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。     

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。     

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。     

基于神经网络的多传感器信息融合技术

介绍了多传感器信息融合的一般技术,分析了基于神经网络的多传感信息融合技术的组成和特点,探讨了机械加工过程多传感器信息融合的神经网络模型,指出了信息融合技术的一个新方法－小波神经网络。     

基于神经网络融合的传感器温度误差补偿

海底油气输送管道漏磁检测装置工作于高温高压环境下,其中的InSb霍尔传感器对温度敏感,需要补偿温度误差。该文构建了多传感器融合模型,将多个霍尔传感器和温度传感器的输出用径向基函数（RBF）神经网络进行融合,用遗传算法对网络进行训练。实验室检测数据和反演出的缺陷形状表明,采用神经网络融合方法进行误差补偿,简单方便,霍尔传感器输出的平均温度敏感系数降低了两个数量级。     

基于神经网络的机械加工多传感器信息融合研究

概述了多传感器信息融合技术的原理与方法，分析了该技术在机械加工过程中的优势，并详细地分析了其在刀具状态监测、加工精度预测和在线测量方面的应用。     

神经网络在多传感器信息集成与融合中的应用

多传感器信息集成与融合在处理信息中呈现出较好的实用性和优越性。介绍了有关多传感器信息集成与融合方面的基本知识，分析了传统的信息融合与运用神经网络实现多传感器信息融合的差异、实质，并给出了神经网络实现多传感器信息集成与融合的步骤。通过自动化程度很高的智能机器人对外界信息的集成与融合，用实验证明了神经网络比传统方法更能准确、可靠地描述传感器所获得的信息。     

多传感器集成与信息融合及其应用研究

本文介绍了近年来十分活跃的研究领域——多传感器集成与信息融合的有关理论,给出了多传感器集成与信息融合的过程和方法.最后介绍了仿真实验样机.     

传感器的误差补偿

本文介绍造成传感器测量误差的原因,并对每一种原因详细论述了补偿方法。     

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”.     

基于数字汽车衡技术的定量装车控制系统

近年来,随着称重技术的飞速发展,在提高产品质量、降低生产成本、保证安全生产、减少环境污染等方面,基于数字汽车衡技术的定量装车控制系统越来越发挥着更大的作用,精确的监控和计量对于提高企业的经济效益具有重要的意义。该文叙述了一种应用于化工行业的定量装车系统及其控制技术,具有一定的参考应用价值。     

替代法检定电子汽车衡时的误差分析

用替代法检定电子汽车衡时,为保证其准确可靠,正常运行,应密切注意检定工作中产生的误差。本文对电子汽车衡产生主要几个方面的误差进行分析,以保证替代检定工作正常进行。     

基于设计健壮性的汽车衡秤台结构优化设计

健壮性设计是质量工程中一种重要的方法。从这个概念出发，基于产品健壮性设计理论，结合有限元分析和优化设计技术，考虑多种工况，对汽车衡结构进行优化设计。     

基于径向基网络的光电编码器误差补偿法

将神经网络与数字信号处理技术(DSP)应用至光电轴角编码器的设计中,提出了一种新的编码器误差修正技术。建立了径向基函数网络模型,以高精度检测仪器的检测值为学习目标,以生成最小映射误差为原则调节网络权因子、径向基函数中心和宽度,使建立的网络具有良好的学习能力和泛化能力。利用DSP的在线烧写技术保存网络建模参数,运用此方法无需拆改编码器系统即可实现误差的补偿与修正,并且可根据使用需要进行程序更新.仿真和实验表明,采用此种方法可有效地提高编码器的系统精度并且很好地解决了非线性误差对系统的影响.     

信息识别技术在动态汽车衡中的应用

动态汽车衡作为一种自动称重设备,适用于大流量、不间断的称重计量。信息识别技术应用于动态汽车衡,使动态汽车衡实现了全自动无人值守,大大提高了动态汽车衡的称重效率,为动态汽车衡的应用开辟了更加广阔的前景。     

Windows下基于串口通信的多媒体汽车衡系统

为解决传统汽车衡称重计量中存在的诸多弊端,提高称量的准确度并加强企业管理,提出了一种Windows下基于串口通信的多媒体汽车衡系统。文章简单描述了该系统的组成结构和工作原理,重点通过扩展串口,利用上位机管理软件实现了称重数据与上位机之间的实时通信。该系统能够完成车辆自动有序地进出及称重数据的采集、处理等,并且实现了基于Windows平台的串口通信。经过实际运行验证,该系统不仅提高了工作效率,而且增强了称重数据的安全性,其应用日趋广泛。