મલ્ટિહેડ વેઇઝર માટે વજન નિયંત્રક

લેખક: સ્માર્ટવેઇગ– મલ્ટિહેડ વેઇટર

1. મલ્ટિહેડ વેઇઝર માટે વજન નિયંત્રકની રચના અને તકનીકી પરિમાણો મલ્ટિહેડ વેઇઝર એ સામાન્ય રીતે ઉપયોગમાં લેવાતી ઓનલાઈન ગતિશીલ વજન પ્રણાલી છે, જેમાં મુખ્યત્વે લોડ બેલ્ટ કન્વેયર, વાહક, સ્ક્રીનીંગ સાધનો, વજન નિયંત્રક, ચોખ્ખું વજન સેટઅપ સાધનો અને અન્ય ઘટકોનો સમાવેશ થાય છે, જેમાં સ્વચાલિત ઓળખ, ગતિશીલ માપન ચકાસણી અને અન્ય લાક્ષણિકતાઓ હોય છે. કામ દરમિયાન, મેન્યુઅલ નિયંત્રણ વિના, લોડ બેલ્ટ કન્વેયર આપમેળે વજન કરવા માટે કાચા માલને વાહકને મોકલશે, વજન પ્લેટફોર્મની બંને બાજુએ બે ઓપ્ટિકલ નિરીક્ષણ ઘટકો અનુસાર વજન કરવાના કાચા માલની સ્થિતિને અલગ પાડવા માટે, અને સેટિંગ સાધનો અનુસાર અગાઉથી સેટ કરશે. સ્ક્રીનીંગ કરવા માટે સારી ચોખ્ખી વજન શ્રેણી. કન્વેયરની ગતિ અનુસાર સ્કેલ પર વજન કરવામાં આવતા કાચા માલને વધુ સારી રીતે રાખવા માટે, તે નિર્ધારિત છે કે વજન નિયંત્રણ પેનલ ઝડપી, સચોટ અને વિશ્વસનીય હોવું જોઈએ.

વજન નિયંત્રણનો ઉપયોગ વલ્કેનાઈઝ્ડ રબર ફિલ્ડમાં ટ્રેડ પ્રેશર ટીમ પર ટ્રેડ મલ્ટિહેડ વજન નિયંત્રણ માટે થાય છે. તે મુખ્યત્વે 51 સિંગલ-ચિપ માઇક્રોકોમ્પ્યુટર્સ, પ્રી-એમ્પ્લીફાયર, સેટિંગ ડિવાઇસ, સ્ક્રીનીંગ રિઝલ્ટ ડિસ્પ્લે લેમ્પ, ઇલેક્ટ્રોનિક કાઉન્ટર, કોપિયર, સ્વિચિંગ પાવર સપ્લાય અને તેના જેવા ઓટોમેટિક કંટ્રોલ સિસ્ટમથી બનેલું છે. તેનું મૂળભૂત સિદ્ધાંત માળખું આકૃતિ 1 માં બતાવવામાં આવ્યું છે.

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

આ સમયે, વજન કરવાના પ્લેટફોર્મ પર વજન કરવાના ઑબ્જેક્ટ મૂકો, કંટ્રોલ પેનલ વજન કરવાના ઑબ્જેક્ટનું ચોખ્ખું વજન પ્રદર્શિત કરશે, અને સ્કેલને માપાંકિત કરી શકાય છે. જ્યારે ઑપરેશન પદ્ધતિ પસંદ કરવામાં આવે છે, ત્યારે વજન નિયંત્રક ગતિશીલ વજન અને સ્ક્રીનીંગ કામગીરીમાં પ્રવેશ કરશે. આ સમયે, વજન નિયંત્રક વજન પ્લેટફોર્મની બંને બાજુએ વજન કરવાના ભાગોના ઑપ્ટિકલ ડેટા સિગ્નલો તપાસશે, ચાલવાના ભાગોને ઓળખશે અને ગતિશીલ વજન અને સ્ક્રીનીંગ કામગીરી હાથ ધરશે.

