基于多传感器相关性的汽车衡智能容错方法

现有汽车衡不具备容错功能,为此提出了一种汽车衡智能容错方法.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汽车衡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汽车衡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.     

基于RBF神经网络的电子秤非线性误差补偿

称重传感器、秤盘机械结构的非线性环节影响了电子秤称重结果的准确度。本文分析了电子秤的非线性误差来源与误差机理。在此基础上利用径向基函数神经网络（RBFNN）构建了一种电子秤非线性误差补偿网络,完成了电子秤的非线性校正。经现场检测表明。采用这种方法补偿后的电子秤称重误差小于国家标准《JJG555—1996非自动秤通用检定规程》规定的中级秤允许误差。提高了称重准确度。     

汽车衡各种限位装置的性能分析

汽车在驶入或驶离汽车衡时,会对汽车衡产生一定的水平冲击力,这种冲击力会造成秤台的晃动,从而影响称重精度,因此抑制这种晃动,缩短秤台复位时间,有利于提高称量精度,所以设计和选用合理的限位装置也尤为重要。选用何种限位装置与衡器所采用的称重传感器的形式、衡器的纵向安装坡度以及衡器的安装地理环境等条件有关。合理使用、调整限位装置是保证汽车衡在动态称重过程中取得精准的重量、安全称量的必要条件。     

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。     

数字式电子汽车衡角差修正研究

电子汽车衡由多个称重传感器组成,相比由单个传感器组成的称重系统,重量的计算更加复杂。除了线性度校准,还需要进行角差修正。在模拟传感器组成的汽车衡调试时,需要通过调整各路传感器的角差调整电位器进行角差修正。目前应用广泛的数字式传感器为角差修正提供了更多方法。在分析了数字式电子汽车衡产生误差的原因后,基于目前常用的线性方程组法,提出了用最小二乘法进行角差系数优化的方法,并进行了实验验证。实验表明,此方法可以提高数字式电子汽车衡的称量准确度。     

简述称重传感器和汽车衡的分度值关系

在汽车衡的使用中,常常涉及到汽车衡的秤量精度与汽车衡选取的称重传感器的精度的关系,特别是汽车衡的最大分度数和称重传感器的分度数的关系,影响了汽车衡秤量精度的确定。本文从JJG 555-1996非自动秤通用检定规程和JJG 699-2003称重传感器检定规程等规范文件的定义方面,来推论传感器的最大分度数与其组成汽车衡的最小分度值的关系,进而寻找传感器的最大分度数与其组成汽车衡的最大分度数的关系。     

关于大型电子汽车衡检定若干问题探讨

本文介绍了一种提高大型电子汽车衡称量线性校准检定的方法,可以很好地解决当前因标准砝码不足,称重系统称量准确度无法保证的难题。     

论多称重传感器衡器三组计量称重技术的可行性分析

多称重传感器衡器三组计量称重的原理分析和对汽车衡、料斗秤、轨道衡实际应用的工况分析及现场数据表明,多称重传感器衡器三组计量称重技术,只有在理想情况下才能成立或者是准确度要求相对不高的情况下才能使用。     

定量包装电子秤

定量包装电子秤主要由秤体和电子称量控制系统组成。秤体包括加料装置和称量装置,称量控制系统主要包括称重传感器和二次仪表。针对称量误差产生的原因对系统采取了减少误差的措施,称量精度达到0.05%。     

HCS全电子汽车衡

应用引进技术生产的全密封称重传感器和功能比较完善的ＰＲ１５９３／００称量仪表是全电子汽车衡的关键器件，配以全钢薄型结构的承载秤台可以获得高性能、高可靠的称重系统。本文主要论述称重传感器的原理、承载秤台的结构原理和设计要点。