称重传感器蠕变误差对称重结果的影响机理,   东莞路灯维修车出租, 东莞路灯维修车租赁, 东莞路灯维修车   称重传感器的蠕变是指当一个快速加载载荷增量ΔM引起传感器输出信号增量Δu，在所有工作条件不变的情况下，Δu随时间发生的最大变化量δu与Δu之比，即蠕变误差/pC=δuΔu。蠕变误差是弹性体材料和应变计两者蠕变特性及其它各种因素的综合结果，其受传感器弹性体形状、传感器结构、应变计的粘贴工艺、传感器的加载经历和温度等因素影响。因蠕变引起的称重误差cpΔx的数学模型为(1)tcpstxxeτ−Δ=Δ−stΔx为时间t=∞时的稳态蠕变误差；τ为时间常数。实验发现，在不同温度条件下加载相同载荷，传感器的蠕变误差不同，温度高时蠕变误差大，(1)cpstitxxxTeτ−Δ=Δ−ix为加载在传感器i的被测载荷量；T为温度变量。当各路称重传感器的蠕变补偿不一致时，将导致0tNstiiKxxTeτ−=∑Δ−≠，从而产生称重误差。

     混联型CRBFNN温度与蠕变补偿仿真实验研究,    在环境温度分别为5℃、15℃、25℃、35℃、40℃的情况下，利用不同重量的标准砝码分别加载在路灯维修车衡承载面上。CPU采用变采样间隔的方法采集不同测试温度下的路灯维修车衡蠕变数据，即在加载初期，称重数据的采样间隔为0.5分钟，连续采样12次；然后每隔3分钟采样一次称重数据，连续采样8次。因此系统在30分钟之内完成一组不同温度下（相同载荷）的路灯维修车衡蠕变数据采集，这种数据采集方法符合称重传感器的蠕变特性。CPU将采集135组8路称重传感器信号、1组温度数据和1组时间数据。系统首先利用基于MRBFNN的称重融合网络，获得135个称重数据；然后将MRBFNN融合结果、温度数据与时间数据组合并归一化，其中6组数据（6×15×5×20，即每组数据包括15个称重数据、5个温度数据和20个时间数据）用于RBFNN训练，3组（3×15×5×20）用于RBFNN测试。上位机采用梯度训练方法完成路灯维修车衡输出融合网络的离线训练。网络结束训练后，上位机将RBRNN的各参数（如扩展常数R、中心矢量C、权值矩阵W和输出层偏置b）下载到下位机，为路灯维修车衡称重结果的温度与蠕变误差实时补偿作准备。路灯维修车衡温度与蠕变误差补偿前称重结果仿真，补偿后的称重结果（即MRBFNN融合结果）。为了更好地说明补偿效果，cy%=fyTt作降维处理（cy%=fyTt，0y为将24t的标准砝码加载在承载器时，MRBFNN的融合结果），该条件下路灯维修车衡温度与蠕变补偿前的称重结果仿真，该条件下补偿后的路灯维修车衡称重结果仿真。补偿后的路灯维修车衡输出更接近目标值24t，补偿后的误差远小于补偿前的误差，补偿效果明显。在不同环境温度下加载不同标准砝码时，路灯维修车衡温度与蠕变补偿前后的误差。经路灯维修车衡输出融合网络的温度与蠕变误差补偿后，路灯维修车衡的称重误差远小于补偿前的误差，补偿效果明显。

    东莞路灯维修车出租, 东莞路灯维修车租赁, 东莞路灯维修车

        路灯维修车衡智能容错方法以多传感器相关性分析和称重传感器智能故障诊断为基础，并通过基于CRBFNN的路灯维修车衡称重融合实现，其算法实现步骤如下：（1）利用信号采集电路，获取N路相互独立的传感器称重信号并进行数据预处理，同时给各传感器分配逻辑地址；（2）根据路灯维修车衡多传感器相关性分析，建立多传感器的全关联模型和局部关联模型，获得各路称重传感器输出的估计值ˆix，为路灯维修车衡智能容错奠定基础；（3）利用称重传感器故障融合检测模型中的二次预测网络，首先完成故障称重传感器的寻址，当无故障时，路灯维修车衡以N路传感器称重信号X=(x1,x2,…,xN)为输入，即pX=X，并同时完成称重传感器故障预测；（4）若仅有一路称重传感器i发生故障，系统利用全关联模型与传感器故障融合检测模型，完成故障传感器的寻址与隔离、传感器故障类型识别、传感器故障预测、故障传感器输出估计等功能，并以故障传感器的输出估计值ix代替故障传感器的实测值xi，完成称重融合输入向量重构，并实现故障状态下称重融合输入向量的自动选择，（5）若任意两路称重传感器i、j发生故障，系统利用局部关联模型、传感器故障融合检测模型、修正的二次预测模型等，完成称重传感器故障诊断，并实现称重融合输入向量重构，以及故障状态下称重融合输入向量的自动选择，即Xp=X%；（6）以Xp为输入向量，利用MRBFNN模型完成路灯维修车衡称重融合和偏载误差与线性度误差的自动补偿；（7）以MRBFNN的融合结果y、温度信号T和持续时间信号t，利用路灯维修车衡输出融合网络，完成路灯维修车衡温度与蠕变误差的自动补偿，获得最终的称重结果y%。路灯维修车衡多传感器的相关性分析、称重传感器的智能故障诊断和混联型CRBFNN的路灯维修车衡称重模型紧密结合，共同完成正常状态下、任意1~2路传感器故障状态的路灯维修车衡准确称重，实现路灯维修车衡的智能容错功能。 偏载误差、线性度误差、温度与蠕变误差是影响路灯维修车衡称重准确度的主要因素，传统补偿方法繁琐。这些误差受承载器的刚度与强度、路灯维修车衡加工与安装过程中产生的内应力、机械形变、尺寸误差等非线性因素以及称重传感器本身特性等因素影响。

        详细分析了路灯维修车衡偏载误差、线性度误差、温度与蠕变误差的产生机理，提出并实现了一种CRBFNN的路灯维修车衡称重方法，首先以N路传感器称重信号或重构信号为输入，利用MRBFNN完成路灯维修车衡称重融合和偏载误差与线性度误差的自动补偿，然后以MRBFNN融合结果、路灯维修车衡工作环境温度信号和被测载荷加载持续时间信号为输入，构建了一种路灯维修车衡输出融合模型，完成了称重结果的温度与蠕变误差补偿。仿真实验表明，CRBFNN称重融合结果准确度高、误差小；这种CRBFNN方法具有偏载误差自动修正功能，极大地方便了路灯维修车衡的安装和调试工作；具有温度与蠕变误差自动补偿功能，提高了路灯维修车衡称重结果的准确度。这种CRBFNN称重方法与多传感器的关联模型、称重传感器的智能故障诊断共同实现了路灯维修车衡的智能容错功能。

       东莞路灯维修车出租, 东莞路灯维修车租赁, 东莞路灯维修车