汽車衡作為衡器的重要分支，具有稱重范圍廣、測(cè)量速度快、便于控制計(jì)算等優(yōu)點(diǎn)，廣泛應(yīng)用于倉(cāng)儲(chǔ)貿(mào)易、交通運(yùn)輸、工礦企業(yè)等部門。現(xiàn)有汽車衡受到偏載誤差與線性度誤差的影響，稱重結(jié)果準(zhǔn)確度有待提高;同時(shí)，汽車衡稱重?cái)?shù)據(jù)獲取不易，稱重系統(tǒng)處于小樣本狀態(tài)。針對(duì)這些缺點(diǎn)，在國(guó)家自然科學(xué)基金項(xiàng)目“大型衡器偏載誤差機(jī)理與多傳感器稱重融合方法研究”的支持下，本文開展汽車衡稱重誤差補(bǔ)償方法研究:利用汽車衡先驗(yàn)知識(shí)，構(gòu)建一種基于偏導(dǎo)數(shù)約束與Lagrange乘子法神經(jīng)網(wǎng)絡(luò)(PD-LMNN)優(yōu)化的稱重融合方法，提高小樣本下神經(jīng)網(wǎng)絡(luò)的泛化能力，從而減少汽車衡的稱重誤差;建立以單片機(jī)MSP430F449為信息處理核心的汽車衡實(shí)驗(yàn)平臺(tái)，通過實(shí)驗(yàn)平臺(tái)測(cè)試，驗(yàn)證了這種方法的有效性。

　　本文主要進(jìn)行以下工作:首先，介紹了汽車衡基本情況及發(fā)展趨勢(shì)、汽車衡的構(gòu)成及工作原理，指出了現(xiàn)有汽車衡稱重誤差補(bǔ)償?shù)牟蛔悖U述本文工作的重點(diǎn);其次，構(gòu)建了BP神經(jīng)網(wǎng)絡(luò)的汽車衡稱重誤差補(bǔ)償模型，通過傳統(tǒng)的利用數(shù)據(jù)樣本訓(xùn)練算法(DINN)，對(duì)該模型進(jìn)行訓(xùn)練，指出了這種方法在小樣本情況下的不足;通過研究汽車衡輸入-輸出函數(shù)偏導(dǎo)數(shù)，并以此作為先驗(yàn)知識(shí)，構(gòu)建有約束條件的神經(jīng)網(wǎng)絡(luò)，利用Lagrange乘子法構(gòu)造增廣拉格朗日函數(shù)作為神經(jīng)網(wǎng)絡(luò)的目標(biāo)函數(shù)，彌補(bǔ)了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)因訓(xùn)練樣本不足導(dǎo)致的泛化能力差的問題，通過兩種算法對(duì)比仿真實(shí)驗(yàn)，驗(yàn)證了PD-LMNN算法的優(yōu)越性;再次，以單片機(jī)MSP430F449為信息處理核心、24bit模/數(shù)轉(zhuǎn)換器CS5532為稱重?cái)?shù)據(jù)采集單元，搭建了最大量程為250kg、分度值為0.2kg的汽車衡稱重實(shí)驗(yàn)平臺(tái)，給出了硬件電路與軟件設(shè)計(jì)流程圖;最后，根據(jù)非自動(dòng)秤通用檢定規(guī)程，對(duì)采用PD-LMNN方法的汽車衡稱重實(shí)驗(yàn)平臺(tái)進(jìn)行了偏載誤差、重復(fù)性誤差、示值誤差和鑒別力進(jìn)行現(xiàn)場(chǎng)測(cè)試，給出了測(cè)試結(jié)果。
　　測(cè)試表明，在實(shí)驗(yàn)室條件下，該汽車衡稱重實(shí)驗(yàn)平臺(tái)的偏載誤差、重復(fù)性誤差、示值誤差和鑒別力指標(biāo)均達(dá)到了國(guó)家標(biāo)準(zhǔn)《JJG555-1996非自動(dòng)秤通用檢定規(guī)程》Ⅲ級(jí)秤要求。