂铰接点的振动，经过一定处理后，作为神经网络的输入数据，计算得到装载机2的载重量。
一种基于振动的轮式装载机载重量测量方法，包括：
(1)将装载机2设置为怠速状态，且铲斗置于标准位置，获取一定时间内铲斗质心a、前轴中心b以及铲斗质心a相对前轴中心b的对称点c的加速度。
具体的，首先需要准备装载机2或者其它车辆，并在装载机2或者其它车辆上设置位置传感器。在装载机2铲掘物料后，使得装载机2的铲斗运动至标准位置。
装载机2在铲斗质心a、前轴中心b以及铲斗质心a相对前轴中心b的对称点c的三个点上设置加速度计1，其中加速度计1指能够检测加速度的仪表。然后将装载机2置于怠速状态，通过加速度计1获得上述三点的加速度。测量系统包括数据存储、通讯以及显示的模块，能够将采集到的加速度数据，进行信号放大、整形滤波、模数转换等预处理以及做其他的处理。
(2)根据运动的合成原理，计算一定时间内铲斗绕动臂缸和动臂的铰接点3的加速度，并形成相应的加速度曲线。
具体分析：装载机2铲掘物料后，整车质心向前偏移，前轮受压而弹起，车身绕前轴转动，所以前轴以外的某位置点的运动由绕前轴的转动和上下的运动合成。其中：
铲斗质心a的切向加速度at1表示为：
dθ表示任一时刻车体绕前轴转动的单位角度；α表示绕前轴中心b转动的角加速度；r表示铲斗质心a绕前轴中心b转动的半径；at2表示铲斗质心a相对前轴中心b的对称点c的切向加速度；
进一步，铲斗质心a的沿切向的合加速度aa表示为：
前轴中心b的合加速度表示为：
ab＝an；
铲斗质心a相对前轴中心b的对称点c沿切向的合加速度表示为：
ac＝at2+cosβ·an；
进一步：
ab-ac＝-at2+(1-cosβ)·an≈-at2；
绕动臂缸和动臂的铰接点3的加速度的表达式为：
式中，ao表示铲斗绕动臂与动臂缸的铰接点的加速度；
ao＝c·[(aa-ab)-(ab-ac)]；
c为常数。
(3)对一定时间内铲斗绕动臂缸与动臂的铰接点的加速度曲线进行psd变换得到功率谱密度曲线。
铲斗绕动臂缸与动臂的铰接点的加速度和装载机2的载质量存在一定的关系，需要探求绕动臂缸与动臂的铰接点的加速度本身或者经过处理后的数值与装载机2的载质量之间的关系。通过将一定时间内铲斗绕动臂缸与动臂的铰接点的加速度曲线进行psd变换得到功率谱密度曲线。
(4)探求功率谱密度曲线的峰值与装载机2载重量的关系，并基于二者的关系建立神经网络。
通过对一定时间内铲斗绕动臂缸与动臂的铰接点的加速度曲线进行psd变换，获得对应的功率谱密度曲线，得出功率谱密度曲线的峰值与装载机2载重量之间存在近似线性关系；
基于adams建立装载机2虚拟样机模型，设定虚拟样机的参数并进行仿真实验，得到了不同胎压下功率谱密度曲线的峰值和装载机2载重量(n)的关系，验证功率谱密度曲线的峰值与装载机2载重量之间的关系。
除了装载机2的载重量，装载机2的轮胎胎压等其他因素也会影响装载机2的振动，从而影响功率谱密度曲线的峰值。因此，经过相应的仿真实验证明轮胎胎压对功率谱密度曲线的峰值的影响较小。
在该步骤中，通过事先获得的铲斗绕动臂缸与动臂的铰接点的加速度与装载机2的载重量的大量数据样本，进行探求功率谱密度曲线的峰值与装载机2的载重量的关系。
为了充分考虑实际情况下各种因素带来的非线性和不确定性，本发明方法选择采用神经网络建立功率谱密度曲线的峰值和装载机2载重量之间的非线性、含不确定因素的关系，最终实现通过神经网络计算装载机2的载重量。
(4)将一定时间内绕动臂缸与动臂的铰接点3的加速度曲线变换所得的功率谱密度曲线的峰值输入神经网络，计算得到装载机2的载重量。
具体的，通过系统采集足够的训练样本，训练神经网络；然后将计算得到的功率谱密度曲线的峰值输入至训练之后的神经网络，计算得到装载机2的载重量。
以上所述仅为本发明的优选实施方式而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。