મારા દેશમાં, મલ્ટિહેડ વેઇઝર માટે વપરાતા વજન નિયંત્રકો મોટાભાગે આયાતી ઉત્પાદનો છે, અને ચીનમાં વિકસિત અને ડિઝાઇન કરાયેલા મોટાભાગના ઉત્પાદનો સામાન્ય હેતુવાળા વજન ડિસ્પ્લેમાંથી વિકસિત થાય છે. ચોખ્ખા વજનની સ્ક્રીનીંગ શ્રેણી કીબોર્ડ દ્વારા ઇનપુટ કરવામાં આવે છે. જ્યારે બધું સામાન્ય રીતે કાર્ય કરી રહ્યું હોય, ત્યારે વાસ્તવિક ઓપરેટિંગ સ્ટાફ પ્રીસેટ મૂલ્ય જોઈ શકતો નથી, છબી નબળી હોય છે, અને ગોઠવણ અસુવિધાજનક હોય છે. અમારા દ્વારા વિકસિત અને ડિઝાઇન કરાયેલ વજન નિયંત્રક વિદેશી નમૂનાઓનું અનુકરણ કરે છે, અને ચોખ્ખા વજન સ્ક્રીનીંગ શ્રેણી સેટ કરવા માટે નિયંત્રણ બોર્ડના નિયંત્રણ પેનલ પર ચાર ચાર-સ્થિતિ DIP સ્વીચો સેટ કરવામાં આવે છે. પ્રોસેસિંગ ટેકનોલોજી અનુસાર ચાર DIP સ્વીચોને પાંચ ચોખ્ખા વજન શ્રેણીઓમાં વિભાજિત કરી શકાય છે (આકૃતિ 2 જુઓ).

ચાર-અંકના ડેટાના પહેલા બે અંકો પૂર્ણાંક રકમ દર્શાવે છે, અને છેલ્લા બે અંકો દશાંશ દર્શાવે 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 લેમ્પ અને કાઉન્ટર સેટ કરો.

વાસ્તવિક ઓપરેટિંગ સ્ટાફ ટ્રેડ એક્સટ્રુઝન ઇનલેટના કાર્યકારી દબાણને તરત જ ઉપલા ભૂલ અને નીચલા ભૂલ દ્વારા દર્શાવેલ ચોખ્ખા વજનના ટ્રેન્ડ વિશ્લેષણ અનુસાર ગોઠવી શકે છે જેથી ટ્રેડના ચોખ્ખા વજનને નિયંત્રિત કરી શકાય. આ રીતે, તે ખૂબ જ દ્રશ્ય અને અનુકૂળ છે. છ છ-અંકના દરેક રજિસ્ટરમાં સારી વજન, ઉપલા ભૂલ, નીચલી ભૂલ, ઉપલા વિચલન, નીચું વિચલન, ઉત્પાદન વોલ્યુમ (સારી, ઉપલા ભૂલ અને નીચલા ભૂલ સહિત) જેવી ડેટા માહિતી હોય છે.

તે જન્મ આઉટપુટ જેવા ડેટા અને માહિતીની નકલ કરવા માટે કોપિયરથી સજ્જ છે, જે ઉત્પાદન વર્કશોપ મેનેજમેન્ટ માટે અનુકૂળ છે. ઉપલા વિચલન અને નીચલા વિચલનવાળા અયોગ્ય ઉત્પાદનો માટે, સ્ક્રીનીંગ સાધનો તેમને દૂર કરવા માટે આપમેળે સક્રિય થશે, અને વાસ્તવિક ઓપરેટિંગ સ્ટાફને ધ્યાન આપવાની યાદ અપાવવા માટે એલાર્મ વાગશે. વજન નિયંત્રકમાં માત્ર સાઉન્ડ ડાયનેમિક વજન અને સ્ક્રીનીંગ કામગીરીના કાર્યો જ નથી, પરંતુ તેમાં શૂન્ય-પોઇન્ટ ઓટોમેટિક ટ્રેકિંગ, પીલિંગ અને શૂન્ય-ક્લિયરિંગ વગેરેના કાર્યો પણ છે. તે એક ઉચ્ચ-ચોકસાઇવાળું યુનિવર્સલ ડિસ્પ્લે ઇન્સ્ટ્રુમેન્ટ મીટર છે.

