论文部分内容阅读
汽车衡作为衡器的重要分支,具有称重范围广、测量速度快、便于控制计算等优点,广泛应用于仓储贸易、交通运输、工矿企业等部门。现有汽车衡受到偏载误差与线性度误差的影响,称重结果准确度有待提高；同时,汽车衡称重数据获取不易,称重系统处于小样本状态。针对这些缺点,在国家自然科学基金项目“大型衡器偏载误差机理与多传感器称重融合方法研究”的支持下,本文开展汽车衡称重误差补偿方法研究：利用汽车衡先验知识,构建一种基于偏导数约束与Lagrange乘子法神经网络(PD-LMNN)优化的称重融合方法,提高小样本下神经网络