發(fā)布時間：2021-03-07 14:02

　　針對皮帶秤在使用中難以保持標稱計量精度的缺點,提出將過程神經(jīng)網(wǎng)絡(luò)引入皮帶秤動態(tài)稱重誤差的補償中。將動態(tài)稱量過程中皮帶秤單位長度上的重量、皮帶速度、皮帶垂度變化作為模型輸入,設(shè)計了應(yīng)用于皮帶秤動態(tài)稱重誤差研究的單隱層過程神經(jīng)網(wǎng)絡(luò)誤差反傳播學(xué)習(xí)算法,利用Matlab軟件對算法模型進行訓(xùn)練和測試,模型經(jīng)過149次學(xué)習(xí)優(yōu)化達到網(wǎng)絡(luò)精度要求,測試組誤差為1%,較使用網(wǎng)絡(luò)前的原誤差明顯降低,驗證了算法的可行性和有效性。 

【文章來源】：計量學(xué)報. 2020,41(05)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

垂度變化示意圖

過程神經(jīng)網(wǎng)絡(luò)中采用過程神經(jīng)元代替?zhèn)鹘y(tǒng)的神經(jīng)元，過程神經(jīng)元由加權(quán)、聚合和激勵3部分組成[9]，是對傳統(tǒng)神經(jīng)元的聚合運算機制和激勵方式向時間域進行擴展，使神經(jīng)元同時具有時、空二維信息處理能力。單個過程神經(jīng)元如圖2所示。圖2中，x(t)為輸入向量，w(t)為權(quán)值函數(shù)，K(u)為時間聚合函數(shù)，f(v)為激勵函數(shù)，其中輸入向量和權(quán)值函數(shù)皆是一條與時間t有關(guān)的向量序列，時間聚合函數(shù)一般為積分的形式。圖2中過程神經(jīng)元輸出為:

與傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)相同，由若干個過程神經(jīng)元按一定的拓撲結(jié)構(gòu)組成的網(wǎng)絡(luò)稱為過程神經(jīng)元網(wǎng)絡(luò)。一個多輸入單隱層單輸出神經(jīng)網(wǎng)絡(luò)的拓撲結(jié)構(gòu)如圖3所示。若以m個輸入層神經(jīng)元，n個隱含層神經(jīng)元，1個輸出層神經(jīng)元為例，則過程神經(jīng)網(wǎng)絡(luò)的輸入輸出關(guān)系為:

【參考文獻】：
期刊論文
[1]稱重傳感器蠕變誤差的神經(jīng)網(wǎng)絡(luò)補償方法[J]. 王有貴,吳雙雙,陳紅江.  計量學(xué)報. 2018(04)
[2]基于最小二乘曲線擬合法的皮帶垂度與張力關(guān)系研究[J]. 梅松,周月娥,李東波,童一飛,袁延強.  制造業(yè)自動化. 2012(19)
[3]改進BP算法在過程神經(jīng)網(wǎng)絡(luò)中的應(yīng)用[J]. 鐘詩勝,樸樹學(xué),丁剛.  哈爾濱工業(yè)大學(xué)學(xué)報. 2006(06)
[4]基于多種正交基函數(shù)的模塊化過程神經(jīng)元網(wǎng)絡(luò)[J]. 鄧韌,李著信,樊友洪.  計算機工程與應(yīng)用. 2005(30)
[5]基于過程神經(jīng)網(wǎng)絡(luò)的水淹層自動識別系統(tǒng)[J]. 許少華,劉揚,何新貴.  石油學(xué)報. 2004(04)
[6]動態(tài)稱重測力技術(shù)的現(xiàn)狀和發(fā)展趨勢[J]. 施昌彥.  計量學(xué)報. 2001(03)
[7]過程神經(jīng)網(wǎng)絡(luò)的訓(xùn)練及其應(yīng)用[J]. 何新貴,梁久禎,許少華.  中國工程科學(xué). 2001(04)
[8]過程神經(jīng)元網(wǎng)絡(luò)的若干理論問題[J]. 何新貴,梁久禎.  中國工程科學(xué). 2000(12)

博士論文
[1]散狀物料連續(xù)累計稱重系統(tǒng)精度補償研究[D]. 朱亮.南京理工大學(xué) 2016
[2]帶式輸送機動態(tài)稱重檢測理論與試驗研究[D]. 初琦.中國礦業(yè)大學(xué)（北京） 2014



本文編號：3069234