તેના મુખ્ય પ્રદર્શન પરિમાણો છે:. ડિસ્પ્લે સ્ક્રીન: ચાર-અંક સાત-સેગમેન્ટ LED ડિજિટલ ડિસ્પ્લે ટ્યુબ. ડિસ્પ્લે સ્ક્રીન રિઝોલ્યુશન: 300 મિલિયનથી વધુ. સેન્સર સ્વિચિંગ પાવર સપ્લાયને પ્રોત્સાહન આપે છે: DC15V. એક 16 પ્રિન્ટર ઇન્ટરફેસ. ઓપરેટિંગ તાપમાન: એક 10-40 ℃. પાવર સપ્લાય સિસ્ટમ સ્વિચિંગ પાવર સપ્લાય: AC380VsoHz બીજું, સોફ્ટવેર ડેવલપમેન્ટ બધા સિસ્ટમ સોફ્ટવેરના મોબાઇલ ફોન સોફ્ટવેરને બેકગ્રાઉન્ડ ઓપરેશન અને રિસેપ્શન પ્રોગ્રામ ફ્લોમાં વિભાજિત કરવામાં આવે છે. જે સામગ્રી ખૂબ વ્યવહારુ નથી, જેમ કે કોપી, ડેટા પ્રોસેસિંગ પદ્ધતિઓ અને નેટ વેઇટ સ્ક્રીનીંગ અને ઓળખ, તે બેકગ્રાઉન્ડ મેનેજમેન્ટ કાર્ય માટે ફાળવવામાં આવે છે; જ્યારે કલેક્શન, ટાઇમિંગ એક્ઝિક્યુશન વગેરે માટે વધુ વ્યવહારુ સામગ્રી, રિસેપ્શનિસ્ટને ફાળવવામાં આવે છે. સોફ્ટવેર ડેવલપમેન્ટ એક મોડ્યુલર ડિઝાઇન સ્ટ્રક્ચર અપનાવે છે, જે દૈનિક કાર્યો અનુસાર ઘણા પ્રોગ્રામ મોડ્યુલોમાં વિભાજિત થાય છે, જે ગોઠવણ, વિસ્તરણ અને ટ્રાન્સપ્લાન્ટેશન માટે મદદરૂપ છે.

સ્રોત પ્રોગ્રામનો સરળ ફ્રેમ ડાયાગ્રામ આકૃતિ 3 માં બતાવવામાં આવ્યો છે. સ્ટેટિક ડેટા વજન અને ગતિશીલ સ્ક્રીનીંગ અને વજન કરવા માટે, પ્રોગ્રામ ફ્લો મુખ્યત્વે કાર્યાત્મક વિશ્લેષણ અને હસ્તક્ષેપ વિરોધી ડિઝાઇન કરે છે. દરેકનું વર્ણન નીચે આપેલ છે.

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

2. એન્ટિ-હસ્તક્ષેપ ડિઝાઇન યોજના કારણ કે મલ્ટિહેડ વેઇઝર ઔદ્યોગિક ઉત્પાદનના કુદરતી વાતાવરણમાં કામ કરે છે, તેથી સ્થળ પર વિવિધ પ્રભાવો હોય છે, જે સ્કેલના સામાન્ય કાર્યને જોખમમાં મૂકે છે. તેથી, હાર્ડવેર રૂપરેખાંકન એન્ટિ-જામિંગ કાઉન્ટરમેઝર્સ ઉપરાંત, બીજા સંરક્ષણ તરીકે મોબાઇલ ફોન સોફ્ટવેર એન્ટિ-જામિંગ કાઉન્ટરમેઝર્સ પણ ખૂબ જ મહત્વપૂર્ણ અને અનિવાર્ય છે. સાઉન્ડ સિસ્ટમ સોફ્ટવેર માત્ર કાર્યાત્મક વિશ્લેષણ જ નહીં, પણ સિસ્ટમ સોફ્ટવેરની વિશ્વસનીયતા સુધારવા માટે એન્ટિ-હસ્તક્ષેપ ડિઝાઇન યોજના પણ હાથ ધરે છે.

