皮带秤动态称重用神经网络算法设计

发布时间：2021-03-07 14:02

　　针对皮带秤在使用中难以保持标称计量精度的缺点,提出将过程神经网络引入皮带秤动态称重误差的补偿中。将动态称量过程中皮带秤单位长度上的重量、皮带速度、皮带垂度变化作为模型输入,设计了应用于皮带秤动态称重误差研究的单隐层过程神经网络误差反传播学习算法,利用Matlab软件对算法模型进行训练和测试,模型经过149次学习优化达到网络精度要求,测试组误差为1%,较使用网络前的原误差明显降低,验证了算法的可行性和有效性。 

【文章来源】：计量学报. 2020,41(05)北大核心

【文章页数】：5 页

【部分图文】：

垂度变化示意图

过程神经网络中采用过程神经元代替传统的神经元，过程神经元由加权、聚合和激励3部分组成[9]，是对传统神经元的聚合运算机制和激励方式向时间域进行扩展，使神经元同时具有时、空二维信息处理能力。单个过程神经元如图2所示。图2中，x(t)为输入向量，w(t)为权值函数，K(u)为时间聚合函数，f(v)为激励函数，其中输入向量和权值函数皆是一条与时间t有关的向量序列，时间聚合函数一般为积分的形式。图2中过程神经元输出为:

与传统人工神经网络相同，由若干个过程神经元按一定的拓扑结构组成的网络称为过程神经元网络。一个多输入单隐层单输出神经网络的拓扑结构如图3所示。若以m个输入层神经元，n个隐含层神经元，1个输出层神经元为例，则过程神经网络的输入输出关系为:

【参考文献】：
期刊论文
[1]称重传感器蠕变误差的神经网络补偿方法[J]. 王有贵,吴双双,陈红江.  计量学报. 2018(04)
[2]基于最小二乘曲线拟合法的皮带垂度与张力关系研究[J]. 梅松,周月娥,李东波,童一飞,袁延强.  制造业自动化. 2012(19)
[3]改进BP算法在过程神经网络中的应用[J]. 钟诗胜,朴树学,丁刚.  哈尔滨工业大学学报. 2006(06)
[4]基于多种正交基函数的模块化过程神经元网络[J]. 邓韧,李著信,樊友洪.  计算机工程与应用. 2005(30)
[5]基于过程神经网络的水淹层自动识别系统[J]. 许少华,刘扬,何新贵.  石油学报. 2004(04)
[6]动态称重测力技术的现状和发展趋势[J]. 施昌彦.  计量学报. 2001(03)
[7]过程神经网络的训练及其应用[J]. 何新贵,梁久祯,许少华.  中国工程科学. 2001(04)
[8]过程神经元网络的若干理论问题[J]. 何新贵,梁久祯.  中国工程科学. 2000(12)

博士论文
[1]散状物料连续累计称重系统精度补偿研究[D]. 朱亮.南京理工大学 2016
[2]带式输送机动态称重检测理论与试验研究[D]. 初琦.中国矿业大学（北京） 2014



本文编号：3069234