【87】四点应变片称重设备

最新推荐文章于 2026-10-29 14:59:25 发布

原创最新推荐文章于 2026-10-29 14:59:25 发布 · 205 阅读

5 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

收录于

单片机开发笔记

本文介绍基于四点式悬挂应变片的高精度称重设备设计，涵盖硬件选型（STM32L431+ADS1261）、数据稳定性判断、零点自动追踪、二阶Butterworth低通滤波器应用及温度补偿模型。重点分析滤波算法对低频称重信号的保真处理，以及最小二乘法在多点传感器融合中的实现，确保直流重量信号无失真、抗干扰强、温漂可控。

1 引言

本blog记录了四点式悬挂称重设备开发过程中的一些内容，在写中总结，在写中分析，亦便于日后的回顾和复习。

2 滤波器

2.1 一阶低通滤波

2.1.1 概念

一阶低通滤波器，目的是将截止频率以内的信号无衰减通过，高于截止频率的信号被阻断（产生衰减）。

上述H（s）是一阶低通滤波器的传递函数。

2.1.2 电路一阶低通滤波器

如下展示为最常见的RC一阶低通滤波器。

其传递函数如下：

对比标准传递函数公式，可得 $RC = \frac{1}{2pi*fc}$ ，因此可根据截止频率fc来设计RC得值。

2.1.3 数字一阶低通滤波器

如下是一阶低通滤波器模型。

下图展示了经过一阶低通滤波后，波形的前后对比。

2.2 Butterworth 滤波器

ButterWorth滤波器是IIR无限脉冲响应滤波器的一种，是经典逼近式。设计目标是使通带内的频率响应尽可能平坦（无波纹），且整体幅频响应单调下降。代价是过渡带（从通带到阻带的下降斜率）相对平缓，信号的选择性不如其他类型。

2.3 常见滤波器总结

2.3.1 IIR滤波器

IIR是无限冲激响应滤波器，输出不仅取决于当前输入信号，也取决于过去的输入和过去的输出。

2.3.2 IIR滤波器

FIR是有限冲激响应滤波器，FIR 只会“记住”有限个输入样本，影响输出的仅是有限个样本。

常见滤波器比较：

3 系统方案

3.1 硬件方案

主控MCU：STM32L431

ADS1261高精度ADC模块：20SPS+FIR

3.2 数据稳定性判断方案

数据稳定性判断，开辟了12个数据作为缓存基础数据，每新来一个数据则替换掉最旧的数据。

（1）窗口数据不满时，不稳定；

（2）新数据超过当前数据平均值上下，连续两次，则判断为数据不稳定；

（3）计算窗口缓存数据方差，方差小，则表明数据较为稳定；

3.2 零点自动追踪方案

在不放重物清空下，ADC采集应变片的数值也会随机跳变，且因为应变片具有迟滞性，空载0点不一定是一个固定值。因此为了测量精度更高，在应变片adc值变化较小时，空载0点需合理的跟随实际的0点进行微小的变化。

（1）数据不稳定时，判断adc值是否穿越了0点adc0，如果有穿越，那么数据异常重量显示清零；

（2）零点自动跟随方案使用的是一阶低通滤波：

zero_new = zero_old + α × (ADC_current - zero_old)

更新频率是每1.5s间隔，调用一阶低通滤波算法，进行一次0点自动更随。只有ADC值变化小于500这个数值或测量重量变化在0.1kg变化内，才允许自动跟踪。

3.3 二阶ButterWorth 低通滤波器

二阶Butterworth滤波器传递函数如下。

其特点如下（来自deepseek）：

在称重采集应变片传感器 ADC 值时选择 Butterworth 滤波器，核心原因在于称重信号本质上是直流或极低频信号，而 Butterworth 滤波器在通带内具有“最大平坦”的幅频响应，意味着它能在有效滤除高频噪声和振动干扰的同时，不引入任何通带纹波，从而避免对真实的重量直流分量造成周期性调制或失真。

项目中使用Butter worth滤波器对信号滤波，并使用IIR滤波器进行对比，滤波器设计如下。

IIR滤波器：

参数：一阶低通滤波、α = 0.6

公式：zero_new = zero_old + α × (ADC_current - zero_old)

Butter Worth滤波器：

参数：采样率5Hz 、截止频率0.016Hz、二阶低通滤波、窗口大小是12

项目中滤波器滤波前后比对如下。

在采样率和截止频率设置不对情况下，可能会出现不好的滤波效果，如下图示。

空载时波形变化。

3.4 四点式悬挂称重

本项目是四点悬挂式称重，每个悬挂点有一个应变片传感器，通过ads1261采集传感器的模拟量，然后再使用最小二乘法直接拟合，实现对物体的称重。

// 矩阵直接拟合方案
// W  = cw[0]*x1  + cw[1]*x2  + cw[2]*x3  + cw[3]*x4
// Mx = cmx[0]*x1 + cmx[1]*x2 + cmx[2]*x3 + cmx[3]*x4
// My = cmy[0]*x1 + cmy[1]*x2 + cmy[2]*x3 + cmy[3]*x4

// 参数说明：
// x1 ~ x4 分别是四个通道采集到的adc值
// cw 是 重量与adc系列
// cmx、cmy是 重心位置与adc值系数

3.5 温度补偿

本项目工程中使用两点线性温度预测模型。

// 如以常温T0 = 25度、T1 = 80度为范围进行温度补偿参数计算

// 零点补偿系数 
// k0 单位是 count/°C = "每变化 1°C，零点漂几个 count"
k0 = ( adc0(80°C) − adc0(25°C) ) / ( T2 − T1 )

//灵敏度补偿系数
// k1 单位 1/°C = "每变化 1°C，灵敏度相对变了百分之几
k1 = ( cw(80°C) − cw(25°C) ) / ( cw(25°C) × (80 − 25) )
   = ( cw_t2 − cw_ref ) / ( cw_ref × 55 )

温度补偿参数确认需进行如下标定示例。

时间点1：常温 25°C
└─ 跑一次完整 CALIB_ALL（0kg + 28 点）
→ 得到 adc0(25°C)、cw(25°C) ← 这就是"参考点"，T_cal = 25

时间点2：5°C（已热平衡）
└─ 快速量两组：0kg 各通道零位 + 50kg 放台面中心各通道
→ 得到 adc0(5°C)、cw(5°C) ← 这就是"第二点"，T2 = 5

（1）零点补偿系数k0 单位(count/°C)