皮帶秤動態(tài)稱重用神經(jīng)網(wǎng)絡算法設計

董祥辰, 李冰瑩,, 李永新, 王海濤

(1.南京理工大學機械工程學院，江蘇南京210094; 2. 江蘇省計量科學研究院,江蘇南京210023)

1 引 言

皮帶輸送機是散裝物料常用的運輸設備,通常采用電子皮帶秤在物料的運輸過程中完成對物料的累計計量[1]。相對于靜態(tài)計量設備,電子皮帶秤作為動態(tài)累計計量設備具有更高的計量效率,但同時電子皮帶秤計量精度普遍不高、耐久性差,國際建議OIML R50 2014(E)將皮帶秤劃分為0.2、0.5、1.0和2.0這4個準確度等級[2]。由于受到被稱物料的流量、速率、環(huán)境以及隨時間累積的皮帶蠕變等因素影響,難以滿足大宗物料的貿(mào)易結(jié)算、能源計量和節(jié)能減排等較高精度的應用要求[3,4]。目前對于動態(tài)稱重的研究重點基本集中在“皮帶效應”,根據(jù)經(jīng)驗對某一個或某幾個敏感參數(shù)進行線性補償;或者通過對皮帶的特性進行力學分析,嘗試建立簡化的力學模型在理論上對誤差進行計算和補償。但實際皮帶秤在工作時,皮帶秤稱重誤差影響因素眾多,并且呈現(xiàn)非線性和相互作用,所以僅用理論分析試圖找出其規(guī)律、追求精細化補償模型相當困難。也有學者將人工智能理論、機器學習等新興技術都引入到了傳統(tǒng)的動態(tài)稱重領域,不過將機器學習應用于優(yōu)化電子皮帶秤的動態(tài)稱重精度的研究目前較少。

本文引入過程神經(jīng)網(wǎng)絡提高皮帶秤動態(tài)稱重精度,增強了皮帶秤的耐久性,同時給出了皮帶秤的耐久性考核方法。

2 過程神經(jīng)網(wǎng)絡模型參數(shù)確定

2.1 過程神經(jīng)網(wǎng)絡

隨著計算機技術、人工智能技術在各行各業(yè)的成熟運用,國內(nèi)外越來越多的研究將神經(jīng)網(wǎng)絡這一機器學習理論引入動態(tài)稱重誤差建模和校正補償[5]。……