神经网络技术在称重传感器中的应用

通过实际模型及其分析提出了几种快速称重方法和提高传感器性能的原理,着重阐述了基于神经网络理论,设计出称重传感器神经网络动态补偿器和提高传感器性能。仿真研究表明有效的提高了传感器动态响应的快速性,且对系统参数变化具有鲁棒性。将先进控制理论应用于实际传感器系统中,为提高传感器性能开辟了新途径,促进了称重传感器行业的发展。     

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。     

再谈制作高温电阻应变式称重传感器的若干问题(1)

为了提高高温称重传感器的性能,本文对应变片、应变片装置及高温称重传感器在实际应用环境中的温度传递作深入介绍,以利于研究人员能更深入、全面地了解高温称重传感器及高温环境下称量技术的特点。     

平行梁式称重传感器的动态仿真分析

为研究平行梁式称重传感器在工作时的动态性能,以电脑组合秤中的称重传感器为研究对象,基于解耦原理对其结构进行简化,运用达朗贝尔定理建立动力平衡方程,利用Matlab/Simulink软件对平行梁式称重传感器在偏载下的工作特性进行仿真分析,探讨了传感器整个工作历程下的瞬态响应。结果表明:本结构类型的称重传感器对偏载不敏感;在电脑组合秤加料称重完成0.19 s后,便可获得稳定的传感器输出值。     

多称重传感器衡器三组计量值称重技术

多称重传感器衡器的三组计量值称重,采用分路A/D转换技术及互为虚拟绞支理论,解决了多称重传感器衡器在称量工作中由于某一称重传感器出现故障或异常造成计量不准,同时又不容易发现的难题,提高了多称重传感器衡器称重的可靠性.     

柱式传感器倾斜误差问题初探

柱式传感器具有结构简单紧凑、抗过载和抗侧载能力强等优点,在大容量称重衡器中得到广泛的应用。但是,在柱式传感器的实际应用中,不可避免的会发生传感器倾斜称重的情况,从而造成了传感器的称重误差。本文采用弹性力学和理论力学方法,分析了传感器倾斜称重情况下的误差。     

一种多支点组合式称重传感器结构介绍

本文主要介绍一种多支点组合式称重传感器结构，它是由多支常规称重传感器组成的，将多支常规称重传感器的称重点结合起来，形成一个称重面（或点），撑起承载器，形成新型结构的电子秤，克服了常规称重传感器电子秤受环境温度和承载器扰度影响，提高了计量性能，以此技术制作出各式各样的新型结构电子秤计量性能好、体积小、称重大，使用方便。     

称重传感器弹性元件的结构设计与加工

本文主要阐述了称重传感器技术的发展和现状以及称重传感器弹性元件在设计时应注意的问题。根据应力集中的原则,指出了弹性元件上电阻应变计粘贴的合理位置。分析了弹性元件的制造过程中各个环节对称重传感器性能的影响。对合理设计弹性元件的结构,提高称重传感器整体性能指标和产品质量有充分的参考依据。     

边界条件对称重称重传感器计量性能的影响

应变式称重传感器的边界条件处理是影响称重传感器计量性能的重要环节,通过对几种典型称重传感器边界状态分析,找出边界条件与称重传感器计量性能之间的相关关系;供称重传感器设计时参考。     

应变式称重传感器的动态特性

本文分析了动态测力与动态称重;应变式称重传感器用于静态称重与动态称重的根本区别.重点介绍了应变式称重传感器的数学模型、传递函数、动态响应、动态性能指标和动态误差.简要介绍了国内外利用动力试验对应变式称重传感器进行动态校准的几种方法.     

BACK PROPAGATION NEURAL NETWORK MODEL FOR TEMPERATURE AND HUMIDITY COMPENSATION OF A NON DISPERSIVE INFRARED METHANE SENSOR

The infrared absorption gas sensor detects CH₄, CO, CO₂, and other gases accurately and rapidly. However, temperature and humidity have a great impact on the gas sensor's performance. This article studied the response of an infrared methane gas sensor under different temperatures and humidity conditions. After analyzing the compensation methods, a back propagation neural network was chosen to compensate the nonlinear error caused by temperature and humidity. The optimal parameters of the neural network are reported in this article. After the compensation, the mean error of the gas sensor's output was between 0.02–0.08 vol %, and the maximum relative error dropped to 8.33% of the relative error before compensation. The results demonstrated that the back propagation neural network is an effective method to eliminate the influence of temperature and humidity on infrared methane gas sensors.     

