题目：装载机载重动态测量关键技术及实验研究

装载机在国民经济建设的众多领域都有着广泛的应用，实现装载机载重动态自动测量具有十分重要的现实意义。国内研究一直落后于美、日、欧等西方发达国家，而国外产品高昂的价格和测量结果的不稳定性为在国产装载机上的应用增添了困难，也不利于提高我国的装备技术水平。本课题致力于对实现装载机载重动态测量的几个关键技术进行研究，并开发适合任意机型装载机的普适性高精度智能型载重动态测量仪表，使我国在此方面的研究处于国际前沿，从而推动装载机甚或整个工程机械行业的发展。 首先针对已有模型的不足，对影响装载机载重测量精度的关键因素——动臂举升角加速度和速度以及偏载问题进行分析，分别给出其计算方法和对载重测量的影响规律，建立起较为完善的动力学模型；然后根据装载机作业工况的实际，给出载重测量的实现方案，并基于此给出一种可有效忽略动臂举升角加速度影响的区段测量方法，同时针对采用该方法所测结果的不稳定性问题，进行了如下工作： 针对实施装载机载重动态测量时实测的液压信号，是包含噪声、振动、液压冲击等干扰的、具有快速动态响应特性的非平稳性、非线性信号的特点，在分析对比傅立叶分析及常用时频分析方法的特点及存在的问题后，引入经验模分解(简称EMD)方法对该信号进行处理，并通过仿真分析验证了其有效性和适用性。 同时，装载机工作装置这个多铰链机构，因举升状况和载荷等的不同摩擦力大小具有随机性，使所测非线性信号随动臂举升速度所呈现的规律性的平移特性丧失；而且，由于动臂举升行程有限，又采用区段测量法，这样在进行速度的补偿时，可分辨的有效速度数目也就有限，即速度补偿问题是一个非线性小样本回归估计问题。针对该问题，在比较分析BP、RBF 网络以及最小二乘支持向量机(简称LS-SVM)的非线性回归性能基础上，并考虑到LS-SVM 的参数优化问题，选择贝叶斯证据框架下的LS-SVM 作为实现速度补偿的非线性建模方法，建立了速度补偿的框架模型，并与分段线性补偿方法的效果进行对比，验证了该方法的有效性。 针对实现装载机高精度载重动态测量问题的复杂性，采用单一技术已难以奏效这一问题，需要一种对噪声信号和输入变化不敏感，能自适应的处理数据，并能用来解决时变、非线性问题的解决方法。基于此，建立了以EMD 方法作为实测信号的前端处理应用；以贝叶斯证据框架下的LS-SVM 作为载重测量速度补偿的训练学习机；并以基于机理模型所给出的区段测量法为模型框架的装载机高精度载重动态测量混合建模方法。 然后进行装载机载重动态测量系统的实现，基于嵌入式系统具有方便裁减和软硬件设计的层次化思路，采用嵌入式设计方法进行系统的实现。在硬件方面，建立了基于ARM嵌入式微处理器HMS30C7202 和24 位高精度A/D 转换器AD7730 的硬件平台；软件方面，在任务划分完成后进行了以校秤和称重功能为核心的应用程序设计，同时编制了基于MiniGUI 的用户友好界面。最后，对所研制系统的可推广应用问题进行了探讨。 最后，对论文各项研究成果和系统的整体性能进行试验验证，并给出相关的误差分析。试验结果表明，载重动态测量误差可控制到1%以下，性能稳定可靠，可以作为作业现场计量仪表使用，验证了本文理论方法和关键技术的正确性。