મલ્ટિહેડ વેઇઝર માટે વજન નિયંત્રક

લેખક: સ્માર્ટવેઈ-મલ્ટિહેડ વેઇટર

1. મલ્ટિહેડ વેઇઝર માટે વજન નિયંત્રકની રચના અને તકનીકી પરિમાણો મલ્ટિહેડ વેઇઝર એ સામાન્ય રીતે વપરાતી ઓનલાઈન ડાયનેમિક વેઇંગ સિસ્ટમ છે, જેમાં મુખ્યત્વે લોડ બેલ્ટ કન્વેયર, કેરિયર, સ્ક્રીનીંગ ઇક્વિપમેન્ટ, વેઇંગ કંટ્રોલર, નેટ વેઇટ સેટઅપ સાધનો અને અન્ય ઘટકોનો સમાવેશ થાય છે. ઓળખ, ગતિશીલ માપન ચકાસણી અને અન્ય લાક્ષણિકતાઓ. કામ દરમિયાન, મેન્યુઅલ કંટ્રોલ વિના, લોડ બેલ્ટ કન્વેયર આપોઆપ કાચા માલને કેરિયરને તોલવા માટે મોકલશે, વજનના પ્લેટફોર્મની બંને બાજુએ બે ઓપ્ટિકલ ઇન્સ્પેક્શન ઘટકો અનુસાર કાચા માલની સ્થિતિને અલગ પાડવા માટે, અને સેટિંગ સાધનો અનુસાર અગાઉથી સેટ કરો. સ્ક્રીનીંગ હાથ ધરવા માટે સારી ચોખ્ખી વજન શ્રેણી. કન્વેયરની ઝડપ અનુસાર કાચા માલનું વજન માપન પર વધુ સારી રીતે રાખવા માટે, તે નિર્ધારિત છે કે વજન નિયંત્રણ પેનલ ઝડપી, સચોટ અને વિશ્વસનીય હોવી જોઈએ.

વેઇંગ કંટ્રોલરનો ઉપયોગ વલ્કેનાઇઝ્ડ રબર ફીલ્ડમાં ચાલતા દબાણ ટીમ પર ટ્રેડ મલ્ટિહેડ વેઇઝરને નિયંત્રિત કરવા માટે થાય છે. તે મુખ્યત્વે 51 સિંગલ-ચિપ માઈક્રો કોમ્પ્યુટર્સ, પ્રી-એમ્પ્લીફાયર, સેટિંગ ડિવાઈસ, સ્ક્રીનીંગ રિઝલ્ટ ડિસ્પ્લે લેમ્પ, ઈલેક્ટ્રોનિક કાઉન્ટર, કોપિયર, સ્વિચિંગ પાવર સપ્લાય અને તેના જેવા ઓટોમેટિક કંટ્રોલ સિસ્ટમથી બનેલું છે. તેનું મૂળ સિદ્ધાંત ફ્રેમવર્ક આકૃતિ 1 માં બતાવવામાં આવ્યું છે.

પ્રી-એમ્પ્લીફાયર વર્કિંગ પ્રેશર સેન્સર દ્વારા મિલિવોલ્ટ લેવલ ડેટા સિગ્નલ આઉટપુટને મોટું કરે છે, તેને ડિફરન્સિયલ સિગ્નલમાં રૂપાંતરિત કરે છે અને ડેટા પ્રોસેસિંગ માટે તેને CS-51 સિંગલ-ચિપ ઓટોમેટિક કંટ્રોલ સિસ્ટમમાં મોકલે છે. સેટ નેટ વેઇટ રેન્જની સરખામણી કરવામાં આવે છે, અને સરખામણી પરિણામ માહિતી પ્રદર્શિત કરવા માટે ડિસ્પ્લે લેમ્પના ઉદઘાટન અને બહાર નીકળવા પર આધારિત છે, ગણતરી કરવા માટે ઇલેક્ટ્રોનિક કાઉન્ટર અને ઉત્પાદન ડેટા માહિતી રેકોર્ડ કરવા માટે કોપિયર શરૂ કરો. વજન નિયંત્રક પાસે બે કાર્યકારી સ્થિતિઓ છે: ઓપરેશન અને કેલિબ્રેશન. જ્યારે કેલિબ્રેશન પદ્ધતિ પસંદ કરવામાં આવે છે, ત્યારે તે સ્ટેટિક ડેટા દાખલ કરશે અને માહિતીને સામાન્ય રીતે પ્રદર્શિત કરશે.

