汽車衡作為衡器的重要分支，具有稱重范圍廣、測量速度快、便于控制計算等優(yōu)點，廣泛應(yīng)用于倉儲貿(mào)易、交通運輸、工礦企業(yè)等部門?，F(xiàn)有汽車衡受到偏載誤差與線性度誤差的影響，稱重結(jié)果準確度有待提高;同時，汽車衡稱重數(shù)據(jù)獲取不易，稱重系統(tǒng)處于小樣本狀態(tài)。針對這些缺點，在國家自然科學(xué)基金項目“大型衡器偏載誤差機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償方法研究:利用汽車衡先驗知識，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MSP430F449為信息處理核心的汽車衡實驗平臺，通過實驗平臺測試，驗證了這種方法的有效性。

　　本文主要進行以下工作:首先，介紹了汽車衡基本情況及發(fā)展趨勢、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償?shù)牟蛔悖U述本文工作的重點;其次，構(gòu)建了BP神經(jīng)網(wǎng)絡(luò)的汽車衡稱重誤差補償模型，通過傳統(tǒng)的利用數(shù)據(jù)樣本訓(xùn)練算法(DINN)，對該模型進行訓(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)，并以此作為先驗知識，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)的目標函數(shù)，彌補了傳統(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，通過兩種算法對比仿真實驗，驗證了PD-LMNN算法的優(yōu)越性;再次，以單片機MSP430F449為信息處理核心、24bit模/數(shù)轉(zhuǎn)換器CS5532為稱重數(shù)據(jù)采集單元，搭建了最大量程為250kg、分度值為0.2kg的汽車衡稱重實驗平臺，給出了硬件電路與軟件設(shè)計流程圖;最后，根據(jù)非自動秤通用檢定規(guī)程，對采用PD-LMNN方法的汽車衡稱重實驗平臺進行了偏載誤差、重復(fù)性誤差、示值誤差和鑒別力進行現(xiàn)場測試，給出了測試結(jié)果。
　　測試表明，在實驗室條件下，該汽車衡稱重實驗平臺的偏載誤差、重復(fù)性誤差、示值誤差和鑒別力指標均達到了國家標準《JJG555-1996非自動秤通用檢定規(guī)程》Ⅲ級秤要求。