[发明专利]称重传感器用于防抖的蠕变补偿方法、装置和存储介质

说明书

本发明揭示了一种称重传感器用于防抖的蠕变补偿方法、装置和存储介质，其中所述方法，包括：按照预设频率，获取传感器采样值f_Cn；根据第一传感器采样值f_C1和前一传感器采样值f_C0,判断传感器所处状态是否为蠕变状态，其中，蠕变状态包括正蠕变状态和负蠕变状态；若是，则获取第二传感器采样值f_C2，根据第二传感器采样值f_C2与第一传感器采样值f_C1，再次判断传感器是否处于同一蠕变状态；若是，则判定传感器蠕变过程稳定，记录第二传感器采样值f_C2。与现有技术相比，本申请通过“连续两次采样结果均为正蠕变或负蠕变，则判定蠕变过程稳定”这一条件，可以去掉抖动引起多重蠕变判断，提高称重传感器的工作精度。

技术领域

本发明涉及到称重传感器领域，特别是涉及到一种称重传感器用于防抖的蠕变补偿方法、装置和存储介质。

背景技术

蠕变作为检测传感器性能的一个主要指标，是指由于固体材料在保持应力不变的条件下，应变随时间延长而增加的现象。目前市场上常见的电子式称重工具，如体重秤，内部采用的称重传感器由金属材质弹性体和应变片组成，而金属材料在保持应力不变的条件下会呈现出蠕变特性，即应变量随时间延长而增加。

为了克服称重传感器自身蠕变带来的计量误差，常采用以下几种方案：1、传统补偿法，其补偿原理是选用不同的反向蠕变补偿应变片，改变贴片位置和粘胶固化工艺来实现，其存在误差大，抖动过程影响较大，需要多次调整，难度大，不能适应温度变化的弊端；2、指数拟合法，其补偿原理是确定进入蠕变过程，由于蠕变过程具备指数函数的性质，通过大量数据，求得拟合曲线，其存在抖动过程影响较大，需要大量的数据，难度大，不能适应温度变化的弊端；3、模糊补偿法，其补偿原理是通过模糊识别判定传感器的工作阶段，每一阶段继承上一阶段的加载值与蠕变值，再结合当前的称重值与蠕变值，求得当前状态下的载荷值，存在抖动过程影响较大，模糊判定取值较难，为动态调整；4、神经网络补偿法，其补偿原理是建立补偿的径向基神经网络模型，通过大量的样本进行学习，通过解线性方程组，求得各神经元函数的加权值，通过模拟仿真，求得径向基函数的最佳值，使得预测误差较小，输出值与真实值能很好的逼近，其存在抖动过程影响较大，难度大，算法复杂的弊端。

综上所述，当把重物放在传感器上，因为受到冲击力，传感器的刚体会上下震动，或其它条件引起的传感器刚体震动，由于上下震动会产生正负蠕变交替出现，降低称重传感器的工作精度。现有蠕变补偿技术都无法消除放重物时抖动对补偿值的影响。

发明内容

本发明的主要目的为提供一种称重传感器用于防抖的蠕变补偿方法，旨在解决现有蠕变补偿技术都无法消除放重物时抖动对补偿值的影响的技术问题。

本发明提出一种称重传感器用于防抖的蠕变补偿方法，包括：

按照预设频率，获取传感器采样值f_Cn；

根据第一传感器采样值f_C1和前一传感器采样值f_C0,判断传感器所处状态是否为蠕变状态，其中，蠕变状态包括正蠕变状态和负蠕变状态；

若是，则获取第二传感器采样值f_C2，根据第二传感器采样值f_C2与第一传感器采样值f_C1，再次判断传感器是否处于同一蠕变状态；

若是，则判定传感器蠕变过程稳定，记录第二传感器采样值f_C2。

优选的，根据第一传感器采样值f_C1和前一传感器采样值f_C0,判断传感器所处状态是否为蠕变状态的步骤，包括：

判断输出增量|Δm|是否小于门限阈值δ，其中，Δm＝f_Cn-f_Cn-1；