આ સમયે, વજનના પ્લેટફોર્મ પર વજન કરવા માટેના ઑબ્જેક્ટને મૂકો, કંટ્રોલ પેનલ વજનમાં લેવાના ઑબ્જેક્ટનું ચોખ્ખું વજન પ્રદર્શિત કરશે, અને સ્કેલ માપાંકિત કરી શકાય છે. જ્યારે ઓપરેશન પદ્ધતિ પસંદ કરવામાં આવે છે, ત્યારે વજન નિયંત્રક ગતિશીલ વજન અને સ્ક્રીનીંગ કામગીરીમાં પ્રવેશ કરશે. આ સમયે, વજન નિયંત્રક વજનના પ્લેટફોર્મની બંને બાજુએ વજન કરવા માટેના ભાગોના ઓપ્ટિકલ ડેટા સિગ્નલોની તપાસ કરશે, ચાલતા ભાગોને ઓળખશે અને ગતિશીલ વજન અને સ્ક્રીનીંગ કામગીરી હાથ ધરશે.

મારા દેશમાં, મલ્ટિહેડ વેઇઝર માટે ઉપયોગમાં લેવાતા વજન નિયંત્રકો મોટાભાગે આયાતી ઉત્પાદનો છે, અને ચીનમાં વિકસિત અને ડિઝાઇન કરાયેલ મોટાભાગના ઉત્પાદનો સામાન્ય હેતુના વજનના ડિસ્પ્લેમાંથી વિકસિત કરવામાં આવ્યા છે. નેટ વેઇટની સ્ક્રીનીંગ કેટેગરી કીબોર્ડ દ્વારા ઇનપુટ છે. જ્યારે બધું સામાન્ય રીતે કામ કરે છે, ત્યારે વાસ્તવિક ઓપરેટિંગ સ્ટાફ પ્રીસેટ મૂલ્ય જોઈ શકતો નથી, છબી નબળી છે, અને ગોઠવણ અસુવિધાજનક છે. અમારા દ્વારા વિકસિત અને ડિઝાઇન કરાયેલ વજન નિયંત્રક વિદેશી નમૂનાઓનું અનુકરણ કરે છે અને નેટ વેઇટ સ્ક્રિનિંગ રેન્જ સેટ કરવા માટે કંટ્રોલ બોર્ડની કંટ્રોલ પેનલ પર ચાર ચાર-સ્થિતિ DIP સ્વીચો સેટ કરવામાં આવે છે. ચાર ડીઆઈપી સ્વીચોને પ્રોસેસિંગ ટેક્નોલોજી અનુસાર પાંચ નેટ વેઇટ કેટેગરીમાં પેટાવિભાજિત કરી શકાય છે (જુઓ આકૃતિ 2).

ચાર-અંકના ડેટાના પ્રથમ બે અંકો પૂર્ણાંક રકમનું પ્રતિનિધિત્વ કરે છે, અને છેલ્લા બે અંકો દશાંશનું પ્રતિનિધિત્વ કરે છે. ગતિશીલ વજન અને સ્ક્રીનીંગની સમગ્ર પ્રક્રિયા દરમિયાન, પ્રીસેટ મૂલ્ય ગમે ત્યારે અને ગમે ત્યાં ગોઠવી શકાય છે. કંટ્રોલ પેનલ પર દરેક ચોખ્ખા વજન માટે અનુરૂપ ડિસ્પ્લે લેમ્પ્સ અને કાઉન્ટર્સ સેટ કરો.

વાસ્તવિક ઓપરેટિંગ સ્ટાફ ટ્રેડના ચોખ્ખા વજનને નિયંત્રિત કરવા માટે ઉપરની ભૂલ અને નીચલા ભૂલ દ્વારા દર્શાવવામાં આવેલા ચોખ્ખા વજનના વલણ વિશ્લેષણ અનુસાર ચાલતા એક્સટ્રુઝન ઇનલેટના કાર્યકારી દબાણને તરત જ સમાયોજિત કરી શકે છે. તે રીતે, તે ખૂબ જ દ્રશ્ય અને અનુકૂળ છે. છ છ-અંકના દરેક રજિસ્ટરમાં ડેટાની માહિતી હોય છે જેમ કે સારું વજન, ઉપલી ભૂલ, નીચી ભૂલ, ઉપલા વિચલન, નીચલા વિચલન, ઉત્પાદન વોલ્યુમ (સારી, ઉપલી ભૂલ અને નીચલા ભૂલ સહિત).

તે ડેટા અને જન્મ આઉટપુટ જેવી માહિતીની નકલ કરવા માટે કોપિયરથી સજ્જ છે, જે ઉત્પાદન વર્કશોપ મેનેજમેન્ટ માટે અનુકૂળ છે. ઉપલા વિચલન અને નીચલા વિચલન સાથે અયોગ્ય ઉત્પાદનો માટે, સ્ક્રીનીંગ સાધનો તેમને દૂર કરવા માટે આપમેળે સક્રિય થઈ જશે, અને વાસ્તવિક ઓપરેટિંગ સ્ટાફને ધ્યાન આપવા માટે યાદ અપાવવા માટે એલાર્મ વાગશે. વેઇંગ કંટ્રોલરમાં માત્ર ધ્વનિ ડાયનેમિક વેઇંગ અને સ્ક્રિનિંગ ઓપરેશનના કાર્યો જ નથી, પરંતુ તેમાં ઝીરો-પોઇન્ટ ઓટોમેટિક ટ્રેકિંગ, પીલિંગ અને ઝીરો-ક્લીયરિંગ વગેરે કાર્યો પણ છે. તે ઉચ્ચ-ચોકસાઇવાળા સાર્વત્રિક ડિસ્પ્લે ઇન્સ્ટ્રુમેન્ટ મીટર છે.

