改进型BP神经网络对电容称重传感器的非线性校正.pdf

《改进型BP神经网络对电容称重传感器的非线性校正.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第25卷第10期传感技术学报V0l_25No．102012年10月CHINESEJOURNALOFSENSORSANDACTUATORS0ct．2012NonlinearCalibrationofCapacitanceWeighingSensorwithImprovedBPNeuralNetworkModelGUOWei，ZHANGDong，LIJutao，WANGLei(KeyLaboratoryofMechanismTheoryandEquipmentDesignofMinistryofEducation，TianjinUniversity，Tianjin30

2、0072，China)Abstract：Consideringcharacteristicsofthenonlinearityofthecapacitanceweighingsensor，i．e．thenonlinearrelationshipbetweentheoutputvoltageofthesensorandtheloading，animprovedBPneuralnetworkbasedontheLevenberg—-MarquardtalgorithmofBayesian--Regularizationwasestablishedtoimproveth

3、enonlinearcalibrationca—-pabilities．SimulationresultsshowthattheimprovedBPneuralnetworkachievedfasterrateofconvergence，higheraccuracyandstrongergeneralizationcapabilityincomparisonwiththetraditionalgradientdescentalgorithm，whichcaneffectivelyupgradethenonlinearcalibrationofthecapacita

4、nceweighingsensor．Keywords：capacitanceweighingsensor；nonlinearcalibration；Bayesianregularization；Levenberg—Marquardtalgorithm；GradientdescentalgorithmEEACC：1295；7230doi：10．3969／j．issn．1004-1699．2012．010．006改进型BP神经网络对电容称重传感器的非线性校正冰郭伟，张栋，李巨韬，王磊(天津大学机构理论与装备设计教育部重点实验室，天津300072)摘要：针对电容称重传感

5、器电容检测电路的输出电压与载荷质量之间的非线性特性问题，基于贝叶斯正则化的L—M算法建立BP神经网络改进模型，实现了电容称重传感器的非线性特性的校正，并与传统的梯度下降算法建立的BP神经网络模型的校正结果进行了仿真对比。仿真结果表明：改进型BP神经网络具有较快的收敛速度、较高的精度和较好的推广能力，有利于准确实现电容称重传感器非线性特性的有效校正。关键词：电容称重传感器；非线性校正；贝叶斯正则化；Levenberg—Marquardt算法；梯度下降算法中图分类号：TP212文献标识码：A文章编号：1004—1699(2012)10—1354—07电容式称重传感器与

6、其他称重传感器相比由于更大的误差，从而影响称量的准确度。所以需要具有测量范围大、耐高温、抗腐蚀、灵敏度高和低功采取一定的手段对传感器进行数据转换，求出被测耗等优点在工业中逐渐得到了关注与应用¨。现量的“真值”，这项工作称为“标定”或“校正”，也称代测试系统对传感器的准确度、稳定性和工作条件为非线性校正。提出了更高的要求，希望输入一输出特性成线性关针对这一情况，国内外许多研究人员对此做了系。但在利用电容式称重传感器进行测量时，受电很多工作，文献[3]采用反非线性特性曲线拟合法容器原理、电容检测电路等因素的影响，使得电容称对电容称重传感器进行非线性校正。但对于电容式重

7、传感器的输入一输出特性为非线性，其弹性体材称重传感器来说，由于其本身输出特性的非线性使料的滞弹性和热弹性效应也会增加电容称重传感器得多项式拟合公式比较复杂，而且拟合公式的次数输入一输出特性的非线性。正是由于称重传感器非比较高，拟合的准确度往往受限。文献[4]利用硬线性特性的影响，使得称重系统的输入输出间存在件补偿方法实现了电阻应变式称重传感器的非线性项目来源：青年科学基金项目(51005162)；国家863计划项目(2011AA040601)收稿日期：2012—07—12修改日期：2012—08—20第10期郭伟，张栋等：改进型BP神经网络对电容称重传感器的非线性

8、校正135