સિસ્ટમ સોફ્ટવેર મોબાઇલ ફોન સોફ્ટવેર માટે નીચેના બે એન્ટિ-ઇન્ટરફરન્સ કાઉન્ટરમેઝર્સ પસંદ કરે છે: (1) એનાલોગ સિગ્નલ I/O સેફ્ટી ચેનલનો એન્ટિ-ઇન્ટરફરન્સ ઇલેક્ટ્રોમેગ્નેટિક ઇન્ટરફરેન્સ મોટે ભાગે બર-જેવો હોય છે, અને અસરનો સમય ઓછો હોય છે. આ લાક્ષણિકતા અનુસાર, નેટ વેઇટ ડેટા સિગ્નલ એકત્રિત કરતી વખતે, તેને ઘણી વખત સતત એકત્રિત કરી શકાય છે, જ્યાં સુધી સતત બે સંગ્રહના પરિણામો સંપૂર્ણપણે સમાન ન થાય, ડેટા સિગ્નલ વાજબી છે. જો ડેટા સિગ્નલ ઘણા સંગ્રહ પછી અસંગત હોય, તો વર્તમાન ડેટા સિગ્નલ સંગ્રહ કાઢી નાખવામાં આવશે.

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

મોબાઇલ ફોન સોફ્ટવેર પર, એક વધુ વાજબી એન્ટિ-ઇન્ટરફરન્સ કાઉન્ટરમેઝર એ છે કે સમાન ડેટા માહિતી વારંવાર આઉટપુટ કરવામાં આવે. પુનરાવર્તન ચક્રનો સમય શક્ય તેટલો ટૂંકો હોય છે, જેથી અસરગ્રસ્ત ભૂલ રિપોર્ટ પ્રાપ્ત થયા પછી, પેરિફેરલ ડિવાઇસ સમયસર વાજબી પ્રતિભાવ આપી શકતું નથી, અને યોગ્ય આઉટપુટ માહિતી સામગ્રી ફરીથી આવી જાય છે. આ રીતે, ખોટી મુદ્રા તરત જ ટાળી શકાય છે.

આ પ્રોગ્રામ ફ્લોમાં, આઉટપુટને ટાઇમિંગ એક્ઝેક્યુશન ઇન્ટરપ્ટમાં મૂકવામાં આવે છે, જે આઉટપુટ એરર ઓપરેશનને વાજબી રીતે ટાળી શકે છે. (2) ડિજિટલ ફિલ્ટરિંગ એકત્રિત ચોખ્ખા વજન ડેટા સિગ્નલને ધ્યાનમાં રાખીને બનાવવામાં આવે છે, જેનો ઘણીવાર મનસ્વી પ્રભાવ હોય છે, તેથી ડેટા માહિતી શ્રેણી ઉત્પાદનોમાંથી બિંદુના વાસ્તવિક મૂલ્યની નજીક ડેટા માહિતી મેળવવી અને ઉચ્ચ સ્તરની પ્રમાણિકતા સાથે પરિણામ મેળવવું જરૂરી છે. મોબાઇલ ફોન સોફ્ટવેરમાં, સામાન્ય પદ્ધતિ ડિજિટલ ફિલ્ટરિંગ છે.

આ પ્રોગ્રામ ફ્લોને સ્ટેટિક ડેટા વેઇંગ અને ડાયનેમિક સ્ક્રીનીંગ વેઇંગમાં વિભાજિત કરવામાં આવ્યા છે. અલગ અલગ વજન પદ્ધતિઓને કારણે, પસંદ કરેલી ડિજિટલ ફિલ્ટરિંગ પદ્ધતિઓ પણ અલગ અલગ છે. બે વજન પદ્ધતિઓ દ્વારા અપનાવવામાં આવેલી વિવિધ ડિજિટલ ફિલ્ટરિંગ પદ્ધતિઓ અનુક્રમે નીચે દર્શાવેલ છે.

