神经网络技术在称重传感器中的应用

　　1 引言

　　现代信息技术的三大基础是信息的采集、传输和处理技术，即传感技术、通信技术和计算机技术，它们分别构成了信息技术系统的“感官”、“神经”和“大脑”。信息采集系统的首要部件是传感器，且置于系统的最前端。在一个现代自动检测系统中，如果没有传感器.就无法监测与控制表征生产过程中各个环节的各种参量，也就无法实现自动控制。在现代技术中，传感器实际上是现代测试技术和自动化技术的基础。

　　在称重技术中，将重物放于称重系统的承载体上待稳定后，就可以准确地读出重量值。需要进行快速称重时，这种传感器就暴露出缺陷。由于其弹性体的阻尼比较小，传感器到达稳态的时间较长，不能满足快速测量的要求。提高传感器动态响应的快速性，可从两方面入手。一是改变其结构、参数和设计。减少中间的传递环节，提高传感器的固有频率，从而提高快速性;二是设计动态补偿器提高动态响应的快速性，即研制基于微处理器的数字动态补偿装置，串接在传感器之后，以缩短整个测量系统到达稳态的时间。动态补偿器的设计要基于传感器的动态模型。另外通过神经网络技术提高传感器的性能。本文采用神经网络补偿方法，能自动跟随传感器模型的变化，保证称重系统的快速性。同时给出解决这类问题的几种其他方案。

　　2 称重传感器的动态模型

　　称重传感器的动态模型如图 1 所示。图中，K 为弹簧刚度(N·m)，C 为阻尼常数(N/m2)，m0为传感器本身的等效质量，G 为被称重物的重量，B为基座，通常基座的质量很大，故认为它处于静止状态。因为重物与托架之间不是固定联接的，所以，需要两个方程来刻画上述的称重传感器的动态特性。

　　设 m 与 m0之间的作用力为 f，且假定两者之间无相对运动，则有

　　其阶跃响应如图 2 所示。动态过程振荡周期多，到达稳态的时间长，并且 m 值越大 Td越大，即达到稳定的时间越长。必须进行动态补偿，为适应被测重量的变化，需要神经网络自适应动态补偿。

　　3 神经网络补偿器的设计

　　若设计动态数字补偿器的传递函数是传感器传递函数的倒数，则整个测量系统的传递函数为 1，具有理想的频率响应特性。根据这一思想，我们设计一神经网络补偿器，使整个系统输出跟踪系统输入。

　　神经网络补偿原理如图 3 所示。

　　这种多网络自学习补偿结构是由两个结构和学习算法完全相同的神经网络 NN1，NN2 所构成。按误差 E=u- A 减少的方向调整连接权并使 u≈A。当网络收敛后，因网络 NN1 和 NN2 结构完全相同，所以有 y=u。