称重传感器蠕变误差的神经网络补偿方法

doi:10.3969/j.issn.1000-1158.2018.04.13

摘要
图/表
参考文献(15)
相关文章 (15)

全文: PDF (1583 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要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内的蠕变误差最大变化量为0.0108 kg,小于国家标准GB/T 7551-200《称重传感器》规定的允许值。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	王有贵
	吴双双
	陈红江

关键词 ：计量学, 称重传感器, 蠕变误差补偿, 神经网络

Abstract：The resistance strain load cell has heavy creep error, which will lead to the low accuracy of weighing results. To reducing this error, a model compensation on the load cell’s creep error based on neural networks(NNs) is proposed, and the training algorithms of the model is given. The experimental results of the load cell which capacity is 50 kg and its accuracy class is C3 show that the creep errors of the load cell with this proposed model are less than those without compensation, and the maximal change of its creep errors is 0.0108 kg, it is less than that of the maximal permissible error defined by Chinese National Standard, GB/T 7551—2008 “Load cell”.

Key words： metrology load cell creep error compensation neural network

收稿日期: 2017-09-07 发布日期: 2018-07-06

PACS:

TB932

基金资助:湖南省教委科研基金

通讯作者: 王有贵 E-mail: hnjly_temp@163.com

作者简介: 王有贵（1961-）,湖南长沙人,湖南计量检测研究院高级工程师,研究方向为质量计量。hnjly_temp@163.com

引用本文:

王有贵,吴双双,陈红江. 称重传感器蠕变误差的神经网络补偿方法[J]. 计量学报, 2018, 39(4): 510-514.
WANG You-gui,WU Shuang-shuang,CHEN Hong-jiang. Compensation Method for Creep Error of Load Cell Based on Neural Networks. Acta Metrologica Sinica, 2018, 39(4): 510-514.

链接本文:

http://jlxb.china-csm.org:81/Jwk_jlxb/CN/10.3969/j.issn.1000-1158.2018.04.13 或 http://jlxb.china-csm.org:81/Jwk_jlxb/CN/Y2018/V39/I4/510

［1］林海军, 王震宇, 林亚平. 基于导数约束的称重传感器非线性误差补偿方法［J］. 传感技术学报, 2013, 26(11): 1537-1542.
［2］刘九卿. 建立数学模型分析和推算称重传感器的误差［J］. 衡器, 2007, 36(1): 4-9.
［3］李军. 电阻应变称重传感器蠕变的模型和补偿［J］. 传感技术学报, 1995, 8(3): 59-63.
［4］朱子健, 陈仁文, 张东. 称重传感器蠕变的模糊补偿方法研究［J］. 传感技术学报, 2003, 16(1): 54-58.
［5］匡亮, 张小瑞, 施佩, 等. 称重传感器蠕变补偿的RBF网络模型［J］. 电子器件, 2013, 36(6): 924-927.
［6］Makoto Makabe, Toru Khashi. High accurate Creep compensation method for Load Cell［C］//SICE.SICE Annual Conference 2007. Akita, Japan, 2007:28-35.
［7］Ohtsuka A, Kohashi T, Adachi M. Self-optimization of digital creep compensation parameter for load cell［C］//SICE.SICE Annual Conference 2012. Akita, Japan, 2012:1456-1460.
［8］陈捷, 施文康. 一种研究电子天平蠕变特性的新方法［J］. 自动化仪表, 2005, 26(3): 58-60.
［9］范伟,林瑜阳,李钟慎. 基于BP神经网络的压电陶瓷蠕变预测［J］. 计量学报, 2017, 38(4): 429-434.
［10］Jakubiec J, Makowski P, Roj J. Error Model Application in Neural Reconstruction of Nonlinear Sensor Input Signal［J］. IEEE Transactions on Instrument and Measurement. 2009, 58(3): 649-656.
［11］严洁, 赵研, 张俊利. 基于BP神经网络的称重传感器静态非线性误差补偿研究［J］. 传感技术学报, 2008, 21(6): 1025-1028.
［12］Liu Y Q , Zhao H Q , Cao J, et al. Error analysis and compensation for load cells based Glue Mixing & Dosing Precise System Micro-D［C］//IEEE.The 7th World Congress on Intelligent Control and Automation(WCICA 2008). Chongqing, China, 2008: 2687-2691.
［13］杨进宝, 汪鲁才. 称重传感器非线性误差的RBFNN补偿［J］. 仪表技术与传感器, 2010, (6): 3-5.
［14］于振中,郑为凑,丁亮,等. 动态高精度伺服称重计量秤及其智能PID控制［J］. 计量学报, 2013, 34(3): 231-236.
［15］国家质量技术监督检验检疫总局. GB/T 7551—2008 称重传感器［S］. 2008.