基于RBF神经网络的电子地上衡非线性误差补偿：

    电子地上衡结构简单、*、操作方面，广泛应用于工业生产、商业贸易、医疗食品等领域1.电子地上衡*先通过电阻应变片式称重传感器，将被测物体重量转换为电信号，经调理、A/D转换后，传输至CPU进行数据处理（如数字滤波、线性化，等），并配合显示、键盘电路，获得zui终的称重结果。

    由于受称重传感器、秤盘机械结构等的非线性影响，电子地上衡的输入-输出并非成线性关系，因此必须进行非线性误差补偿。2分析了称重传感器的非线性误差来源，利用硬件电路进行了误差补偿；这种方法有效，但补偿工艺复杂。3利用分段线性插值方法，完成了电子地上衡的非线性误差补偿，该方法简单且易于操作，但*度有待进*步提*。

    4提出了*种基于RBF神经网络的称重传感器非线性误差补偿方法，该方法为电子地上衡的非线性误差补偿提供了借鉴。

    径向基函数神经网络（RBFNN）是*种功能强大的前向神经网络，其具有很强的逼近非线性函数能力，广泛应用于非线性预测、非线性误差校正与补偿、函数逼近等5-7.本文提出*种基于RBFNN的电子地上衡非线性误差补偿方法，以获得良好的补偿效果，减少称重误差。

    1电子地上衡非线性误差特性分析b00kmark11.1称重传感器非线性误差称重传感器是电子地上衡的关键部件*，其非线性误差直接影响电子地上衡称重结果的*性。称重传感器将4个电阻应变片粘贴在弹性敏感元件上，然后以适当方式组成惠斯登电桥。当电子地上衡不承受载荷时，电桥平衡，称重输出电压为零；反之，应变片发生形变，电阻改变，电桥失衡，传感器输出与载荷重量成比例的电压信号。

    为称重传感器原理图。设4个应变片的电阻分别为Ri、R2、R3、R4，电桥电源电压为Us，则惠斯登电桥输出电压Ux为AR1=AR4=/AR，R01、R02、R03、R04分别为无载荷时应变片的初始电阻，AR为应变片的电阻变化值，为弹性元件的泊松比2.称重传感器承受载荷时，应变片R1、R4被拉伸，阻值增大；应变片R2、R3被压缩，阻值减少。将式（2）代入，有由与电子地上衡输出呈非线性关系，因此，需要进行非线性误差补偿。

    实际应用中，为了获得*的称重结果，电子地上衡应具备非线性补偿功能，即需要对式（9）*示的称重传感器模型由式（9）可知，称重传感器的电桥输出与承受的载荷力Fx（理想情况下为被测物体的重量）成非线性关系，F，越大，称重传感器的非线性关系越明显，误差越大。

    秤盘机械结构的非线性误差理想情况下，秤盘将被测物体的重量不失真地加载在称重传感器上，即实际上，由于受机械加工*度、材料刚度、结构件之间摩擦等因素影响，进行现场测试获得的检测结果。由表可知，电子地上衡补偿后的zui大误差（0~100g范围内为范围内为-0.12g，400~1000g范围内为-0.2g），均小于0G555-1996非自动秤通用检定规程规定的中级秤允许误差。

    表1电子地上衡线性度检测结果4结论电子地上衡受称重传感器、秤盘机械结构等非线性因素影响，其输入与输出成非线性关系，影响了称重结果的*度。本文利用RBFNN构建了电子地上衡非线性误差补偿网络，完成了电子地上衡的非线性校正。实验证明，这种方法可以明显减少电子地上衡非线性误差，提*称重结果*度。