Prediction of pulsed GTAW penetration status based on BP neural network and D-S evidence theory information fusion

This paper used multi-sensor information fusion technology in pulsed gas tungsten arc welding. Arc sensor, visual sensor, and sound sensor were used simultaneously to obtain weld current, voltage, weld pool image, and weld sound information about the pulsed gas tungsten arc welding process, and special algorithms were designed to extract the respective signal features of different sensors’ information. Then D-S evidence theory was used to fuse the different signal features to predict the penetration status about the welding process. Aimed at the difficulty of obtaining basic probability assignment in D-S evidence theory, back-propagation (BP) neural network was used to obtain the basic probability assignment. Experiments were done to obtain data for training the BP neural network and test the prediction reliability of D-S evidence theory information fusion, and comparison results showed that D-S evidence theory could effectively use the information obtained by different sensors and obtain better prediction result than single sensor.     

基于BP神经网络的矿井一氧化碳检测方法研究

文章采用热催化传感器和电化学式气体传感器的配合使用，为了解决两种传感器对矿井一氧化碳和甲烷气体的“交叉敏感”问题，提出了一种基于BP神经网络技术的传感器系统。研究了采用两种传感器组成的多传感器阵列与BP神经网络相结合来实现一氧化碳气体浓度精确检测的方法。实验证明，利用基于BP神经网络的多传感器阵列模型，能有效的提高对井下一氧化碳气体的测量精度。     

基于Chebyshev网络和最佳逼近理论的CO2浓度检测

针对检测二氧化碳时因环境条件变化导致的检测精度降低、实时监测难、相似气体"交叉敏感"等问题,提出一种基于Chebyshev网络和最佳逼近理论的信息融合检测二氧化碳方法.该方法采用多个传感器采集多类信息,这些信息分别对应影响二氧化碳检测的物理量以及红外传感器测量数据,通过改进的Chebyshev网络进行信息融合,获得融合的检测结果.模拟试验结果表明:该方法明显地提高了检测二氧化碳的精度和鲁棒性.同时,采用信息融合技术,增强了气体检测的可控性.     

Thermal sensor selection for the thermal error modeling of machine tool based on the fuzzy clustering method

Thermal sensor selection is a work of great importance when modeling thermal error. The proper selection of thermal sensors and their locations may greatly improve the prediction accuracy. In this article, the fuzzy C means (FCM) clustering method and the ISODATA method are used to group the data of thermal sensors and a genetic algorithm–back propagation artificial neural network thermal model is established to testify the accuracy. A validity criterion for the FCM method is put forward to guarantee the precision of the model. Both the FCM and the ISODATA methods are effective for thermal sensor selection.     

光纤传感器的神经网络光强补偿及非线性校正

为实现光纤位移传感器的光强补偿及非线性校正,确立并构造了两输入单输出的BP神经网络。讨论了基于L-M优化算法的BP网络的优点,说明了神经网络的权值修正方法及网络的具体训练步骤,阐明了用神经网络实现光纤位移传感器光强波动补偿及传感器非线性校正的原理。最后使用Matlab实现了神经网络,并将该网络应用于实际测量,结果表明该网络很好地实现了传感器的光强补偿及非线性校正。     

传感器数据证实技术应用研究

传感器技术是现代测试和控制技术的灵魂 ,传感器输出信号的质量关系到整个系统性能的好坏程度。传感器数据证实技术是测控领域中的关键技术之一 ,文中提出了基于神经网络预测器的传感器数据证实技术。首先利用神经网络对传感器输出的时间序列建立预测模型 ,然后利用该模型预测出传感器输出值 ,并用该值与传感器实际输出值之差判断传感器实际输出的可靠性和有效性 ,进而减小不同环境噪声对传感器输出数据的影响。同时 ,为了实现在线应用 ,采用了遗传算法对神经网络的优化技术。实践表明 :文中提出的基于神经网络的传感器数据证实技术对缓变信号和快变信号都有很好的效果     

基于BP神经网络的压力传感器误差补偿算法研究

采用BP神经网络来建立扩散硅压力传感器的输出输入模型,其网络模型具有三层结构,采用改进型的差分进化算法来优化BP神经网络的权值和阀值,并在MATLAB中进行了仿真。经训练得到补偿后扩散硅压力传感器的输出满量程误差可达到0．035％,结果表明采用基于改进型差分进化算法的BP神经网络建模对提高智能差压传感器的测量准确度具有参考价值。     

基于FNN-GA的车用传感器在线诊断

基于模糊神经网络与遗传算法,提出了柴油机传感器故障的模糊融合诊断策略;运用模糊推理算法,依据不同故障的传感器波形信号,对传感器故障模式进行了判别,验证了故障诊断网络的可靠性。利用柴油机电控平台,进行了柴油机MAP、RPS和TPS的硬故障和软故障等性能试验。结果表明:所设计的传感器故障诊断模型合理,诊断策略具有较好的识别率,可用于柴油机传感器故障在线诊断。