地磅偏載誤差補償與稱重融合方法研究

地磅作為衡器的重要分支,具有稱重范圍廣、測量速度快、便于控制計算等優點,廣泛應用于倉儲貿易、交通運輸、工礦企業等部門。

現有地磅受到偏載誤差與線性度誤差的影響,稱重結果準確度有待提高；同時,汽車衡稱重數據獲取不易,稱重系統處于小樣本狀態。針對這些缺點,在國家自然科學基金項目“大型衡器偏載誤差機理與多傳感器稱重融合方法研究”的支持下,本文開展地磅稱重誤差補償方法研究：利用地磅先驗知識,構建一種基于偏導數約束與Lagrange乘子法神經網絡(PD-LMNN)優化的稱重融合方法,提高小樣本下神經網絡的泛化能力,從而減少地磅的稱重誤差；建立以單片機MSP430F449為信息處理核心的汽車衡實驗平臺,通過實驗平臺測試,驗證了這種方法的有效性。

本文主要進行以下工作：首先,介紹了地磅基本情況及發展趨勢、汽車衡的構成及工作原理,指出了現有地磅稱重誤差補償的不足,闡述本文工作的重點；其次,構建了BP神經網絡的地磅稱重誤差補償模型,通過傳統的利用數據樣本訓練算法(DINN),對該模型進行訓練,指出了這種方法在小樣本情況下的不足；通過研究地磅輸入-輸出函數偏導數,并以此作為先驗知識,構建有約束條件的神經網絡,利用Lagrange乘子法構造增廣拉格朗日函數作為神經網絡的目標函數,彌補了傳統神經網絡因訓練樣本不足導致的泛化能力差的問題,通過兩種算法對比仿真實驗,驗證了PD-LMNN算法的優越性；再次,以單片機MSP430F449為信息處理核心、24bit模／數轉換器CS5532為稱重數據采集單元,搭建了最大量程為250kg、分度值為0.2kg的地磅稱重實驗平臺,給出了硬件電路與軟件設計流程圖；最后,根據非自動秤通用檢定規程,對采用PD-LMNN方法的地磅稱重實驗平臺進行了偏載誤差、重復性誤差、示值誤差和鑒別力進行現場測試,給出了測試結果。測試表明,在實驗室條件下,該地磅稱重實驗平臺的偏載誤差、重復性誤差、示值誤差和鑒別力指標均達到了國家標準《JJG 555-1996非自動秤通用檢定規程》Ⅲ級秤要求。