તેના મુખ્ય પ્રદર્શન પરિમાણો છે:. ડિસ્પ્લે સ્ક્રીન: ચાર-અંકની સાત-સેગમેન્ટની LED ડિજિટલ ડિસ્પ્લે ટ્યુબ. ડિસ્પ્લે સ્ક્રીન રીઝોલ્યુશન: 300 મિલિયનથી વધુ. સેન્સર પાવર સપ્લાયને સ્વિચ કરવા માટે પ્રોત્સાહિત કરે છે: DC15V. એક 16 પ્રિન્ટર ઇન્ટરફેસ. ઓપરેટિંગ તાપમાન: એક 10-40 ℃. પાવર સપ્લાય સિસ્ટમ સ્વિચિંગ પાવર સપ્લાય: AC380VsoHz બીજું, સોફ્ટવેર ડેવલપમેન્ટ તમામ સિસ્ટમ સોફ્ટવેરના મોબાઇલ ફોન સોફ્ટવેરને બેકગ્રાઉન્ડ ઓપરેશન અને રિસેપ્શન પ્રોગ્રામ ફ્લોમાં વિભાજિત કરવામાં આવે છે. સામગ્રીઓ કે જે ખૂબ વ્યવહારુ નથી, જેમ કે નકલ કરવી, ડેટા પ્રોસેસિંગ પદ્ધતિઓ અને ચોખ્ખી વજન સ્ક્રીનીંગ અને ઓળખ, પૃષ્ઠભૂમિ સંચાલન કાર્ય માટે ફાળવવામાં આવે છે; જ્યારે કન્ટેન્ટ કે જે કલેક્શન માટે વધુ વ્યવહારુ છે, સમયનો અમલ, વગેરે, રિસેપ્શનિસ્ટને ફાળવવામાં આવે છે. સોફ્ટવેર ડેવલપમેન્ટ મોડ્યુલર ડિઝાઇન માળખું અપનાવે છે, જે રોજિંદા કાર્યો અનુસાર કેટલાક પ્રોગ્રામ મોડ્યુલમાં વહેંચાયેલું છે, જે ગોઠવણ, વિસ્તરણ અને ટ્રાન્સપ્લાન્ટેશન માટે મદદરૂપ છે.

સ્ત્રોત પ્રોગ્રામનો સરળ ફ્રેમ ડાયાગ્રામ આકૃતિ 3 માં બતાવવામાં આવ્યો છે. સ્ટેટિક ડેટાનું વજન અને ગતિશીલ સ્ક્રીનીંગ અને વજન કરવા માટે, પ્રોગ્રામ ફ્લો મુખ્યત્વે કાર્યાત્મક વિશ્લેષણ અને વિરોધી હસ્તક્ષેપ ડિઝાઇન કરે છે. દરેક નીચે વર્ણવેલ છે.

1. કાર્ય વિશ્લેષણ મોબાઇલ ફોન સોફ્ટવેરનું કાર્ય વિશ્લેષણ મુખ્યત્વે વિવિધ પ્રોગ્રામ મોડ્યુલ ડિઝાઇન કરવા માટે છે, અને આ પ્રોગ્રામ મોડ્યુલ અનુસાર, વિવિધ આવશ્યક દૈનિક કાર્યો હાથ ધરે છે. આ પ્રોગ્રામ ફ્લોમાં, મોબાઇલ ફોન સોફ્ટવેર દ્વારા કરવામાં આવતા મુખ્ય કાર્યો આ હોઈ શકે છે: ઝીરો-પોઇન્ટ ઓટોમેટિક ટ્રેકિંગ; પીલિંગ;.. ઝીરો-પોઇન્ટ કેલિબ્રેશન;. માહિતી સંગ્રહ; સમય અમલીકરણ;.કી અને સેટિંગ વાંચો;.ઓપરેશન/ચેક કન્વર્ઝન;.કોપી કરો;.ઓપરેશન પદ્ધતિ હેઠળ પ્રદર્શિત માહિતી મૂલ્યને અનલૉક કરો;. સિસ્ટમ મોનિટરિંગ પ્રોગ્રામના સંચાલન હેઠળ, આ પ્રોગ્રામ મોડ્યુલ પૂર્વનિર્ધારિત અમલીકરણ યોજના અનુસાર સ્થિર ડેટાનું વજન અથવા ગતિશીલ સ્ક્રીનીંગ અને વજન કરે છે.

