论文部分内容阅读
称重传感器的蠕变是影响精度的主要因素之一.针对传感器蠕变的实时性与非线性,建立了称重传感器蠕变补偿的RBF网络模型.设计硬件采集电路并采用低功耗处理器对传感器数据进行软件补偿.仿真结果表明,RBF神经网络具有很强的逼近非线性函数和自学习能力,能够对称重传感器的蠕变误差进行修正.补偿后的蠕变误差减小至0.005％以内,补偿效果明显.