基于多传感器相关性的地磅智能容错方法

现有地磅不具备容错功能，为此提出了一种地磅智能容错方法。根据多路称重传感器之间的相关性，利用径向 基函数神经网络建立称重传感器预估网络和自适应选择网络，完成称重传感器故障检测、失效传感器正常输出预估和地磅工作模式的自动切换，并将预估信号与其它正常传感器信号组合，通过称重结果融合网络完成任一传感器失效状态下汽车衡 的正常称重。试验与现场检定表明，这种智能容错方法实现了地磅任一传感器失效状态下的正常称重，其各项指标均优于 4级秤的要求，避免了称重系统失效。

1.引 言

地磅根据设计的称重量程，一般具有4?12路称重 传感器。这些传感器按一定的拓扑结构分布在地磅承载 器下方，构成典型的多传感器称重系统，各称重传感器的 输出相互影响，存在相关性[1]。现有汽车衡利用串联或并 联连接方式，在模拟接线盒中将各路称重传感器的输出信 号通过电路方式进行信号累加，获得一个与被测载荷质量 成比例的电压信号，经信号调理、A/D转换后，由单片机 处理获得称重结果，送显示、通信，完成被测载荷的称重。

这种方式缺陷明显：由于通过硬件电路直接将各路称重传 感器信号集中累加，割裂了传感器之间的联系，忽视了多 传感器的相关性，任一传感器失效都将造成整个称重系统 失效，即汽车衡不具备容错功能。文献提出了一种称重 传感器亚健康及早诊断方法，给出了地磅称重传感器亚 健康的故障特征，利用空载与加载标准砝码时各传感器的 输出信息，完成称重传感器的故障诊断；该方法有效，但 需要较多的人工干预，自动化程度低。文献根据称重传 感器对称分布关系，在某一传感器失效时，利用其相应的 对称传感器输出代替失效传感器的输出，实现失效传感器 称重信号的容错估计；该方法在均匀负载、对称加载的理想情况下有效，但地磅加载称量不可能处于理想状态， 其受加载位置和载荷非均匀性的影响较大，不能满足地磅的实际需要。

近年来，传感器的各种故障诊断与智能容错方法发 展迅速。对于具有典型多传感器系统特征的汽车衡，基 于神经网络方法的传感器故障诊断与智能容错方法 具有重要的参考价值，径向基函数神经网络(RBFNN)由 于具有很强的逼近非线性函数能力和自学习功能，收敛 速度快，鲁棒性好，无局部极小点，已广泛应用于系统 建模、函数逼近与非线性估计等。地磅各路称重传 感器的输出相互关联，它们之间存在某种非线性函数关 系，以RBFNN为核心建立预估网络，构造该函数关系 模型，当任一传感器失效时，估计该传感器的正常输出, 并与其它正常传感器的称重信号组合，完成任一传感器 失效状态下地磅的准确称重，以避免采用传统方法所 导致的称重系统失效。

2.基于多传感器相关性的智能容错算法

3.实验与结果分析

利用基于多传感器相关性的智能容错方法对SCS-40 型地磅进行了多次实验，均获得了良好的效果。该地磅的最大量程为40 t，采用8路称重传感器，每个传 感器的最大容量为20 t。为了简便而不失一般性，从8 路称重传感器中任取一路，本文以称重传感器4为实验 对象，其它称重传感器有同样的分析方法。通过实验获 得传感器4的检测阈值s4 (归一化）为0.01;检测次数 K=5。

3.1预估网络的训练

利用不同吨位的标准砝码（如1 t、6 t、12 t、24 t、 30 t等）加载在地磅的不同位置，采集120组8路称 重传感器输出信号，经数据预处理后，得到归一化数据 X，其中80组用于训练RBFNN (以7路数据作为输入 Xc=(Xi, X2, X3, X5,…,X8)T，X4作为目标输出），40组用于网 络测试。利用PC机采用式（9)对RBFNN进行离线训 练。当均方误差（MSE)目标为0.000 000 1，学习率u为0.005，遗忘因子％均为0.85，隐层神经元数目m为 10时，经多次仿真与实验发现RBFNN效果最好。网络 结束训练后，系统将各参数（如扩展常数R、中心矢量C、 权值矩阵W和输出层偏置《下载到称重系统的CPU中， 为地磅在线称重作准备。参数C、R、W和b如式（15) 所示。

每完成一次7路称重信号(Xi,X2,X3,X5,"%X8)T采集与数

据预处理后，系统将数据XeKXiX〗，X3,X5,…,X8)与RBFNN各参数C、R、W和b代入式（5)、（6)，经计 算、去归一化等，即可得到称重传感器4的预估值。图 4(a)为称重传感器4的归一化预估值（“estimative”曲线) 与归一化实测值“actual”曲线）比较；图4(b)为两者 的误差。从图中可以看出，基于RBFNN的预估网络能 够较好地预测称重传感器4的正常输出，预估误差较小。

3.2 称重结果融合网络的训练

利用与预估网络相同的训练样本，采用LMS训练算 法对称重结果融合网络进行离线训练。网络结束训练后, 系统将各参数（如权值矩阵Wf和偏置值bf)下载到称重 系统的CPU中，为汽车衡在线称重作准备。参数Wf和 bf如下：

W= (0.521 998, 0.520 813, 0.521 261, 0.521 937, 0.520 693, 0.521 417, 0.520 982, 0.521 469 )； bf= -0.009 658。

当系统检测到某一称重传感器失效时，利用预估网 路估计该传感器的正常输出，并与其它正常传感器的输出组合，获得称重结果融合网络的输入Xp。图5(a)所示 了传感器4失效状态下，称重结果融合网络输出（归一 化)(“estimative”)与地磅归一化目标值(“desire”)的比 较，图5(b)为两者的误差。由图5可以看出，当传感器4 失效时，称重结果融合网络能准确逼近汽车衡的目标输 出，误差很小。因此采用基于多传感器相关性智能容错 方法的地磅能够实现传感器失效状态下的正常称重， 避免了称重系统失效。

3.3地磅现场检定

在任一称重传感器失效状态下，按照国家标准《非自动秤通用检定规程JJG555-1996》的要求，对采用基 于多传感器相关性智能容错方法的SCS-40型地磅进 行了现场检定，表1为检定结果。由表可知，地磅的 最大称重误差切.5%，重复性为+8 kg，置零准确度为 +2 kg，各项指标均优于国家标准规定的4级秤要求， 避免了采用传统方法所导致的称重系统失效。

4.结 论

现有地磅由于不具备容错功能，任一称重传感器 发生故障都将导致称重系统失效。本文采用了一种基于 多传感器相关性的地磅智能容错方法，利用RBFNN， 建立了各传感器输出预估模型，获得失效传感器正常输 出的估计信号，并与其它正常传感器的称重信号组合， 完成任一传感器失效状态下的地磅称重。大量试验和 现场检定表明，这种方法实现了地磅容错功能，提高 了称重系统可靠性，当任一称重传感器失效时，采用该 方法的地磅各项指标均优于国家标准《非自动秤通用 检定规程JJG555-1996》规定的4级秤要求，避免了现有 地磅因传感器失效导致的称重系统失效，提高了系统 的实用性与可靠性。采用该方法的智能化地磅样机已 经通过柳州市计量技术测试研究所的现场检定，并开始 批量生产。