¹સ્ટેટિક ડેટા વજન: સ્ટેટિક ડેટા વજનનો મુખ્ય વિચાર સિસ્ટમ સોફ્ટવેરની વિશ્વસનીયતા અને ચોકસાઈ છે. સ્થિર પરિસ્થિતિઓમાં પ્રદર્શિત માહિતીની સંબંધિત સ્થિરતા અને લોડિંગ દરમિયાન ઝડપી પ્રતિભાવ ધ્યાનમાં લેવો જરૂરી છે. તેથી, એકત્રિત ડેટા માહિતીની વિશ્વસનીયતા ઓળખ પહેલા 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 સૌથી પહેલાની ડેટા માહિતીમાંથી એક દૂર કરવામાં આવે છે, અને પછી આ સમયના નમૂના મૂલ્ય અને ઘણા પહેલાના સમયના નમૂના મૂલ્યને એકસાથે સરેરાશ કરવામાં આવે છે, અને વ્યક્તિ દ્વારા મેળવેલ વાજબી નમૂના મૂલ્ય ઉપયોગ માટે પહોંચાડી શકાય છે. તેથી, આ સિસ્ટમ સોફ્ટવેરની ઉપયોગીતામાં સુધારો કરે છે.

સેમ્પલિંગ ફ્રીક્વન્સી N ની પસંદગી ફિલ્ટરિંગની વાસ્તવિક અસરને ખૂબ નુકસાન પહોંચાડે છે. N જેટલો મોટો હશે, વાસ્તવિક અસર તેટલી સારી હશે, પરંતુ તે સિસ્ટમ સોફ્ટવેરના ગતિશીલ પ્રતિભાવને જોખમમાં મૂકશે. આ વજન નિયંત્રકમાં, સિસ્ટમ સોફ્ટવેરની વિશ્વસનીયતા અને ઝડપથી પ્રતિસાદ આપવાની ક્ષમતા સુધારવા માટે, જ્યારે તે સ્થિર હોય ત્યારે N 32 અને જ્યારે તે અસ્થિર હોય ત્યારે 8 હોય છે.

વાજબી ફિલ્ટરિંગ પદ્ધતિ પસંદ કરવાને કારણે, સિસ્ટમ સોફ્ટવેરની વિશ્વસનીયતા અને ચોકસાઈ અને તેના લોડિંગ પ્રતિભાવ સમયમાં વધુ સુધારો થયો છે.ºગતિશીલ સ્ક્રીનીંગ અને વજન: ગતિશીલ સ્ક્રીનીંગ અને વજનમાં, ચાલ ઝડપથી વજન પ્લેટફોર્મ પર આધારિત હોય છે. ચાલ 1.5 સેકન્ડની અંદર સ્કેલ પર હોય છે, તેથી નમૂના લેવાનું 1 સેકન્ડની અંદર કરવું આવશ્યક છે.

આ રીતે, નમૂના લેવાની આવર્તન મર્યાદિત છે. વધુમાં, કારણ કે જ્યારે વજન પ્લેટફોર્મ પર ઝડપથી ગોઠવાય છે ત્યારે ચાલવું ચોક્કસ કંપન પેદા કરશે, તે નમૂના મૂલ્યને અસર કરશે. તેથી, ઇલેક્ટ્રોમેગ્નેટિક હસ્તક્ષેપની ભારે સમપ્રમાણતાના નુકસાનને દબાવવા માટે કઈ ડેટા માહિતી માન્ય છે અને કયા પ્રકારની ડિજિટલ ફિલ્ટરિંગ ટેકનોલોજી પસંદ કરવામાં આવે છે તે ધ્યાનમાં લેવું ખૂબ જ મહત્વપૂર્ણ છે.