2. હસ્તક્ષેપ વિરોધી ડિઝાઇન યોજના ઔદ્યોગિક ઉત્પાદનના કુદરતી વાતાવરણમાં મલ્ટિહેડ વેઇઝર કામ કરે છે, તેથી સ્થળ પર વિવિધ પ્રભાવો છે, જે સ્કેલના સામાન્ય કાર્યને જોખમમાં મૂકે છે. તેથી, હાર્ડવેર રૂપરેખાંકન વિરોધી જામિંગ કાઉન્ટરમેઝર્સ ઉપરાંત, બીજા સંરક્ષણ તરીકે મોબાઇલ ફોન સોફ્ટવેર એન્ટી-જામિંગ કાઉન્ટરમેઝર્સ પણ ખૂબ જટિલ અને અનિવાર્ય છે. સાઉન્ડ સિસ્ટમ સૉફ્ટવેરને માત્ર કાર્યાત્મક વિશ્લેષણ જ ન કરવું જોઈએ, પરંતુ સિસ્ટમ સૉફ્ટવેરની વિશ્વસનીયતામાં સુધારો કરવા માટે વિરોધી હસ્તક્ષેપ ડિઝાઇન યોજના પણ હાથ ધરવી જોઈએ.

સિસ્ટમ સૉફ્ટવેર મોબાઇલ ફોન સૉફ્ટવેર માટે નીચેના બે દખલ-વિરોધી કાઉન્ટરમેઝર્સ પસંદ કરે છે: (1) એનાલોગ સિગ્નલ I/O સેફ્ટી ચેનલની દખલ વિરોધી ઇલેક્ટ્રોમેગ્નેટિક દખલ મોટે ભાગે બર જેવી હોય છે, અને અસરનો સમય ઓછો હોય છે. આ લાક્ષણિકતા અનુસાર, જ્યારે નેટ વેઇટ ડેટા સિગ્નલ એકત્રિત કરવામાં આવે છે, ત્યારે તેને સતત ઘણી વખત એકત્રિત કરી શકાય છે, જ્યાં સુધી સતત બે સંગ્રહના પરિણામો સંપૂર્ણપણે સમાન ન હોય ત્યાં સુધી ડેટા સિગ્નલ વાજબી છે. જો ઘણા સંગ્રહો પછી ડેટા સિગ્નલ અસંગત હોય, તો વર્તમાન ડેટા સિગ્નલ સંગ્રહ કાઢી નાખવામાં આવશે.

દરેક સંગ્રહની મહત્તમ આવર્તન મર્યાદા અને સતત સમાન આવર્તન ચોક્કસ જરૂરિયાતો અનુસાર ગોઠવી શકાય છે. આ પ્રોગ્રામ ફ્લોમાં મહત્તમ રકમ 4 ગણી છે, અને સતત 2 વખત પણ વ્યાજબી સંગ્રહ છે. આઉટપુટ સલામતી ચેનલ માટે, જો MCU યોગ્ય આઉટપુટ ડેટા માહિતી મેળવવા માટે રચાયેલ હોય તો પણ, આઉટપુટ ઉપકરણ બાહ્ય પ્રભાવોને કારણે ખોટી માહિતી માહિતી મેળવી શકે છે.

મોબાઇલ ફોન સૉફ્ટવેર પર, વધુ વાજબી દખલ-વિરોધી પ્રતિરોધક એ જ ડેટા માહિતીને વારંવાર આઉટપુટ કરવાનો છે. પુનરાવર્તન ચક્ર સમય શક્ય તેટલો ટૂંકો છે, જેથી અસરગ્રસ્ત ભૂલ અહેવાલ પ્રાપ્ત કર્યા પછી, પેરિફેરલ ઉપકરણ સમયસર વાજબી પ્રતિસાદ આપી શકતું નથી, અને યોગ્ય આઉટપુટ માહિતી સામગ્રી ફરી આવી છે. આ રીતે, ખોટી મુદ્રા તરત જ ટાળી શકાય છે.

આ પ્રોગ્રામ ફ્લોમાં, આઉટપુટ ટાઇમિંગ એક્ઝેક્યુશન ઇન્ટરપ્ટમાં મૂકવામાં આવે છે, જે આઉટપુટ એરર ઑપરેશનને વ્યાજબી રીતે ટાળી શકે છે. (2) ડિજિટલ ફિલ્ટરિંગનો હેતુ એકત્રિત ચોખ્ખા વજનના ડેટા સિગ્નલને ધ્યાનમાં રાખીને કરવામાં આવે છે, જે ઘણી વખત મનસ્વી પ્રભાવ ધરાવે છે, તેથી ડેટા માહિતી શ્રેણીના ઉત્પાદનોમાંથી બિંદુના વાસ્તવિક મૂલ્યની નજીકની ડેટા માહિતી મેળવવી જરૂરી છે, અને પરિણામ મેળવો. ઉચ્ચ પ્રમાણભૂતતા. મોબાઇલ ફોન સોફ્ટવેરમાં, સામાન્ય પદ્ધતિ ડિજિટલ ફિલ્ટરિંગ છે.

