史柏迪， 庄曙东， 陈 威， 陈天翔， 朱楠楠

(1. 河海大学机电工程学院，江苏 常州 213022;2. 南京航空航天大学 江苏省精密与微细制造技术重点实验室，江苏 南京 210016)

0 引 言

在日益增长的物流需求和人工劳动力缺口矛盾面前[1-2]，自动化动态称重技术是物流业发展的必然之路。动态物流秤在货物运输的过程中对货物质量进行了测量，减少了人工成本，化简了物流流程。其测量大多依赖电阻应变型压力传感器，作为典型的机电复合系统传动过程中，压力传感器会受到各类干扰信号，例如秤体自身传动电机产生的振动干扰[3]、货物在传动过程中的振动干扰[4]及环境因素(气温、湿度、空气对流)等，作为典型的多元非线性过程[5]具有复杂性与无序性，压力信号包含静态载荷[6]、动态载荷[7]以及动态时序噪声，因频段信号的重叠，仅凭借滤波处理无法获取精确的压力信号。为有效分析各对测量精度的影响，设计了三因素两水平的正交试验，以此结果作为数据集建立Xgboost[8]模型进行特征增益分析。

动态补偿系统[9]为目前一种可行的解决方案，国内外已经有了诸多成果。刘元坤[3]基于高斯过程建立了轮廓误差分布概率函数，在加工中实现了轮廓测量误差的柔性化补偿。Irwansyah[8]基于机器学习中最近邻算法实现了声纳噪音信号的聚类，通过频率筛选有效提取有效信号；Hussain Muntazir[9]使用支持向量机算法建立一种 Lipschitz系统的抗饱和补偿模型。此外神经网络算法因其强大的多元非线性拟合能力，在动态称重系统[10-12]中也有着广泛的使用。……