大型衡器偏载误差机理与多传感器称量融合方法研究

摘要

大型衡器(汽车衡、轨道衡等)是智能交通、货运物流等质量称量的关键设备,是典型的非线性、强耦合性多传感器系统.偏载误差是造成大型衡器称量误差的主要原因,目前采用的人工调节法、线性回归法、角差修正法等,都将大型衡器简单等效为多输入单输出的线性系统,误差补偿效果差、效率低,严重影响了称量结果的准确性与可靠性,是目前大型衡器称重计量领域亟待解决的难题之一.本项目旨在研究合适大型衡器多传感器系统建模的新型神经网络及其优化方法,并在此基础上构建大型衡器称量融合模型,实现称量误差自动补偿,提高称重结果准确性.