|佛山南海路灯车出租|三水路灯车出租公司|顺德路灯车公司|       Σ 肚里没冷病,  不怕吃西瓜   Σ       MRBFNN路灯车衡称重模型对偏载与线性度的改善分析.     子RBFNN网络的训练为了简便而不失一般性，从3路子RBFNN中任取一路，本节以子RBFNN1为实验对象。此时RBFNN1的补偿范围为0~5t秤量段。利用不同重量的砝码加载在承载面的不同位置，CPU采集120组8路称重传感器信号，其中75组用于RBFNN1训练，组用于RBFNN1测试。上位机采用梯度训练方法对RBFNN1进行离线训练。经多次仿真发现，当均方误76差目标为0.000000001、学习率μ为0.008、遗忘因子βi均为0.85、隐层神经元个数m为12时，RBFNN1的补偿效果最好。RBFNN1的训练误差曲线。RBFNN1的中心矢量Cn、扩展常数Rn、权值矩阵Wn和偏置bn分别为：RBFNN1的训练误差曲线网络训练结束后，上位机将各参数（如扩展常数Rn、中心矢量Cn、权值矩阵Wn和输出层偏置bn）下载到下位机，为路灯车衡实时称重作准备。其中图目标值（“desire”曲线）与RBFNN1融合结果（“RBFNN1”曲线）的比较；两者的误差。RBFNN1能够很好地实现路灯车衡0~5t秤量段的称重融合，称重误差小。采用同样的训练方法，可完成子RBFNN2与子RBFNN3的训练。基于RBFNN2（5~20t秤量段）、RBFNN3（20~40t秤量段）的路灯车衡称重融合仿真。

      LMS、SRBFNN与MRBFNN的比较利用SCS-40型路灯车衡，比较了基于LMS的称重融合方法、基于SRBFNN的称重融合方法和基于MRBFNN的称重融合方法。其中，目标值（“desire”曲线）、LMS融合结果（“LMS”曲线）、SRBFNN融合结果（“single”曲线）和MRBFNN融合结果（“multiple”曲线）的比较；LMS、MRBFNN与SRBFNN的融合误差比较。MRBFNN的各子RBFNN隐层神经元数目均小于SRBFNN，同时其融合误差远小于SRBFNN和LMS，因此MRBFNN具有更好的性能。

 

        |佛山南海路灯车出租|三水路灯车出租公司|顺德路灯车公司|   http://www.yexiaochao.com/

         偏载误差产生机理偏载误差是影响路灯车衡称量准确度的主要因素之一。受多路称重传感器的灵敏度分散性和秤体加工、安装产生的内应力、机械形变和尺寸误差等因素影响，同一载荷处于路灯车衡承载器不同位置时，称量结果不一致，存在偏载误差。（1）理想情况下的偏载误差设称重传感器i的输出称重量为xi（i=1,2,…,N）（即分布在各称重传感器上的载荷重量，1Niixx=∑=，x为载荷总重量），载荷灵敏度为Si、额定量程为Pmaxi，称重传感器电源电压为usi，根据称重传感器的工作原理，实验发现，xi不仅与被测总载荷量x有关，还与加载位置z有关，xi是x和z的非线性函数，即(,)iix=ϕxz，于是，理想情况下，路灯车衡在制造与安装过程中，不会产生内应力、机械变形与尺寸误差等；各称重传感器的灵敏度Si一致，即S1=S2=…=SN=S，称重传感器i的额定量程Pmaxi相同，采用同一电源，对于同一被测载荷，x一定，此时载荷无论加载在承载面上何处，显示仪表的示值都相同，即理想状态下，路灯车衡的输出与载荷加载位置无关，不存在偏载误差。

     （2）偏载误差受称重传感器灵敏度分散性影响机理实际上，各称重传感器灵敏度并不相同。设第i个称重传感器的灵敏度误差为ΔSi，当满足条件，应修改为.  此时路灯车衡的偏载误差由灵敏度误差ΔSi决定。

    （3）偏载误差受制造与安装等因素影响机理大量试验发现，路灯车衡加工、安装过程中产生的内应力、机械形变与尺寸误差以及路灯车衡安装基础不平整等非线性因素，都将影响xi的值，使得1Niixx=∑≠。当满足条件且各称重传感器灵敏度均相同时，应修改为1max1   利用泰勒公式进行展开，对于同一台路灯车衡和同一被测载荷，x、z0是常量，因此ϕi(x,z0)和01NiiKϕxz=∑均为常数。此时路灯车衡偏载误差由00111!NmmiimKxzzzmϕ∞==∑∑−决定，其值越大，路灯车衡的偏载误差越大。综合考虑称重传感器灵敏度分散性和路灯车衡制造与安装等因素的影响，当iψΔSz≠0时，路灯车衡将产生偏载误差。

        |佛山南海路灯车出租|三水路灯车出租公司|顺德路灯车公司|