આ પ્રોગ્રામ ફ્લો સ્ટેટિક ડેટા વેઇંગ અને ડાયનેમિક સ્ક્રીનીંગ વેઇંગમાં વિભાજિત થયેલ છે. વિવિધ વજન પદ્ધતિઓને લીધે, પસંદ કરેલ ડિજિટલ ફિલ્ટરિંગ પદ્ધતિઓ પણ અલગ છે. બે વજન પદ્ધતિઓ દ્વારા અપનાવવામાં આવેલી વિવિધ ડિજિટલ ફિલ્ટરિંગ પદ્ધતિઓ અનુક્રમે નીચે દર્શાવેલ છે.

¹સ્ટેટિક ડેટાનું વજન: સ્ટેટિક ડેટાના વજનની મુખ્ય વિચારણા એ સિસ્ટમ સૉફ્ટવેરની વિશ્વસનીયતા અને ચોકસાઈ છે. સ્થિર પરિસ્થિતિઓમાં પ્રદર્શિત માહિતીની સંબંધિત સ્થિરતા અને લોડિંગ દરમિયાન ઝડપી પ્રતિસાદને ધ્યાનમાં લેવું જરૂરી છે. તેથી, એકત્રિત ડેટા માહિતીની વિશ્વસનીયતા ઓળખ પ્રથમ હાથ ધરવામાં આવવી જોઈએ, અને પછી ડિજિટલ ફિલ્ટરિંગ સોલ્યુશન હાથ ધરવામાં આવવું જોઈએ.

ડિજિટલ ફિલ્ટરિંગ પ્રક્રિયાની પ્રક્રિયામાં, વાસ્તવિક ફિલ્ટરિંગ અસરને સુધારવા માટે મૂવિંગ એવરેજ ફિલ્ટરિંગ તકનીક પસંદ કરવામાં આવે છે. ચોક્કસ પદ્ધતિ નીચે મુજબ છે: દરેક વખતે જ્યારે નમૂના લેવામાં આવે છે, ત્યારે પ્રારંભિક ડેટાની માહિતીમાંથી એક દૂર કરવામાં આવે છે, અને પછી આ સમયના નમૂના મૂલ્ય અને અગાઉના ઘણા સમયના નમૂના મૂલ્યને એકસાથે સરેરાશ કરવામાં આવે છે, અને વાજબી નમૂના મૂલ્ય પ્રાપ્ત થાય છે. વ્યક્તિગત ઉપયોગ માટે વિતરિત કરી શકાય છે. તેથી, આ સિસ્ટમ સૉફ્ટવેરની ઉપયોગિતામાં સુધારો કરે છે.

સેમ્પલિંગ ફ્રીક્વન્સી N ની પસંદગી ફિલ્ટરિંગની વાસ્તવિક અસરને ખૂબ જ નુકસાન પહોંચાડે છે. N જેટલું મોટું છે, વાસ્તવિક અસર જેટલી સારી છે, પરંતુ તે સિસ્ટમ સૉફ્ટવેરના ગતિશીલ પ્રતિભાવને જોખમમાં મૂકશે. આ વજન નિયંત્રકમાં, સિસ્ટમ સૉફ્ટવેરની વિશ્વસનીયતા અને ઝડપથી પ્રતિસાદ આપવાની ક્ષમતાને સુધારવા માટે, જ્યારે તે સ્થિર હોય ત્યારે N 32 હોય છે અને જ્યારે તે અસ્થિર હોય ત્યારે 8 હોય છે.

વાજબી ફિલ્ટરિંગ પદ્ધતિ પસંદ કરવાને કારણે, સિસ્ટમ સૉફ્ટવેરની વિશ્વસનીયતા અને ચોકસાઇ અને તેના લોડિંગ પ્રતિભાવ સમયને વધુ સુધારેલ છે.ºડાયનેમિક સ્ક્રિનિંગ અને વેઇંગઃ ​​ડાયનેમિક સ્ક્રિનિંગ અને વેઇંગમાં, ચાલવું ઝડપથી વજનના પ્લેટફોર્મ પર આધારિત છે. ચાલવું 1.5 સેકન્ડની અંદર સ્કેલ પર છે, તેથી સેમ્પલિંગ 1 સેકન્ડની અંદર થવું જોઈએ.

