尹霞

摘 要 传感器蠕变的一种新的补偿方法——动态神经网络补偿法，可实现蠕变实时精确补偿。引入人工神经网络识别的方法来确定载荷的变化状况，利用传感器的输出变化率，来判断传感器的蠕变起始点，可以确定作用于传感器上的实际载荷。同时这种方法的精度也不会受到传感器载荷、环境等因素的影响，即简单方便，易于实现并且可以批量生产，精度较好，有较好的学习性，这也是一种新的蠕变误差补偿算法。

关键词 称重传感器；蠕变；神经网络补偿

中图分类号：TP212 文献标识码：A 文章编号：1671-7597（2014）04-0052-02

1 传感器的蠕变特性

图1所示为称重传感器蠕变特性变化曲线，曲线上标识出了加载段L和卸载段C，并且曲线上把每一段的加卸载和蠕变过程都标识出来。

图1 称重传感器蠕变曲线

实际应用中，这种加载情况是不多见的，一般需要经过加载、卸载的多次循环，如图2、3所示。

图2 多次加载时的蠕变特性曲线

图3 含加/卸载循环时的蠕变曲线

通过分析图1-3可以知道，对于传感器的每一段加载和卸载过程，都可以大概划分成为两个区域，亦即是传感器输出的缓慢变化区和剧烈变化区，另外值得注意的还有在两个区之间还存在一小段过渡区，这个区域即隶属于缓慢变化区域也隶属于剧烈变化区域。它的输出缓慢变化区域实质上也就是传感器的蠕变段，而传感器输出的剧烈变化区实际上就是计量过程中的加/卸载段，过渡区就是加/卸载段和蠕变段之间的融合段，即过渡段，该段同时含有加/卸载和蠕变较其它段明显些，传感器上实际载荷实际上就是加载段末端它的输出。……