ચોક્કસ અવલોકન મુજબ, મલ્ટિહેડ વેઇઝરનું વજન ડેટા સિગ્નલ વેવફોર્મ આકૃતિ 5 માં બતાવવામાં આવ્યું છે. આકૃતિમાં, ટ્રેડના આગમનથી વજન પ્લેટફોર્મ સુધી તેના પ્રસ્થાન સુધીના સમયગાળાને ત્રણ કડીઓમાં વિભાજિત કરવામાં આવ્યો છે: પ્રથમ તબક્કો સમય t, સેગમેન્ટ છે, જે ટ્રેડના આગમનથી વજન પ્લેટફોર્મ સુધીની સમગ્ર પ્રક્રિયા છે જ્યાં સુધી તે સંપૂર્ણપણે વજન પ્લેટફોર્મ પર ન આવે. ચોખ્ખું વજન ડેટા સિગ્નલ અહીં છે. બીજો તબક્કો નવમો તબક્કો છે, ટ્રેડ સંપૂર્ણપણે વજન પ્લેટફોર્મ પર છે, અને આ સમયગાળો વજનનો તબક્કો છે; ત્રીજો તબક્કો સમય t છે. સેગમેન્ટ એ સમગ્ર પ્રક્રિયા છે જેમાં ટ્રેડ વજન પ્લેટફોર્મ છોડી દે છે, અને આ સમયગાળા દરમિયાન ચોખ્ખું વજન ડેટા સિગ્નલ ધીમે ધીમે શૂન્ય થઈ જાય છે.

નવ વજન વિભાગોની શરૂઆતમાં અને અંતે, વજન ડેટા સિગ્નલ પ્રમાણમાં ભારે અસર ભોગવે છે. પર્વત વિભાગમાં, એટલે કે, જ્યારે ચાલવું વજન પ્લેટફોર્મની મધ્યમાં હોય છે, ત્યારે વજન ડેટા સિગ્નલ પ્રમાણમાં સ્થિર હોય છે. તેથી, Δt સમય શ્રેણીની ડેટા માહિતી પસંદ કરવી વધુ આદર્શ છે.

ફોટોઇલેક્ટ્રિક સ્વીચના છેડા સુધી ચાલવા માટે મૂકવામાં આવેલા સ્કેલનો ઉપયોગ કરો જેથી વજન નિયંત્રક ગતિશીલ નમૂના ડેટા માહિતી અને પર્વતીય સમયની અંદર નમૂના પ્રાપ્ત કરી શકે. નમૂના લેવાની આવર્તન N નમૂના દર સાથે સંબંધિત છે. નમૂના લેવાની ગતિ જેટલી ઝડપી હશે, એકત્રિત આવર્તન N તેટલી ઊંચી હશે. ફોટોઇલેક્ટ્રિક સ્વીચના ઇન્સ્ટોલેશનમાં ખાતરી કરવી જોઈએ કે જ્યારે વજન કરવાની વસ્તુ વેઇટાઇશાન શહેરમાં સ્થિત હોય ત્યારે એકત્રિત દ્રશ્ય ડેટા ડેટા માહિતી છે.

એકત્રિત કરવામાં આવેલી N ડેટા માહિતી માટે, બધામાં અલગ અલગ પ્રભાવ ઘટકો હોય છે, તેથી ટ્રેડ નેટ વજનનું સાચું મૂલ્ય મેળવવા માટે વાજબી ફિલ્ટરિંગ પદ્ધતિ પસંદ કરવી જરૂરી છે. આ પ્રક્રિયા સંયુક્ત ફિલ્ટરિંગ તકનીક 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 અસરમાં સુધારો થાય, જેથી વાસ્તવિક અસર પ્રાપ્ત થાય જે ફક્ત એક જ ફિલ્ટરિંગ પદ્ધતિ દ્વારા પ્રાપ્ત કરી શકાતી નથી. અહીં, મહત્તમ મૂલ્ય ફિલ્ટરિંગ પદ્ધતિ અને અંકગણિત સરેરાશ ફિલ્ટરિંગ પદ્ધતિને જોડતી ફિલ્ટરિંગ પદ્ધતિ પસંદ કરવામાં આવી છે.

