理想的建模精度和预测精度。通过比较表6和表12所示的测试样本重量计算结果可 W看出，通过引入盈(S/,,,,。)和盈项最大阶数选择样本集S。，可W显著提高模型的预测 能力。
[0109] 检测实例2
[0110] 选取通州粮库的5个粮仓作为实验样本，储粮种类为玉米和稻谷，储粮重量分别 为4145吨、7539吨、7959吨、7500吨和6351吨。经过长时间检测，获得检测样本3290个。 选取703个作为建模样本，其中，463个作为多元回归样本Sm，240个作为盈的和盈赵 项最大阶数选择样本S。，其它作为测试样本St。根据本发明所示的基于多项式展开的粮仓 重量检测模型，所建模型参数如表13至表14所示，重量预测结果如图3和图4所示
[0111] 表13最佳最大阶数窗巧口诚
[0112]
[011引表14模型系数3β(m)和ap(η,m)
[0114]
[011引从图3和图4可w得出，所有检测点的预测误差均小于2%，通过本次实验证明通 过本发明所建立的模型可W满足粮仓储粮重量检测的要求。
[011引检测实例3
[0117] 选取洪泽和齐河的3个粮仓作为实验样本，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。采用和通州粮库不同的传感器，经检测获得检测样 本501个。选取297个作为建模样本，其中，197个作为多元回归样本Sm，100个作为盈 和盈(s〇",w)项最大阶数选择样本S。，其它作为测试样本St。所建模型参数如表15至表16所 示，重量预测结果如图5和图6所示：
[011引表15最佳最大阶数.班巧口城[0119]
[0120] 表 16 模型系数 3β(m)和ap(η,m)
[0121]
[0122] 从图5和图6可W得出，由于采用新型的传感器，所有检测点的预测误差均小于 0.2%，可W满足粮仓储粮重量检测的要求，运也证明了本发明所提出粮仓储粮重量检测模 型的有效性。
[0123] 在本发明给出的思路下，采用对本领域技术人员而言容易想到的方式对上述实施 例中的技术手段进行变换、替换、修改，并且起到的作用与本发明中的相应技术手段基本相 同、实现的发明目的也基本相同，运样形成的技术方案是对上述实施例进行微调形成的，运 种技术方案仍落入本发明的保护范围内。
【主权项】
1. 基于多项式展开的粮仓储粮重量检测方法，其特征在于，步骤如下： 步骤1，在粮仓底面上分别布置一组内圈压力传感器和一组外圈压力传感器；外圈压 力传感器靠近侧面墙间隔布置，内圈压力传感器均距离侧面墙设定距离且间隔布置；内圈 压力传感器与侧面墙距离为D，外圈压力传感器与侧面墙距离为d; 步骤2,依据粮仓储粮重量的理论检测模型，建立基于多项式展开的粮仓储粮重量检测 模型为：其中，运咕,,,,，）为内圈传感器压力的输出均值，即为粮仓底面压强估计值；窃咕为外 圈传感器压力的输出均值，即为粮仓侧面压强估计值；Ab为粮堆底面面积；aB(m)、ap(η,m) 为估计项的系数；Νβ、Νρ分别为贫咕爲知。gj多项式的最大阶数；Cb为粮仓 .4员. 底面周长；m=0,…，Nb，η=1,…，Nf; 步骤3,将内圈和外圈压力传感器采集的数据，代入到所建立的粮仓储粮重量检测模 型，求解出所述粮仓的储粮重量。2. 根据权利要求1所述的基于多项式展开的粮仓储粮重量检测方法，其特征在于，步 骤1中所述的粮仓储粮重量的理论检测模型为：其中，Ae为粮堆底面面积；Qe(s)、Qp(s)分别为粮堆底面和侧面中点S处的压强；&，W为粮堆远高于特征高度时的底面压强饱和值；K为压力转 向系数。3. 根据权利要求1所述基于多项式展开的粮仓储粮重量检测方法，其特征在于，所述 步骤2中对粮仓储粮重量检测模型中参数aB(m)、3ρ(η,m)、Nb和Nf是依据如下方式确定的： 采集所述粮仓中的内圈和外圈的压力传感器输出值，作为给定的样本集，结合回归方法确 定参数ae(m)和aF(n，m)，优化免柄,:J、远咕)多项式的最大阶数Nb和NF。4. 根据权利要求3所述的基于多项式展开的粮仓储粮重量检测方法，其特征在于，所 述给定的样本集为及={盈的,,"。.，〇.盈(心,。.，〇,巧/4!;其中，i为样本点号，i= 1，2,3,...，M， Μ为样本个数；盈树。w，m，盈(响^,.，〇分别为第i个样本点的函杉/胃,.)和盈值; 为样本点i的实际进粮重量；为相应的粮仓面积；所述的样本集分为Ξ部分：多元回归 样本Sm、盈巧日最(增胃)项最大阶数选择样本SdW及测试样本ST。