તે રીતે, નમૂનાની આવર્તન મર્યાદિત છે. વધુમાં, કારણ કે જ્યારે તે વજનના પ્લેટફોર્મ પર ઝડપથી એડજસ્ટ થઈ જાય ત્યારે તે ચોક્કસ કંપનનું કારણ બને છે, તે નમૂનાના મૂલ્યને અસર કરશે. તેથી, ઇલેક્ટ્રોમેગ્નેટિક હસ્તક્ષેપની ભારે સમપ્રમાણતાને દબાવવા માટે કઈ ડેટા માહિતી માન્ય છે અને કયા પ્રકારની ડિજિટલ ફિલ્ટરિંગ તકનીક પસંદ કરવામાં આવી છે તે ધ્યાનમાં લેવું ખૂબ જ મહત્વપૂર્ણ છે.

ચોક્કસ અવલોકન અનુસાર, મલ્ટિહેડ વેઇઝરના વજનના ડેટા સિગ્નલ વેવફોર્મને આકૃતિ 5 માં દર્શાવવામાં આવ્યું છે. આકૃતિમાં, ચાલના આગમનથી લઈને વેઇંગ પ્લેટફોર્મ સુધી તેના પ્રસ્થાન સુધી ત્રણ કડીઓમાં વિભાજિત કરવામાં આવે છે: પ્રથમ તબક્કો છે સમય t, સેગમેન્ટ, જે પગદંડીના આગમનથી લઈને વજનના પ્લેટફોર્મ પર સંપૂર્ણ રીતે ન આવે ત્યાં સુધીની સમગ્ર પ્રક્રિયા છે. નેટ વેઇટ ડેટા સિગ્નલ અહીં છે. બીજો તબક્કો નવમો તબક્કો છે, ચાલવું સંપૂર્ણપણે વજનના પ્લેટફોર્મ પર છે, અને આ સમયગાળો વજનનો તબક્કો છે; ત્રીજો તબક્કો સમય ટી છે. સેગમેન્ટ એ આખી પ્રક્રિયા છે કે ચાલવું વજનના પ્લેટફોર્મને છોડી દે છે, અને આ સમયગાળા દરમિયાન નેટ વેઇટ ડેટા સિગ્નલ ધીમે ધીમે શૂન્ય થઈ જાય છે.

નવ વજનના વિભાગોની શરૂઆતમાં અને અંતે, વજનનો ડેટા સિગ્નલ પ્રમાણમાં ભારે અસરો ભોગવે છે. પર્વતીય વિભાગમાં, એટલે કે, જ્યારે ચાલવું વજનના પ્લેટફોર્મની મધ્યમાં હોય છે, ત્યારે વજનનો ડેટા સિગ્નલ પ્રમાણમાં સ્થિર હોય છે. તેથી, Δt સમય શ્રેણીની ડેટા માહિતી પસંદ કરવાનું વધુ આદર્શ છે.

ડાયનેમિક સેમ્પલિંગ ડેટાની માહિતી મેળવવા માટે વજન નિયંત્રક શરૂ કરવા માટે ફોટોઇલેક્ટ્રિક સ્વીચના અંત સુધી ચાલવા માટે મૂકેલ સ્કેલનો ઉપયોગ કરો અને પર્વત સમયની અંદર નમૂના લો. સેમ્પલિંગ ફ્રીક્વન્સી N એ સેમ્પલિંગ રેટ સાથે સંબંધિત છે. સેમ્પલિંગની ઝડપ જેટલી ઝડપી છે, એકત્રિત આવર્તન N જેટલી વધારે છે. ફોટોઈલેક્ટ્રીક સ્વીચના ઈન્સ્ટોલેશન એ સુનિશ્ચિત કરવું જોઈએ કે જ્યારે વજન કરવાની વસ્તુ વેઈટાઈશન શહેરમાં સ્થિત હોય ત્યારે એકત્રિત થયેલ વિઝ્યુઅલ ડેટા એ ડેટાની માહિતી છે.

એકત્રિત કરેલ N ડેટા માહિતી માટે, બધામાં અલગ-અલગ પ્રભાવ ઘટકો હોય છે, તેથી ચાલવું નેટ વજનનું સાચું મૂલ્ય મેળવવા માટે વાજબી ફિલ્ટરિંગ પદ્ધતિ પસંદ કરવી જરૂરી છે. આ પ્રક્રિયા સંયુક્ત ફિલ્ટરિંગ તકનીકને પસંદ કરે છે, એટલે કે, બે અથવા વધુ ડિજિટલ ફિલ્ટરિંગ પદ્ધતિઓનો ઉપયોગ સંયુક્ત અને લાગુ કરવામાં આવે છે, જે એકબીજાને પૂરક બનાવવા માટે પૂરતું નથી, જેથી ફિલ્ટરિંગની વાસ્તવિક અસરને સુધારવા માટે, જેથી વાસ્તવિકતા પ્રાપ્ત કરી શકાય. અસર કે જે માત્ર એક ફિલ્ટરિંગ પદ્ધતિ દ્વારા પ્રાપ્ત કરી શકાતી નથી. અહીં, ફિલ્ટરિંગ પદ્ધતિ કે જે મહત્તમ મૂલ્ય ફિલ્ટરિંગ પદ્ધતિ અને અંકગણિત સરેરાશ ફિલ્ટરિંગ પદ્ધતિને જોડે છે તે પસંદ કરવામાં આવી છે.