ડી-મેક્સિમા ફિલ્ટરિંગ પહેલા નોંધપાત્ર સિંગલ-પલ્સ પ્રભાવ મૂલ્યને દૂર કરે છે, અને સરેરાશ મૂલ્ય 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, સંચય કરો અને દયા માટે પૂછો, અને તેમાં ઉચ્ચતમ અને લઘુત્તમ મૂલ્યો શોધો, અને પછી સંચય અને વર્ટિકલમાંથી ઉચ્ચતમ અને લઘુત્તમ મૂલ્યો બાદ કરો, અને N એક અથવા બે નમૂના મૂલ્યો અનુસાર ગણતરી કરો. સરેરાશ, એટલે કે, વાજબી નમૂના મૂલ્ય મેળવવા માટે. સંયોજન ફિલ્ટરિંગ પ્રક્રિયાનો ફ્લો ચાર્ટ આકૃતિ 5 માં વજન ડેટા સિગ્નલના વેવફોર્મ ડાયાગ્રામમાં બતાવવામાં આવ્યો છે. ટ્રેડના આગમનથી વજન પ્લેટફોર્મ સુધી તેના પ્રસ્થાન સુધી, તે ત્રણ લિંક્સમાં વિભાજિત થયેલ છે: પ્રથમ તબક્કો સમય t, સેગમેન્ટ છે, જે તે સમય છે જ્યારે ટ્રેડ સ્કેલ પર આવે છે. પ્લેટફોર્મથી સ્કેલ પ્લેટફોર્મ પર સંપૂર્ણપણે ન થાય ત્યાં સુધી, આ સમયગાળા દરમિયાન ચોખ્ખું વજન ડેટા સિગ્નલ ધીમે ધીમે વધે છે; બીજો તબક્કો નવ સમય સમયગાળો છે, ટ્રેડ સંપૂર્ણપણે સ્કેલ પ્લેટફોર્મ પર છે, આ સમયગાળો વજન વિભાગ છે; ત્રીજો તબક્કો એટલે કે સમય ટી.

સેગમેન્ટ એ આખી પ્રક્રિયા છે જેમાં ટ્રેડ વજન પ્લેટફોર્મ છોડી દે છે, અને આ સમયગાળા દરમિયાન ચોખ્ખું વજન ડેટા સિગ્નલ ધીમે ધીમે શૂન્ય થઈ જાય છે. નવ વજન વિભાગોની શરૂઆતમાં અને અંતે, વજન ડેટા સિગ્નલ પ્રમાણમાં ભારે અસર ભોગવે છે. પર્વત વિભાગમાં, એટલે કે, જ્યારે ટ્રેડ વજન પ્લેટફોર્મની મધ્યમાં હોય છે, ત્યારે વજન ડેટા સિગ્નલ પ્રમાણમાં સ્થિર હોય છે.

તેથી, Δt સમયગાળાની ડેટા માહિતી પસંદ કરવી વધુ આદર્શ છે. ગતિશીલ નમૂના ડેટા માહિતી મેળવવા માટે વજન નિયંત્રક શરૂ કરવા માટે ફોટોઇલેક્ટ્રિક સ્વીચના અંત સુધી ચાલવા માટે મૂકવામાં આવેલા સ્કેલનો ઉપયોગ કરો, અને પર્વતીય સમયની અંદર નમૂના લો. નમૂના લેવાની આવર્તન N નમૂના લેવાના દર સાથે સંબંધિત છે. નમૂના લેવાની ગતિ જેટલી ઝડપી હશે, એકત્રિત આવર્તન N તેટલી ઊંચી હશે.

