基于神经网络的分拣机械手动态称重研究-机械工程专业论文.docx

河北工业大学硕士学位论文 基于神经网络的分拣机械手动态称重研究 摘 要 动态称重是许多研究和应用领域的关键技术。在动态称重技术研究中，多数采用的是 动态补偿和参数估计法获取动态称重系统模型，进而获得被称取物体的质量。由于多维力 传感器的动态特性的复杂性、分拣机械手动态称重装置的特殊性和内外部干扰因素的无法 估计，造成了称重模型的难以建立，通过传统的方法并不能解决本文中的模型建立问题。 如何建立六维力传感器的六个分量与质量之间的关系式成为关键性问题。 在对比分析了传统的动态称重方法和现在称重方法新技术的基础上，确定了采用 BP 神经网络作为动态称重模型建立的方法。因 BP 神经网络的局限性，同时为了获得尽可能 高的动态称重精度，而提出了三种改进的 BP 神经网络，并进行分析比较，最终确定了动 态全参数自调整学习算法。 动态称重技术的实现，首先是改进的 BP 神经网络的构建，包括网络层数的选择和样 本数据的采集。保持数据采集的同步性是样本数据有效性的前提条件。其中隐层的网络层 数的选择是需要通过经验获得，首先选用的是单隐层的改进 BP 网络（Kolmogorov 定理）， 通过不断地变换隐层节点的个数，最终确定十五个神经元节点为最佳的隐层节点数。最后 通过实验多次验证在某状态下的动态称重精度。 动态称重精度和速度是两个至关重要的性能指标。在保证动态称重精度的基础上，尽 可能的提高动态称重速度。本文分别在低速、中速、高速三种速度下进行动态称重，确定 不同速度下的动态称重精度。 关键词：神经网络,动态称重,分拣机械手 i 基于神经网络的分拣机械手动态称重研究 RESEARCH ON DYNAMIC WEIGHING TECHNOLOGY BASED ON NEURAL NETWORK FOR SORTING MANIPULATOR SYSTEM ABSTRACT Dynamic weighing is the key technology of many researches and application areas. In the study of dynamic weighing technology, Most is used in the dynamic compensation and parameter estimation for modeling dynamic weighing system model, thus obtained mass of the object. The model of weighing system is difficult to establish that we can’t resolve the model problem through traditional methods, because of several reasons, such as the complexity of multidimensional force sensor’ dynamic characteristics, the special of Sorting manipulator dynamic weighing device and the uncertainty of interference caused by internal and external factors. How to create a relationship between six vectors of six-axis force sensor and the quality of M is a key issue. After contrasting and analysising the traditional and current methods of dynamic weighing, we definite to adopt BP the neural network as the need method. Due to the limitations of BP neural network, meanwhile, in order to obtain the highest possible accuracy of the dynamic weighing, proposed three improved BP neural networks, we finally definite the All Parameters Adaptive Learning after analysis and comparison. we must build the improved BP neura