基于智能容错算法的多传感器皮带秤

籍晋鹏; 李丽宏

doi:10.13873/J.1000-9787(2014)11-0041-03

Chinese

您当前的位置：

首页 >

文章列表页 >

基于智能容错算法的多传感器皮带秤

研究与探讨 | 更新时间：2025-09-11

- 基于智能容错算法的多传感器皮带秤
- Multi-sensor belt scale based on intelligent fault-tolerant algorithm
- 传感器与微系统 2014年33卷第11期页码：41-43+47
- 作者机构：
  
  太原理工大学信息工程学院
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2014)11-0041-03
  中图分类号： TH715.195;TP212
- 纸质出版：2014
- 稿件说明：
移动端阅览
[1]籍晋鹏,李丽宏.基于智能容错算法的多传感器皮带秤[J].传感器与微系统,2014,33(11):41-43+47.

JI Jin-peng, LI Li-hong. Multi-sensor belt scale based on intelligent fault-tolerant algorithm[J]. 2014, 33(11): 41-43+47.
[1]籍晋鹏,李丽宏.基于智能容错算法的多传感器皮带秤[J].传感器与微系统,2014,33(11):41-43+47. DOI： 10.13873/J.1000-9787(2014)11-0041-03.

JI Jin-peng, LI Li-hong. Multi-sensor belt scale based on intelligent fault-tolerant algorithm[J]. 2014, 33(11): 41-43+47. DOI： 10.13873/J.1000-9787(2014)11-0041-03.

摘要

传统的多传感器电子皮带秤不具有故障传感器容错功能。针对上述缺陷

提出一种新方法

该方法根据多路传感器之间的相关性

利用径向基函数神经网络（RBFNN）建立故障传感器的预估网络

并将预估信号与其他几路正常传感器信号组合

完成任一传感器在故障状态下的皮带秤称重。经模拟数据仿真

这种方法可有效避免由于传感器故障而产生的计量误差。

Abstract

Traditional electronic multi-sensor electronic belt scale has no function of fault-tolerance. Aiming at the disadvantage

put forward a new method

which according to correlation among multiple path sensors

build up forecast network of fault sensors use radial basis function（ RBF） neural network and combines the forecast signals with several other paths normal signals of sensors to complete belt scale weighting in condition that anyone sensor is in fault. Through simulation for simulated data

this method can effectively avoid measurement error produced by sensors fault.

关键词

Keywords

references

浅谈称量台式电子皮带秤称重传感器的选型及其安装位置 [J]. 安百旺,葛方远. 科技信息 . 2011(10)

基于自适应加权融合的汽车衡故障传感器预估 [J]. 林海军,滕召胜,刘让周,郑丹,吴阳平. 仪器仪表学报 . 2010(07)

基于多RBF神经网络的汽车衡误差补偿 [J]. 林海军,滕召胜,迟海,吴阳平,唐立军. 湖南大学学报(自然科学版) . 2010(05)

基于多传感器相关性的汽车衡智能容错方法 [J]. 林海军,滕召胜,迟海,吴阳平,唐立军. 仪器仪表学报 . 2009(11)

传感器故障诊断技术概述 [J]. 张娅玲,陈伟民,章鹏,胡顺仁,黄晓微,郑伟. 传感器与微系统 . 2009(01)

基于MATLAB的非线性曲线拟合 [J]. 唐家德. 计算机与现代化 . 2008(06)

基于MATLAB的BP神经网络预测系统的设计 [J]. 李萍,曾令可,税安泽,金雪莉,刘艳春,王慧. 计算机应用与软件 . 2008(04)

四种确定RBFNN中心的新算法 [J]. 张秀玲,张志强. 工业仪表与自动化装置 . 2007(02)

传感器故障诊断方法研究 [J]. 许秀玲,汪晓东. 佛山科学技术学院学报(自然科学版) . 2004(03)

称重传感器的工作原理及故障检测 [J]. 王传文. 化学分析计量 . 2002(04)

传感器故障的神经网络信息融合诊断方法 [J]. 房方,魏乐. 传感技术学报 . 2000(04)

MATLAB神经网络原理与实例精解[M]. 清华大学出版社 , 陈明, 2013

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

RBFNN在速度传感器异常值滤除中的应用