《大型衡器偏載誤差機理與多感測器稱量融合方法研究》是依託湖南師範大學，由林海軍擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：大型衡器偏載誤差機理與多感測器稱量融合方法研究
- 項目類別：青年科學基金項目
- 項目負責人：林海軍
- 依託單位：湖南師範大學
項目摘要,結題摘要,
項目摘要
大型衡器是智慧型交通、貨運物流等質量稱量的關鍵計量器具，是典型的非線性、強耦合性多感測器系統。現有大型衡器通過人工調節偏載誤差，工作量大、補償效果差、稱量準確度低，是國內外靜態稱重領域亟待解決的難題。本項目研究大型衡器偏載誤差機理與多感測器稱量融合方法，主要包括：①基於有限元法的偏載誤差機理研究，揭示偏載誤差規律與多感測器關聯性，為誤差補償提供理論依據；②構造基於先驗知識的約束條件，建立改進型升餘弦-徑向基函式(RC-RBF)神經網路集成最佳化方法，在此基礎上構建大型衡器偏載誤差補償與稱重信息融合模型，實現偏載誤差自動補償與準確稱重；③構建多感測器稱重模擬實驗平台，驗證理論方法的準確性與實用性。項目研究可形成大型衡器偏載誤差補償與稱量融合理論與方法，解決現有大型衡器存在的嚴重問題，關鍵技術與方法對其它多感測器測控系統的誤差補償與檢測估計具有重要借鑑意義，也為神經網路集成最佳化研究開闢一種新思路。
結題摘要
大型衡器（汽車衡、軌道衡等）是智慧型交通、貨運物流等質量稱量的關鍵設備，是典型的非線性、強耦合性多感測器系統。偏載誤差是造成大型衡器稱量誤差的主要原因，目前採用的人工調節法、線性回歸法、角差修正法等，都將大型衡器簡單等效為多輸入單輸出的線性系統，誤差補償效果差、效率低，嚴重影響了稱量結果的準確性與可靠性，是目前大型衡器稱重計量領域亟待解決的難題之一。針對這一問題，本項目以汽車衡為研究對象，主要開展了如下研究工作：（1）通過分析汽車衡偏載誤差影響因素和誤差來源，深入研究了汽車衡偏載誤差機理，並開展了基於有限元法的汽車衡受力分析方法研究。（2）研究了基於先驗知識的神經網路最佳化方法，形成了一套適合小樣本情況下的神經網路最佳化設計方法。通過提煉系統先驗知識（包括系統的單調性、有界性、光滑性、系統誤差分布特徵）、研究先驗知識對神經網路最佳化的影響機制，構建了神經網路最佳化的約束條件，建立了條件約束下的神經網路訓練算法，分析或證明了算法的收斂性，有效提高了小樣本情況下神經網路模型的泛化能力；在此基礎上，建立了基於理想稱重模型與神經網路集成的大型衡器稱重融合方法、基於導數約束的稱重感測器非線性誤差補償方法、基於懲罰函式與系統誤差分布特性的汽車衡稱重融合方法、基於神經網路權值光滑約束的汽車衡稱重融合方法等。（3）構建了DSP+8路ADC的多感測器稱重實驗平台，驗證了理論方法與模型的可行性，同時為大型衡器下一步研究提供了試驗平台。本項目研究形成的大型衡器偏載誤差補償與稱重融合新方法，大大提高了稱重結果準確性；同時形成的神經網路最佳化方法為小樣本情況下神經網路最佳化設計提供了一種新思路，對其它測控系統建模、誤差補償具有借鑑作用。