ફોટોઇલેક્ટ્રિક સ્વીચના ઇન્સ્ટોલેશનમાં ખાતરી કરવી આવશ્યક છે કે સૂત્રમાં એકત્રિત મૂલ્યોનો અંકગણિત સરેરાશ અને N એ 2 નમૂના મૂલ્યોનો અંકગણિત સરેરાશ છે; w એ i-th નમૂના મૂલ્ય છે; N એ નમૂના આવર્તન છે. ગણતરીને સરળ બનાવવા માટે, નમૂના આવર્તન સામાન્ય રીતે 6, 10, 18 તરીકે પસંદ કરવામાં આવે છે જેમ કે 2 થી 2 ની પૂર્ણાંક રકમની ઘાત વત્તા 2, જે ભાગાકારને બદલે શિફ્ટનો ઉપયોગ કરવા માટે અનુકૂળ છે. આ પ્રોગ્રામ ફ્લોમાં, નમૂના લેતી વખતે સોલ્યુશન પસંદ કરવામાં આવે છે, તેથી રૂલર AM માં ડેટા માહિતી સંગ્રહ ક્ષેત્ર વિકસાવવાની જરૂર નથી.

ડિજિટલ ફિલ્ટરિંગ પછી, W મૂલ્ય મેળવવામાં આવે છે, અને પછી ડિસ્પ્લે માહિતી, ઓળખ અને નકલ માટે ટ્રેડ નેટ વજન મૂલ્ય મેળવવા માટે પીલિંગ અને સરેરાશ ભૂલ રૂપાંતર જેવી ડેટા પ્રોસેસિંગ પદ્ધતિઓ હાથ ધરવામાં આવે છે. બીજા ફોટોઇલેક્ટ્રિક સ્વીચને ખબર પડે કે ટ્રેડ સંપૂર્ણપણે વજન પ્લેટફોર્મ છોડી ગયું છે, શૂન્ય-પોઇન્ટ ટ્રેકિંગ એસેમ્બલર શરૂ કરો, મોટા નમૂનાના નમૂનાને પસંદ કરો અને સરેરાશ ફિલ્ટર ટેકનોલોજીને ખેંચો, અને આપમેળે ટેરને દૂર કરો, જેથી આગામી ટ્રેડના આગમનની તૈયારી કરી શકાય. અગાઉથી તૈયારી સ્વીકારો. 3. નિષ્કર્ષ વજન નિયંત્રકમાં સંપૂર્ણ કાર્યો અને મજબૂત એન્ટિ-હસ્તક્ષેપ છે. તે ફક્ત વલ્કેનાઈઝ્ડ રબરના ક્ષેત્રમાં ટ્રેડ સ્ક્રીનીંગ કામગીરી માટે યોગ્ય નથી, પરંતુ ઇંડા, સિક્કા, પશુધન અને ઔદ્યોગિક ઉત્પાદન રેખાઓ જેવા વિવિધ મલ્ટિહેડ વજનકારોના સંચાલન માટે પણ યોગ્ય છે.

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

લેખક: સ્માર્ટવેઇગ– મલ્ટિહેડ વેઇટર ઉત્પાદકો

લેખક: સ્માર્ટવેઇગ– લીનિયર વેઇટર

લેખક: સ્માર્ટવેઇગ– લીનિયર વેઇઝર પેકિંગ મશીન

લેખક: સ્માર્ટવેઇગ– મલ્ટિહેડ વેઇટર પેકિંગ મશીન

લેખક: સ્માર્ટવેઇગ– ટ્રે ડેનેસ્ટર

લેખક: સ્માર્ટવેઇગ– ક્લેમશેલ પેકિંગ મશીન

લેખક: સ્માર્ટવેઇગ– કોમ્બિનેશન વેઇટર

લેખક: સ્માર્ટવેઇગ– ડોયપેક પેકિંગ મશીન

લેખક: સ્માર્ટવેઇગ– પ્રીમેડ બેગ પેકિંગ મશીન

લેખક: સ્માર્ટવેઇગ– રોટરી પેકિંગ મશીન

લેખક: સ્માર્ટવેઇગ– વર્ટિકલ પેકેજિંગ મશીન

લેખક: સ્માર્ટવેઇગ– VFFS પેકિંગ મશીન