ડી-મેક્સિમા ફિલ્ટરિંગ પ્રથમ નોંધપાત્ર સિંગલ-પલ્સ પ્રભાવ મૂલ્યને દૂર કરે છે, અને સરેરાશ મૂલ્યની ગણતરી માટે સાઇન અપ કરતું નથી, જેથી સરેરાશ ફિલ્ટરિંગનું આઉટપુટ મૂલ્ય સાચા મૂલ્યની નજીક હોય. ઑપ્ટિમાઇઝેશન અલ્ગોરિધમનો મૂળભૂત સિદ્ધાંત નીચે મુજબ છે: N વખત નમૂના લેવાનું ચાલુ રાખો, એકઠા કરો અને દયા માટે પૂછો, અને તેમાં ઉચ્ચતમ અને લઘુત્તમ મૂલ્યો શોધો, અને પછી સંચય અને વર્ટિકલમાંથી ઉચ્ચતમ અને લઘુત્તમ મૂલ્યોને બાદ કરો. , અને N એક અથવા બે નમૂના મૂલ્યો અનુસાર ગણતરી કરો. અર્થ, એટલે કે, વાજબી નમૂના મૂલ્ય મેળવવા માટે. કમ્પાઉન્ડ ફિલ્ટરિંગ પ્રક્રિયાનો ફ્લો ચાર્ટ ફિગ. 5 માં વજનના ડેટા સિગ્નલના વેવફોર્મ ડાયાગ્રામમાં બતાવવામાં આવ્યો છે. ચાલના આગમનથી વજનના પ્લેટફોર્મ સુધી તેના પ્રસ્થાન સુધી, તે ત્રણ લિંક્સમાં વહેંચાયેલું છે: પ્રથમ તબક્કો છે. સમય t, સેગમેન્ટ, જે તે સમય છે જ્યારે ચાલવું સ્કેલ પર આવે છે. પ્લેટફોર્મ પરથી આખી પ્રક્રિયા જ્યાં સુધી તે સંપૂર્ણપણે સ્કેલ પ્લેટફોર્મ પર ન આવે ત્યાં સુધી, નેટ વેઇટ ડેટા સિગ્નલ આ સમયગાળા દરમિયાન ધીમે ધીમે વધે છે; બીજો તબક્કો નવનો સમયગાળો છે, ચાલવું સંપૂર્ણપણે સ્કેલ પ્લેટફોર્મ પર છે, આ સમયગાળો વજનનો વિભાગ છે; ત્રીજો તબક્કો તે સમય છે.

સેગમેન્ટ એ આખી પ્રક્રિયા છે કે ચાલવું વજનના પ્લેટફોર્મને છોડી દે છે, અને આ સમયગાળા દરમિયાન નેટ વેઇટ ડેટા સિગ્નલ ધીમે ધીમે શૂન્ય થઈ જાય છે. નવ વજનના વિભાગોની શરૂઆતમાં અને અંતે, વજનનો ડેટા સિગ્નલ પ્રમાણમાં ભારે અસરો ભોગવે છે. પર્વતીય વિભાગમાં, એટલે કે, જ્યારે ચાલવું વજનના પ્લેટફોર્મની મધ્યમાં હોય છે, ત્યારે વજનનો ડેટા સિગ્નલ પ્રમાણમાં સ્થિર હોય છે.

તેથી, Δt સમય અવધિની માહિતી માહિતી પસંદ કરવી વધુ આદર્શ છે. ડાયનેમિક સેમ્પલિંગ ડેટાની માહિતી મેળવવા માટે વજન નિયંત્રક શરૂ કરવા માટે ફોટોઇલેક્ટ્રિક સ્વીચના અંત સુધી ચાલવા માટે મૂકેલ સ્કેલનો ઉપયોગ કરો અને પર્વત સમયની અંદર નમૂના લો. સેમ્પલિંગ ફ્રીક્વન્સી N એ સેમ્પલિંગ રેટ સાથે સંબંધિત છે. સેમ્પલિંગની ઝડપ જેટલી ઝડપી છે, એકત્રિત આવર્તન N જેટલી વધારે છે.

