汽車衡偏載誤差補償與稱重融合方法研究.pdf

1、汽車衡作為衡器的重要分支，具有稱重范圍廣、測量速度快、便于控制計算等優(yōu)點，廣泛應用于倉儲貿(mào)易、交通運輸、工礦企業(yè)等部門?，F(xiàn)有汽車衡受到偏載誤差與線性度誤差的影響，稱重結果準確度有待提高;同時，汽車衡稱重數(shù)據(jù)獲取不易，稱重系統(tǒng)處于小樣本狀態(tài)。針對這些缺點，在國家自然科學基金項目“大型衡器偏載誤差機理與多傳感器稱重融合方法研究”的支持下，本文開展汽車衡稱重誤差補償方法研究:利用汽車衡先驗知識，構建一種基于偏導數(shù)約束與Lagrange乘子法神

2、經(jīng)網(wǎng)絡(PD-LMNN)優(yōu)化的稱重融合方法，提高小樣本下神經(jīng)網(wǎng)絡的泛化能力，從而減少汽車衡的稱重誤差;建立以單片機MSP430F449為信息處理核心的汽車衡實驗平臺，通過實驗平臺測試，驗證了這種方法的有效性。
　　本文主要進行以下工作:首先，介紹了汽車衡基本情況及發(fā)展趨勢、汽車衡的構成及工作原理，指出了現(xiàn)有汽車衡稱重誤差補償?shù)牟蛔?，闡述本文工作的重點;其次，構建了BP神經(jīng)網(wǎng)絡的汽車衡稱重誤差補償模型，通過傳統(tǒng)的利用數(shù)據(jù)樣本訓練算法

3、(DINN)，對該模型進行訓練，指出了這種方法在小樣本情況下的不足;通過研究汽車衡輸入-輸出函數(shù)偏導數(shù)，并以此作為先驗知識，構建有約束條件的神經(jīng)網(wǎng)絡，利用Lagrange乘子法構造增廣拉格朗日函數(shù)作為神經(jīng)網(wǎng)絡的目標函數(shù)，彌補了傳統(tǒng)神經(jīng)網(wǎng)絡因訓練樣本不足導致的泛化能力差的問題，通過兩種算法對比仿真實驗，驗證了PD-LMNN算法的優(yōu)越性;再次，以單片機MSP430F449為信息處理核心、24bit模/數(shù)轉換器CS5532為稱重數(shù)據(jù)采集單元，