智能技术公司力矩限制器算法精度提升技术攻关之旅
在公司新一代4.0汽车起重机中，由智能公司研发的安全监控系统——力矩限制器产品取得多项技术突破。此过程中技术人员攻坚克难，针对原先产品存在的精度准确率不高、吊重跳动大、数据采集时间长等问题一一认真研究，特别是经过多次实验和持续改进的算法在精度及稳定性上都得到大大提高，得到主机公司认可。
1 多个神经网络取平均值提升准确率
原先的力矩限制器算法采用的是单个神经网络计算吊重，在实际使用时发现在一些情况下计算的吊重不够稳定，并且容易出现奇异点，导致吊重计算不准确。如何去除这些奇异点是当时面临的最迫切的问题，不解决这个问题，精度就达不到主机公司要求。通过对采集数据的多次仿真发现每个神经网络的奇异点都不相同，想要完全去除是不可能的。为此我们考虑用多个神经网络进行多次计算，在去除最大值和最小值后剩余网络计算值取平均，这样大大减少了出现奇异点的概率。经验证该方法避免了神经网络奇异值出现对吊重的影响，大大提高了吊重计算精度。
2 吊重稳定算法放光彩
在提高精度以后，我们发现虽然精度在误差范围之内，但吊重显示还是在一定范围内跳变，且变化较快，给使用者的体验不太好。要解决这个问题我们首先想到的是滤波，经实验发现滤波会引起汽车起重机起落钩时吊重显示延迟，只要能够区分出起落钩和重物离地两种工况，即可解决这一问题。经过多次实验，根据不同情况下吊重变化率，我们确定了如何区分起落钩和重物离地方法，经上车实验达到了预想效果。至此，我们成功解决了吊重显示不稳定的问题。该方法首次应用在白俄罗斯合资车型上，取得了3吨以下误差精度在0.1T以内的良好效果。
3 减少数据采集增效率
经过算法改进后，力限器的精度和稳定性已高于同类竞争产品，但我们数据采集时间是竞争对手的两倍，严重影响开发进度，缩短采集时间势在必行。
通过对采集数据分析发现数据采集分静态和动态两个过程，而最耗时的是静态数据采集。如若去除静态数据采集后不降低吊重计算精度就可大大缩短数据采集时间。为此，我们将动态上升和动态下降的数据合并，用这些数据代替静态点的值。经上车验证，算法精度并没有降低。然而我们幅度数据是与静态数据同时采集，去除静态数据还要增加幅度数据的采集，得不偿失。我们必须改进幅度数据的采集方法，修改数据采集软件，将幅度数据和动态数据合并，这样，不仅增加了幅度数据，还减少幅度数据人工对比时间。改进后数据采集时间大大缩短，提高了产品开发效率。
如今，智能公司生产的力矩限制器覆盖公司中小吨位4.0汽车起重机全部车型，且产品市场份额达到80%；同时完成了轮胎吊力矩限制器的开发。回想在无人指导下开展力限器算法开发的胆怯，到如今力限器算法的逐步提升、稳定，我们认识到办法总比问题多，只要努力探索研究，问题总能得到解决.目前智能公司技术部门已展开大吨位力限器的开发工作，针对大吨位单杠插销的特点进行了多次算法实验研究，并取得了良好的效果。
热门推荐