基于残差连接的Conv1D-BiGRU动态称重模型

针对现有深度学习模型在高速重载下无法有效提取动态秤压力传感器高频时序特征从而精确输出货物质量的问题,提出基于残差连接的Conv1D-BiGRU模型。使用振动传感器检测秤体的三轴加速度信号,经皮尔逊特征相关性检测,发现动态测重时传感器压力与振动信号相关系数为0.94,呈现高度相关,可将信号混合后作为特征输入模型。将压力与加速度信号经一维残差卷积网络处理后输入BiGRU模型,模型训练完成后,在载重40.4784 kg、带速135 m/min时,最大误差err max为0.052、平均绝对误差mae为0.029、方差std为0.019,性能良好,且各项指标均较DNN、BiLSTM、BiRNN模型提升显著。