基于BP神经网络的微量药品动态称重系统非线性补偿

针对微量药品动态称重系统中电阻应变式称重传感器的输出电压与药品单元质量之间的非线性关系问题,提出了基于BP神经网络的非线性补偿方案。基于L-M算法建立了BP神经网络模型,实现了电阻应变式称重传感器的输入与输出非线性补偿校正,并与bfgs拟牛顿算法、Scaled共轭梯度算法所建立的BP神经网络模型对比,重点比较了模型预测输出、误差性能分析、回归分析。仿真实验结果表明:基于L-M算法建立的BP神经网络模型,在收敛速度、误差性能方面具有更高效的表现,有利于微量药品动态称重系统中称重传感器的非线性特性的有效校正。