基于多传感器信息融合的汽车衡误差补偿

传统的汽车衡误差补偿方法是通过反复调节接线盒中电位器,调整每路称重传感器通道增益实现的,过程繁琐、称重结果准确度低。介绍了汽车衡称重原理,分析了称量误差产生的原因,确定了误差模型,以多路称重传感器信号为输入,提出了基于径向基函数神经网络多传感器信息融合误差补偿方法,建立了融合模型,给出了融合模型的训练算法。这种误差补偿方法建模方便,训练简单,克服了汽车衡在加工、安装过程中产生的内应力、机械形变、尺寸误差和传感器灵敏度分散性、传感器线性度误差等因素对称量结果的影响,准确度高。现场检定表明,采用这种补偿方法的汽车衡称重误差小,优于国家标准《JJG555-1996非自动秤通用检定规程》规定的三级秤指标。