[发明专利]一种物料的称重测量方法、装置及称重测量系统

权利要求书

1.一种物料的称重测量方法，其特征在于，包括：

获得称重传感器输出的重量信号，其中，所述重量信号是称重传感器根据采集的物料的重量信息及预先存储的重量信息与重量信号之间的输入-输出映射关系获得；

根据输入的重量信号及预先存储的重量信息与重量信号之间的输入-输出映射关系的逆向映射关系，输出所述物料的称重结果信息。

2.如权利要求1所述的称重测量方法，其特征在于，所述预先存储的重量信息与重量信号之间的输入-输出映射关系的逆向映射关系，根据重量信息与重量信号之间的输入-输出映射关系和智能控制算法获得。

3.如权利要求2所述的称重测量方法，其特征在于，所述智能控制算法为神经网络的智能控制算法、模糊控制算法、专家控制算法或学习控制算法。

4.如权利要求3所述的称重测量方法，其特征在于，所述神经网络的智能控制算法为三层前馈神经网络的智能控制算法。

5.如权利要求4所述的称重测量方法，其特征在于，所述根据重量信息与重量信号之间的输入-输出映射关系和智能控制算法获得所述重量信息与重量信号之间的输入-输出映射关系的逆向映射关系，包括：

通过三层前馈神经网络的智能控制算法逼近重量信息与重量信号之间的输入-输出映射关系的逆向映射关系，并利用自学习控制的在线学习算法，对三层前馈神经网络的权值和阈值进行优化。

6.如权利要求5所述的称重测量方法，其特征在于，所述通过三层前馈神经网络的智能控制算法逼近重量信息与重量信号之间的输入-输出映射关系的逆向映射关系，并利用自学习控制的在线学习算法，对三层前馈神经网络的权值和阈值进行优化，具体包括：

从重量信息与重量信号之间的输入-输出映射关系中提取重量信号样本点作为输入样本点，提取重量信息样本点作为输出样本点；

构建三层前馈神经网络模型，设置模型隐层节点，通过Matlab语言进行编程，获得三层前馈神经网络系统，通过输入样本点和输出样本点对所述神经网络系统进行训练，并利用自学习控制的在线学习算法，对所述神经网络系统的权值和阈值进行优化，逼近重量信息与重量信号之间的输入-输出映射关系的逆向映射关系；

对所述神经网络系统进行泛化。

7.一种物料的称重测量装置，其特征在于，包括：

获得设备，用于获得称重传感器输出的重量信号，其中，所述重量信号是称重传感器根据采集的物料的重量信息及预先存储的重量信息与重量信号之间的输入-输出映射关系获得；

输出设备，用于根据输入的重量信号及预先存储的重量信息与重量信号之间的输入-输出映射关系的逆向映射关系，输出所述物料的称重结果信息。

8.如权利要求7所述的称重测量装置，其特征在于，所述预先存储的重量信息与重量信号之间的输入-输出映射关系的逆向映射关系，根据重量信息与重量信号之间的输入-输出映射关系和智能控制算法获得。

9.如权利要求8所述的称重测量装置，其特征在于，所述智能控制算法为神经网络的智能控制算法、模糊控制算法、专家控制算法或学习控制算法。

10.如权利要求9所述的称重测量装置，其特征在于，所述神经网络的智能控制算法为三层前馈神经网络的智能控制算法。

11.一种物料的称重测量系统，其特征在于，包括称重传感器和控制设备，其中，

所述称重传感器，用于采集物料的重量信息，并根据预先存储的重量信息与重量信号之间的输入-输出映射关系输出重量信号给所述控制设备；

所述控制设备，连接所述称重传感器，用于根据输入的重量信号及预先存储的重量信息与重量信号之间的输入-输出映射关系的逆向映射关系，输出所述物料的称重结果信息。