基于国标的称重传感器室温静态标定试验分析

介绍了基于国家标准GB/T7551—2008的称重传感器在室温下静态标定试验,包括该测试系统的组成、试验方法、误差计算方法和试验结果分析。参考称重传感器国家执行标准及性能试验程序,对悬臂梁式称重传感器在室温下进行静态标定试验。运用75%载荷点法计算称重传感器误差,验证其满足1000分度值的要求。采用最小二乘法求最佳拟合直线方程,计算灵敏度、线性度、滞后误差、重复性误差等主要静态特性指标,并对误差结果进行综合分析。     

轴承滚子凸度轮廓的最小二乘拟合与误差评定

为了实现对轴承滚子凸度轮廓误差的精确评定,依据圆弧修正型轴承滚子凸度素线轮廓的几何特征和形状误差的定义,基于最小二乘原理,研究了轴承凸度轮廓(两段圆弧和一段直线)的最小二乘拟合和误差评定方法。首先利用各测量点的曲率差值确定了圆弧段与直线段的相切参考点;其次分别选取两个参考点临近的测量点作为辅助相切参考点,并与对应的圆弧段测量点一起拟合出一系列的最小二乘圆弧并计算拟合误差;然后基于直线与两段圆弧相切的原则确定出一系列的直线方程并计算对应的直线度误差;通过比较判断最终确定出圆弧修正型轴承滚子凸度轮廓的最小二乘拟合及误差评定。实例结果表明:圆弧修正型凸度轮廓曲线的总误差0.020 9mm与文中设定标准凸度轮廓曲线引入的法向误差0.02mm相差4.5%。本方法可以有效的实现轴承凸度轮廓的拟合与误差评定,为平面多段曲线的最小二乘拟合提供了一种新的思路。     

传感器调零误差对直线误差分离的影响规律及其确定方法分析

分析了多点法直线 EST中传感器初始调零误差对直线误差分离结果的影响 ,指出不同方法的影响规律不同 :时域三点法中调零误差使直线形状误差按抛物线规律呈非线性增大 ,对直线误差评定产生很大影响 ;时域二点法中调零误差使直线形状误差线性增大 ,但对评定无影响 ;频域三点法的直线误差则不受调零误差的影响。提出了通过构造软基准来确定调零误差的两种方法 :时域频域结合法和对称反转配置法 ,可以克服常规方法的局限性     

评定直线度误差的最小二乘法与 最小包容区域法精度之比较

介绍了直线度误差评定的最小二乘法和最小包容区域法的算法模型与实现方法。在三坐标测量机上对八种不同被测直线进行了采样点坐标数据提取,分别用最小二乘法和最小包容区域法的基于搜索逼近-逐次旋转逼近法进行了给定平面内直线度误差的评定。结果表明:最小二乘法的评定结果与最小包容区域法的基于搜索逼近-逐次旋转逼近法的评定结果完全一致,即直线度误差的最小二乘法评定结果符合最小条件。     

基于反拟合法的电容称重传感器非线性校正

本文针对电容称重传感器电容检测电路的输出电压值与载荷质量之间的非线性特性,在测试系统中增加了非线性校正环节,利用多项式拟合法,求取传感器反非线性特性,进行曲线拟合实现非线性校正,并给出逼近多项式系数的最小二乘求解方法。实际应用表明,其测量载荷的精度可以达到要求,非线性校正效果明显,具有良好的应用和推广价值。     

非圆曲线的最小拟合误差逼近法

提出并论证了一种用直线拟合非圆曲线的新方法──最小拟合误差逼近法，它具有拟合误差小，节点数少，计算和编程简便的特点。     

同轴度误差快速评定新算法

针对空间最小二乘拟合同轴度基准轴线算法效率较低的问题,提出一种同轴度误差快速评定新算法。根据空间最小二乘法拟合直线的思想,利用两次投影法,先将n个基准要素的轮廓圆心正截面投影到xo Y面上,求取拟合的基准轴线与xo Y面的交点,再将n个被测实际要素轮廓正截面圆心投影到xo Y面上,将三维问题转化为二维问题,进行同轴度误差评定。并对一组数据进行了MATLAB仿真,结果证明该算法准确,便捷且计算速度大幅度提高。     

海洋工程大型起重船力矩限制器的设计

根据8 000 t大型起重船的16点起重量-幅度表,对力矩限制曲线进行回归分析,利用最小二乘法拟合出起重机的力矩限制曲线。由于大型起重船臂架的变形使称重传感器输入输出呈现非线性的关系,用最小二乘法对称重传感器的输出进行了反非线性拟合,得到校正后的准确载重量。利用ARM7单片机实现设计思路,完成了系统的硬件电路和软件程序的设计,所设计的系统可以实现称重的准确测量,力矩限制的极限时可以自动报警并切断不安全方向的操作,起到保护的作用。     

基于自适应加权融合的汽车衡故障传感器预估

传统汽车衡任意一路称重传感器发生故障都将导致称重系统失效。提出了一种基于自适应加权融合的汽车衡故障传感器预估方法:根据多路称重传感器输出相关性和相邻传感器输出比值的相关性,建立基于径向基函数神经网络(RBFNN)的故障传感器输出预估网络和传感器输出比值的预估网络,得到两组冗余估计信号,采用自适应加权融合方法完成冗余信号融合,获得故障传感器输出估计值。仿真实验与现场测试表明,采用该方法的故障传感器称重误差小于任何单个预估网络误差和算术平均值融合误差,任一传感器发生故障时的汽车衡整体称重误差≤0.5%,避免了称重系统失效。     