ફોટોઇલેક્ટ્રિક સ્વીચના ઇન્સ્ટોલેશન એ સુનિશ્ચિત કરવું આવશ્યક છે કે ફોર્મ્યુલામાં એકત્રિત કરેલ મૂલ્યોનો અંકગણિત સરેરાશ અને N એ 2 નમૂના મૂલ્યોનો અંકગણિત સરેરાશ છે; w એ i-th સેમ્પલિંગ મૂલ્ય છે; N એ સેમ્પલિંગ ફ્રીક્વન્સી છે. ગણતરીને સરળ બનાવવા માટે, નમૂનાની આવર્તન સામાન્ય રીતે 6, 10, 18 તરીકે પસંદ કરવામાં આવે છે જેમ કે 2 થી 2 વત્તા 2 ની પૂર્ણાંક રકમની ઘાત, જે વિભાજનને બદલે શિફ્ટનો ઉપયોગ કરવા માટે અનુકૂળ છે. આ પ્રોગ્રામ ફ્લોમાં, નમૂના લેતી વખતે સોલ્યુશન પસંદ કરવામાં આવે છે, તેથી શાસક એએમમાં ​​ડેટા માહિતી સંગ્રહ વિસ્તાર વિકસાવવાની જરૂર નથી.

ડિજિટલ ફિલ્ટરિંગ પછી, ડબલ્યુ મૂલ્ય પ્રાપ્ત થાય છે, અને પછી પ્રદર્શન માહિતી, ઓળખ અને નકલ માટે ચાલવું નેટ વજન મૂલ્ય મેળવવા માટે ડેટા પ્રોસેસિંગ પદ્ધતિઓ જેમ કે પીલિંગ અને સરેરાશ ભૂલ રૂપાંતરણ હાથ ધરવામાં આવે છે. બીજી ફોટોઇલેક્ટ્રિક સ્વીચ શોધે છે કે ટ્રાડે વજનના પ્લેટફોર્મને સંપૂર્ણપણે છોડી દીધું છે, શૂન્ય-પોઇન્ટ ટ્રેકિંગ એસેમ્બલર શરૂ કરો, મોટા નમૂનાના નમૂનાને પસંદ કરો અને સરેરાશ ફિલ્ટર તકનીકને ખેંચો અને ટાયરને આપમેળે દૂર કરો, જેથી તેના આગમનની તૈયારી કરી શકાય. આગામી ચાલ. અગાઉથી તૈયારી સ્વીકારો. 3. નિષ્કર્ષ વજન નિયંત્રક સંપૂર્ણ કાર્યો અને મજબૂત વિરોધી હસ્તક્ષેપ ધરાવે છે. તે માત્ર વલ્કેનાઈઝ્ડ રબરના ક્ષેત્રમાં ટ્રેડ સ્ક્રિનિંગ ઑપરેશન માટે જ યોગ્ય નથી, પરંતુ ઈંડા, સિક્કા, પશુધન અને ઔદ્યોગિક ઉત્પાદન લાઈન્સ જેવા વિવિધ મલ્ટિહેડ વજનના ઑપરેશન માટે પણ યોગ્ય છે.

આ તબક્કે, આપણા દેશમાં કેટલાક ઉત્પાદકો દ્વારા રજૂ કરાયેલ મલ્ટિહેડ વેઇઝરનો ઉપયોગ દસ વર્ષથી વધુ સમયથી કરવામાં આવે છે. કેટલાક વજન નિયંત્રકો હવે સામાન્ય રીતે કામ કરી શકતા નથી, અને તેમને બદલવાની તાત્કાલિક જરૂર છે. વધુમાં, એવા કેટલાક ઉત્પાદકો પણ છે જેઓ હજુ પણ પેડલ-પ્રકારના મલ્ટિહેડ વેઇઝરનો ઉપયોગ કરે છે, જેને ઉત્પાદન અને ઉત્પાદન માટે જરૂરી ગણી શકાય નહીં. તેથી, વજન નિયંત્રક આજે અત્યંત ઉપયોગી માર્કેટિંગ પ્રમોશન મૂલ્ય ધરાવે છે.

લેખક: સ્માર્ટવેઈ-મલ્ટિહેડ વેઇટર ઉત્પાદકો

લેખક: સ્માર્ટવેઈ-લીનિયર વેઇટર

લેખક: સ્માર્ટવેઈ-લીનિયર વેઇઝર પેકિંગ મશીન

લેખક: સ્માર્ટવેઈ-મલ્ટિહેડ વેઇટર પેકિંગ મશીન

લેખક: સ્માર્ટવેઈ-ટ્રે Denester

લેખક: સ્માર્ટવેઈ-ક્લેમશેલ પેકિંગ મશીન

લેખક: સ્માર્ટવેઈ-કોમ્બિનેશન વેઇટર

લેખક: સ્માર્ટવેઈ-ડોયપેક પેકિંગ મશીન

લેખક: સ્માર્ટવેઈ-પ્રીમેઇડ બેગ પેકિંગ મશીન

લેખક: સ્માર્ટવેઈ-રોટરી પેકિંગ મશીન

લેખક: સ્માર્ટવેઈ-વર્ટિકલ પેકેજિંગ મશીન

લેખક: સ્માર્ટવેઈ-VFFS પેકિંગ મશીન