5. 根据权利要求4所述的基于多项式展开的粮仓储粮重量检测方法，其特征在于，步 骤3中通过利用多元回归样本Sm，结合回归方法确定参数aB(m)和ap(n，m);根据最大阶数 选择样本集S。和多元回归样本SΜ的预测误差E(Ne，啡)，进而优化狂咕、揉(％,,。）多项式 的最大阶数Nb和NP，表达式如下：其中，Wi为样本点i的实际进粮重量；麟为样本点i的粮堆重量预测值； 设定Nb选择范围[LMaxNe] ;Nf选择范围[LMaxNp];Ma曲B和MaxNp取值范围为4-10; 则(Λζ，)为最优的最大阶数Nb和NP。6. 基于多项式展开的粮仓储粮重量检测装置，其特征在于，该装置包括：压力传感器 和检测单元，其中，在粮仓底面上分别布置一组内圈压力传感器和一组外圈压力传感器，检 测单元与压力传感器单元的输出连接，检测单元中执行有一个或多个模块，所述模块用于 执行W下步骤： 1) 依据粮仓储粮重量的理论检测模型，建立基于多项式展开的粮仓储粮重量检测模型 为：其中，島b,.?,)为内圈传感器压力的输出均值，即为粮仓底面压强估计值；远)为外 圈传感器压力的输出均值，即为粮仓侧面压强估计值；Ab为粮堆底面面积；aB(m)、ap(η,m) 为估计项的系数；Νβ、Νρ分别为远咕、远)多项式的最大阶数；= ，Cb为粮仓 A駐. 底面周长；m=0,…，Nb，η=1，…，Nf; 2) 将压力传感器采集的数据，代入到所建立的粮仓储粮重量检测模型，求解出所述粮 仓的储粮重量。7. 根据权利要求6所述的基于多项式展开的粮仓储粮重量检测装置，其特征在于，所 述的外圈压力传感器靠近侧面墙间隔布置，所述的内圈压力传感器均距离侧面墙设定距离 且间隔布置；内圈压力传感器与侧面墙距离为D，外圈压力传感器与侧面墙距离为d。8. 根据权利要求6所述的基于多项式展开的粮仓储粮重量检测装置，其特征在于，所 述的粮仓储粮重量的理论检测模型为：其中，Ae为粮堆底面面积；Qe(s)、Qp(s)分别为粮堆底面和侧面中点S处的压强；W为粮堆远高于特征高度时的底面压强饱和值；K为压力转 向系数。9. 根据权利要求7所述基于多项式展开的粮仓储粮重量检测装置，其特征在于，所述 的粮仓储粮重量检测模型中参数aB(m)、3ρ(η,m)、Nb和NF是依据如下方式确定的：采集所 述粮仓中的内圈和外圈的压力传感器输出值，作为给定的样本集，结合回归方法确定参数 3β(m)和ap(η,m)，并优化島咕"。.）、島(w)多项式的最大阶数Nb和NF。10.根据权利要求9所述的基于多项式展开的粮仓储粮重量检测装置，其特征在于，所 述给定的样本集为5 =面(叫胃,，0瓦柄,,。.，0，*^4|;其中，1为样本点号，1= 1，2,3，...，1， Μ为样本个数；蚕(S插,。.，/))，盈斬wer:，。分别为第i个样本点的盈(如胃)和盈(如,。.)值；Wi为样本点i的实际进粮重量；为相应的粮仓面积；所述的样本集分为Ξ部分：多元回归 样本Sm、函咕?。.}和免柄。,。.)项最大阶数选择样本SdW及测试样本ST; 通过利用多元回归样本Sm，结合回归方法确定参数aB(m)和ap(n，m);根据最大阶数选 择样本集S。和多元回归样本SΜ的预测误差E (NB，啡)，优化拓的狂心。）多项式的最大 阶数Νβ和Νρ，表达式如下：其中，Wi为样本点i的实际进粮重量；为样本点i的粮堆重量预测值； 设定Nb选择范围[LMaxNe] ;Nf选择范围[LMaxNp];Ma曲B和MaxNp取值范围为4-10; 则为最优的最大阶数Nb和NP。
【专利摘要】本发明涉及基于多项式展开的粮仓储粮重量检测方法及其装置。依据粮仓储粮重量的理论检测模型，建立基于多项式展开的粮仓储粮重量检测模型，通过选取给定的样本集，利用基于回归和多项式最大阶数选择样本集的多项式最大阶数优化方法对模型参数进行优化。将所测的粮仓底面压力数据代入到所建立的粮仓储粮重量检测模型，得到粮仓储粮重量。本发明不仅提高储粮重量的检测精确度，还具有较强适应性和鲁棒性。
【IPC分类】G01G17/04
【公开号】CN105403294
【申请号】CN201510767776
【发明人】张德贤, 张苗, 郭小波, 刘灿, 张庆辉, 张建华, 司海芳, 王高平, 樊超, 邓淼磊, 李磊, 王贵财, 金广锋, 费选, 刘娇玲, 程尚坤, 梁慧丹, 杨铁军, 张元
【申请人】河南工业大学
【公开日】2016年3月16日
【申请日】2015年11月11日