作者：朱亚男 单位：陕西鼓风机（集团）有限公司 出版：《工业仪表与自动化装置》2016年第01期 页数：6页  （PDF与DOC格式可能不同） PDF编号：PDFGYZD2016010220 DOC编号：DOCGYZD2016010229 下载格式：PDF + Word/doc 文字可复制、可编辑

    • 为解决轨道衡称重时非线性误差大、误差补偿较难实现的缺点，提出一种基于免疫RBF网络的轨道衡误差补偿实现方法。通过分析轨道衡称重误差的来源，建立了轨道衡的实际称重模型；针对传统RBF网络学习策略存在的不足，提出了基于免疫机制的三级RBF网络学习方法，通过免疫三级算法训练的RBF网络，在轨道衡误差补偿仿真实验中实现了良好的误差补偿效果，与普遍使用的加权融合误差补偿方法相比，免疫RBF网络补偿误差减小了约92%，具有明显优越性。

    📙 相关资料

    1. 《轨道衡称重的建模方法与模拟加载仿真研究》PDF+DOC 轨道衡称重结果受多种因素影响误差较大，因此必须采用合理的误差补偿方法对结果进行修正，为方便测试不同误差补偿方法的性能，该文提出一种轨道衡称重的建模方法。通过分析轨道衡实际测量过程提出偏载荷优化问题，进一步推导得出轨道衡称重时允许的载荷加载区域，该区域可作为实际加载过程中的最大偏载位置限制；利用模型设......
    2. 《称重传感器蠕变误差的神经网络补偿方法》PDF+DOC 针对电阻应变式称重传感器存在严重的蠕变误差直接影响称重结果准确度的问题，提出了一种基于神经网络的称重传感器蠕变误差自动补偿模型，并给出了模型的训练算法。对量程为50 kg，C3等级的电阻应变式称重传感器进行了实验，实验结果表明，使用神经网络蠕变误差补偿方法补偿后，称重传感器加载标准砝码30 min内......
    3. 《用小波神经网络补偿传感器非线性误差的研究》PDF+DOC 研究了一种用小波神经网络对传感器非线性误差进行补偿的方法 ，给出了相应的算法和计算公式。该方法可将传感器传输特性的非线性模型改造成为与实际物理过程相一致的不失真的线性模型 ，从而使传感器的非线性误差大大减小。应用实例结果表明了该方法的有效性。...
    4. 《基于RBF神经网络的电子秤非线性误差补偿》PDF+DOC 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《JJG 555-1......
    5. 《基于RBFNN的称重传感器温度误差补偿》PDF+DOC 称重传感器存在因环境温度不同导致的非线性误差，需要进行补偿。阐述了称重传感器的温度误差机理，提出了一种基于径向基函数神经网络(RBFNN)的称重传感器温度误差补偿方法，并给出了训练算法。采用该方法，利用量程为100 kg的称重传感器，在0～60℃范围内进行温度误差补偿实验。实验表明：采用这种方法补偿......
    6. 《沥青混凝土搅拌站称重系统的误差补偿》PDF+DOC 通过对沥青混凝土搅拌站称重系统静态非线性误差的分析，采用BP网络实现对称重传感器静态计量误差的补偿，以提高称重系统的计量精度，扩大其量程范围。结果表明：神经网络静态非线性误差补偿模块提高了称重系统的计量精度。...
    7. 《基于BP神经网络的煤矿膏体充填称重系统误差补偿》PDF+DOC 针对膏体充填中称重传感器的静态非线性误差，采用BP人工神经网络实现对称重传感器静态计量误差的补偿，以提高称重系统的计量精度，并通过实验表明，称重系统的非线性误差得到了很大改进，精度得到了很大提高，从而达到实现较好的充填效果的目的。...
    8. 《基于导数约束的称重传感器非线性误差补偿方法》PDF+DOC 电阻应变式称重传感器存在严重的非线性误差，直接影响称重结果的准确度。本文首先阐述了称重传感器的非线性误差机理与误差补偿原理，提出了一种基于导数约束的称重传感器非线性误差补偿方法。该方法根据称重传感器输入-输出特性曲线的单调递增性，构造神经网络补偿模型训练的约束条件，完成神经网络优化设计，弥补了因训练......
    9. 《称重传感器蠕变补偿的RBF网络模型》PDF+DOC 称重传感器的蠕变是影响精度的主要因素之一。针对传感器蠕变的实时性与非线性，建立了称重传感器蠕变补偿的RBF网络模型。设计硬件采集电路并采用低功耗处理器对传感器数据进行软件补偿。仿真结果表明，RBF神经网络具有很强的逼近非线性函数和自学习能力，能够对称重传感器的蠕变误差进行修正。补偿后的蠕变误差减小至......
    10. 《基于GSA-BP神经网络的压力传感器温度补偿》PDF+DOC 针对压力传感器输出的温度非线性特性，采用遗传模拟退火算法优化的BP神经网络(GSA-BPNN)进行误差补偿，并与标准BP神经网络补偿误差进行了比较。通过MATLAB仿真验证，实验结果表明：采用GSA-BP神经网络不易陷入局部极小值，大大减小传感器非线性误差，误差精度小于0.1%，补偿结果优于标准BP......

    提示：百度云已更名为百度网盘（百度盘），天翼云盘、微盘下载地址……暂未提供。