动态称重的关键是动态测量数据的数据处理方法,而数据处理的算法,都有各自的优缺点。本文提出了一种结合两种方法的方案,充分利用了计算机资源,处理过程力求快速简洁,同时又提高了精度。在样机设计中测试证明,该系统测量准确。

针对原始LLE难以发掘非平稳振动信号高维非线性、不均匀或存在“孔洞”的采样数据潜在几何分布特征,提出一种基于LLE及其改进算法的滚动轴承故障诊断模型。通过将计算欧氏距离改进的局部线性嵌入(LLE)算法应用于滚动轴承故障诊断模型,在邻域因子k取值比较小时的情况下就可得到良好的特征提取效果,扩大了模型参数k的选取范围,减少特征提取计算的时间;通过将监督学习线性判别分析(LDA)能保证投影后样本在新的特征空间具有最大的类间距离和最小的类内距离的基本概念应用于改进距离的LLE算法参数选择后对其降维结果的直观的验证处理上,来确保降维样本在新的特征空间具有最佳的特征可分离性。并与未改进LLE算法及传统线性降维方法PCA对比实验结果来验证基于改进距离LLE算法与离散度矩阵结合的故障诊断模型的优越性。