汽车衡偏载误差偿与称重融合方法研究.pdfVIP

摘要 汽车衡作为衡器的重要分支，具有称重范围广、测量速度快、便 于控制计算等优点，广泛应用于仓储贸易、交通运输、工矿企业等部 门。现有汽车衡受到偏载误差与线性度误差的影响，称重结果准确度 有待提高；同时，汽车衡称重数据获取不易，称重系统处于小样本状 态。针对这些缺点，在国家自然科学基金项目“大型衡器偏载误差机 理与多传感器称重融合方法研究’’的支持下，本文开展汽车衡称重误 差补偿方法研究：利用汽车衡先验知识，构建一种基于偏导数约束与 小样本下神经网络的泛化能力，从而减少汽车衡的称重误差；建立以 单片机MSP430F449为信息处理核心的汽车衡实验平台，通过实验平 台测试，验证了这种方法的有效性。 本文主要进行以下工作：首先，介绍了汽车衡基本情况及发展趋 势、汽车衡的构成及工作原理，指出了现有汽车衡称重误差补偿的不 足，阐述本文工作的重点；其次，构建了BP神经网络的汽车衡称重 误差补偿模型，通过传统的利用数据样本训练算法(DINN)，对该模 型进行训练，指出了这种方法在小样本情况下的不足；通过研究汽车 衡输入．输出函数偏导数，并以此作为先验知识，