地磅偏载误差补偿与称重融合方法研究

地磅偏载误差补偿与称重融合方法研究

地磅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。

现有地磅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,本文开展地磅称重误差补偿方法研究：利用地磅先验知识,构建一种基于偏导数约束与Lagrange乘子法神经网络(PD-LMNN)优化的称重融合方法,提高小样本下神经网络的泛化能力,从而减少地磅的称重误差；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,介绍了地磅基本情况及发展趋势、汽车衡的构成及工作原理,指出了现有地磅称重误差补偿的不足,阐述本文工作的重点；其次,构建了BP神经网络的地磅称重误差补偿模型,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；通过研究地磅输入-输出函数偏导数,并以此作为先验知识,构建有约束条件的神经网络,利用Lagrange乘子法构造增广拉格朗日函数作为神经网络的目标函数,弥补了传统神经网络因训练样本不足导致的泛化能力差的问题,通过两种算法对比仿真实验,验证了PD-LMNN算法的优越性；再次,以单片机MSP430F449为信息处理核心、24bit模／数转换器CS5532为称重数据采集单元,搭建了最大量程为250kg、分度值为0.2kg的地磅称重实验平台,给出了硬件电路与软件设计流程图；最后,根据非自动秤通用检定规程,对采用PD-LMNN方法的地磅称重实验平台进行了偏载误差、重复性误差、示值误差和鉴别力进行现场测试,给出了测试结果。测试表明,在实验室条件下,该地磅称重实验平台的偏载误差、重复性误差、示值误差和鉴别力指标均达到了国家标准《JJG 555-1996非自动秤通用检定规程》Ⅲ级秤要求。