基于最小二乘法的差动变面积式电容传感器非线性拟合

分析了差动变面积式电容传感器的非线性因素,研究了用最小二乘法进行电容传感器非线性拟合的方法,并给出了用最小二乘法求得的差动变面积式电容传感器的拟合特性曲线函数关系,最后给出了拟合曲线与实验测得数据的误差。     

JJG907-2006《动态公路车辆自动衡器》静态试验解读

《动态公路车辆自动衡器》的静态称量和静态试验在JJG907-2006《动态公路车辆自动衡器》检定规程（以下简称＂规程＂）中多次出现,前后关联、相互错综链接。为更好地理解规程,理清脉络,结合OIML国际建议R134进行分析,以期明晰概念,为规程的使用者提供一些便利。     

Z-力敏传感器分段线性化法补偿

设计Z-型力传感器的工作电路,给出了力数字传感器输出标准值.通过单片机编程实现分段线性化的方法进行非线性补偿;对于温度补偿采用不同的补偿数据;对于分散性采用标度变换的方法;对于零点漂移采用测量加载频率和空载频率差进行判断,并通过程序判断进行锁定的方法.实验结果表明,设计的Z-型力传感器的输出与期望的线性输出的最大引用误差小于±0.5%,满足一般测量要求,对于Z-型力数字传感器的批量化生产具有现实意义.     

再谈正确使用称重传感器

本文重点对大型、长规格汽车衡产品如何选择使用称重传感器的问题进行分析、探讨。针对桥式称重传感器、柱式称重传感器、扭曲环称重传感器、双剪切梁吊环称重传感器（双剪切梁称重传感器）的各自特点,就如何保证作用力垂直传递、确保衡器计量准确度,谈谈一些设计方法。     

称重传感器非线性误差的RBFNN补偿

称重传感器的输入与输出成非线性关系,需进行非线性补偿。文中阐述了称重传感器的非线性误差,并提出了一种基于径向基函数神经网络(RBFNN)的称重传感器非线性误差补偿方法,利用RBFNN构建了称重传感器输入Fx与输出Uox的反函数,实现了称重传感器的非线性误差补偿。实验表明:采用这种方法补偿后,称重传感器大秤量段的非线性相对误差减少了一个数量级,提高了称重准确度。     

称量结果之间差值的检测方法

本文对不同称量方式,不同结构的衡器,在检测其称量结果之间的差值时,选用的检测方法,加载标准砝码的量,称量值导出的示值的误差要求等做了介绍.     

基于RBF神经网络集成-模糊加权输出的数字温度传感器误差补偿

数字温度传感器存在非线性误差,在高精度测温系统中需要进行误差补偿。提出了一种基于径向基函数神经网络集成-模糊加权输出(RBFNNE-FWO)的数字温度传感器误差补偿方法:首先根据数字温度传感器的误差特征,提取特征阈值,构造三个相互独立的成员RBFNN;考虑到成员网络之间边界误差补偿问题,构建一种RBFNN集成输出权值模糊调节器,获得RBFNN集成输出权值,从而完成数字温度传感器的全量程误差补偿。与多种方法的比较仿真实验表明,这种RBFNNE-FWO方法的性能最佳、各成员网络边界误差最小,补偿后的数字温度传感器误差减少了两个数量级,大大提高了测温准确度。     

基于预测误差法的加速度传感器动态模型参数辨识

加速度传感器动态模型对研究与分析加速度传感器的动态特性与动态误差补偿具有重要作用。针对加速度传感器动态模型的参数辨识,提出了一种基于预测误差法的加速度传感器动态模型参数辨识方法,该方法将加速度传感器的状态空间模型转化为线性带外生输入的自回归滑动平均(ARMAX)模型,获得其最优一步预测输出的表达式,并通过求解加速度传感器最优一步预测输出极小化误差准则函数,实现加速度传感器动态模型参数的最优辨识。实验结果表明,该方法有效地实现了加速度传感器动态模型的参数辨识,所得加速度传感器动态模型具有较高的精度,能描述加速度传感器的动态特性。     

称重传感器大气压力影响的研究

大气压力的变化对称重传感器的输出存在一定的影响,当该影响量超过一定量时会影响到传感器的计量性能;通过大量的试验分析,确定大气压力的变化对不同结构、不同量程、不同准确度等级及不同密封工艺的称重传感器带来的影响量的大小,从而提出是否有必要在型式试验时对所有的称重传感器都做大气压力影响试验。     

Adaptive compensation for eccentric error in truck scale

The conventional compensation for eccentric error in truck scale is realized by repeatedly regulating the potentiometer in junction box to adjust gain of each channel with load cell, which is fussy and labor-intensive. In this paper, eccentric error sources are analyzed, and an error model is established. A method of adaptive compensation for eccentric error is proposed, and its model of compensation based on radial basis function neural network (RBFNN) is established, which considers the output signals of multiple load cells as its input variables. A learning algorithm of RBFNN is also presented. Experiments and verifications in field show that with adaptive compensation the eccentric error from some nonlinear factors of truck scale is greatly reduced, and it is less than the maximum permissible error of scales with medium accuracy defined by international standard OIML R76 “Nonautomatic Weighing Instruments”.