皮带秤动态称重用神经网络算法设计

针对皮带秤在使用中难以保持标称计量精度的缺点,提出将过程神经网络引入皮带秤动态称重误差的补偿中。将动态称量过程中皮带秤单位长度上的重量、皮带速度、皮带垂度变化作为模型输入,设计了应用于皮带秤动态称重误差研究的单隐层过程神经网络误差反传播学习算法,利用Matlab软件对算法模型进行训练和测试,模型经过149次学习优化达到网络精度要求,测试组误差为1%,较使用网络前的原误差明显降低,验证了算法的可行性和有效性。

皮带秤用神经网络基本元件的FPGA实现方法研究

本文基于应用于皮带秤精度优化的神经网络算法,研究了神经网络基本元件的FPGA实现方法。制定了22位定点数的数据表示方法,并基于此方法设计实现了加法器和乘法器等计算元件;提出了一种神经网络激活函数(sigmoid函数)的硬件实现方法,分别将matlab仿真、硬件实现的仿真输出与被逼近函数进行了比较,验证了神经网络基本元件的FPGA实现方法的效果。

基于灰色模型的连续累计自动衡器测量不确定度评定

目的:连续累计自动衡器的动态称重结果具有时变性和不确定性,因此需要科学评价其计量准确度。方法:将动态称重结果序列作为灰色过程处理,建立灰色称重模型GM(0,2)及称重结果不确定度的灰色非统计数学模型,代替传统评定方法中的概率统计模型。结果:通过算例分析验证了灰色模型较传统的统计模型更能涵盖连续累计自动衡器多种测量实况。结论:灰色模型消除了对大样本量和典型概率分布的依赖性,且建模过程简单、计算量小、适应性强。