現有地磅不具備容錯功能，為此提出了一種地磅智能容錯方法。根據多路稱重傳感器之間的相關性，利用徑向 基函數神經網絡建立稱重傳感器預估網絡和自適應選擇網絡，完成稱重傳感器故障檢測、失效傳感器正常輸出預估和地磅工作模式的自動切換，并將預估信號與其它正常傳感器信號組合，通過稱重結果融合網絡完成任一傳感器失效狀態下汽車衡 的正常稱重。試驗與現場檢定表明，這種智能容錯方法實現了地磅任一傳感器失效狀態下的正常稱重，其各項指標均優于 4級秤的要求，避免了稱重系統失效。

1.引 言

地磅根據設計的稱重量程，一般具有4?12路稱重 傳感器。這些傳感器按一定的拓撲結構分布在地磅承載 器下方，構成典型的多傳感器稱重系統，各稱重傳感器的 輸出相互影響，存在相關性[1]。現有汽車衡利用串聯或并 聯連接方式，在模擬接線盒中將各路稱重傳感器的輸出信 號通過電路方式進行信號累加，獲得一個與被測載荷質量 成比例的電壓信號，經信號調理、A/D轉換后，由單片機 處理獲得稱重結果，送顯示、通信，完成被測載荷的稱重。

這種方式缺陷明顯：由于通過硬件電路直接將各路稱重傳 感器信號集中累加，割裂了傳感器之間的聯系，忽視了多 傳感器的相關性，任一傳感器失效都將造成整個稱重系統 失效，即汽車衡不具備容錯功能。文獻提出了一種稱重 傳感器亞健康及早診斷方法，給出了地磅稱重傳感器亞 健康的故障特征，利用空載與加載標準砝碼時各傳感器的 輸出信息，完成稱重傳感器的故障診斷；該方法有效，但 需要較多的人工干預，自動化程度低。文獻根據稱重傳 感器對稱分布關系，在某一傳感器失效時，利用其相應的 對稱傳感器輸出代替失效傳感器的輸出，實現失效傳感器 稱重信號的容錯估計；該方法在均勻負載、對稱加載的理想情況下有效，但地磅加載稱量不可能處于理想狀態， 其受加載位置和載荷非均勻性的影響較大，不能滿足地磅的實際需要。

近年來，傳感器的各種故障診斷與智能容錯方法發 展迅速。對于具有典型多傳感器系統特征的汽車衡，基 于神經網絡方法的傳感器故障診斷與智能容錯方法 具有重要的參考價值，徑向基函數神經網絡(RBFNN)由 于具有很強的逼近非線性函數能力和自學習功能，收斂 速度快，魯棒性好，無局部極小點，已廣泛應用于系統 建模、函數逼近與非線性估計等。地磅各路稱重傳 感器的輸出相互關聯，它們之間存在某種非線性函數關 系，以RBFNN為核心建立預估網絡，構造該函數關系 模型，當任一傳感器失效時，估計該傳感器的正常輸出, 并與其它正常傳感器的稱重信號組合，完成任一傳感器 失效狀態下地磅的準確稱重，以避免采用傳統方法所 導致的稱重系統失效。

2.基于多傳感器相關性的智能容錯算法

3.實驗與結果分析

利用基于多傳感器相關性的智能容錯方法對SCS-40 型地磅進行了多次實驗，均獲得了良好的效果。該地磅的最大量程為40 t，采用8路稱重傳感器，每個傳 感器的最大容量為20 t。為了簡便而不失一般性，從8 路稱重傳感器中任取一路，本文以稱重傳感器4為實驗 對象，其它稱重傳感器有同樣的分析方法。通過實驗獲 得傳感器4的檢測閾值s4 (歸一化）為0.01;檢測次數 K=5。

3.1預估網絡的訓練

利用不同噸位的標準砝碼（如1 t、6 t、12 t、24 t、 30 t等）加載在地磅的不同位置，采集120組8路稱 重傳感器輸出信號，經數據預處理后，得到歸一化數據 X，其中80組用于訓練RBFNN (以7路數據作為輸入 Xc=(Xi, X2, X3, X5,…,X8)T，X4作為目標輸出），40組用于網 絡測試。利用PC機采用式（9)對RBFNN進行離線訓 練。當均方誤差（MSE)目標為0.000 000 1，學習率u為0.005，遺忘因子％均為0.85，隱層神經元數目m為 10時，經多次仿真與實驗發現RBFNN效果最好。網絡 結束訓練后，系統將各參數（如擴展常數R、中心矢量C、 權值矩陣W和輸出層偏置《下載到稱重系統的CPU中， 為地磅在線稱重作準備。參數C、R、W和b如式（15) 所示。

每完成一次7路稱重信號(Xi,X2,X3,X5,"%X8)T采集與數

據預處理后，系統將數據XeKXiX〗，X3,X5,…,X8)與RBFNN各參數C、R、W和b代入式（5)、（6)，經計 算、去歸一化等，即可得到稱重傳感器4的預估值。圖 4(a)為稱重傳感器4的歸一化預估值（“estimative”曲線) 與歸一化實測值“actual”曲線）比較；圖4(b)為兩者 的誤差。從圖中可以看出，基于RBFNN的預估網絡能 夠較好地預測稱重傳感器4的正常輸出，預估誤差較小。

3.2 稱重結果融合網絡的訓練

利用與預估網絡相同的訓練樣本，采用LMS訓練算 法對稱重結果融合網絡進行離線訓練。網絡結束訓練后, 系統將各參數（如權值矩陣Wf和偏置值bf)下載到稱重 系統的CPU中，為汽車衡在線稱重作準備。參數Wf和 bf如下：

W= (0.521 998, 0.520 813, 0.521 261, 0.521 937, 0.520 693, 0.521 417, 0.520 982, 0.521 469 )； bf= -0.009 658。

當系統檢測到某一稱重傳感器失效時，利用預估網 路估計該傳感器的正常輸出，并與其它正常傳感器的輸出組合，獲得稱重結果融合網絡的輸入Xp。圖5(a)所示 了傳感器4失效狀態下，稱重結果融合網絡輸出（歸一 化)(“estimative”)與地磅歸一化目標值(“desire”)的比 較，圖5(b)為兩者的誤差。由圖5可以看出，當傳感器4 失效時，稱重結果融合網絡能準確逼近汽車衡的目標輸 出，誤差很小。因此采用基于多傳感器相關性智能容錯 方法的地磅能夠實現傳感器失效狀態下的正常稱重， 避免了稱重系統失效。

3.3地磅現場檢定

在任一稱重傳感器失效狀態下，按照國家標準《非自動秤通用檢定規程JJG555-1996》的要求，對采用基 于多傳感器相關性智能容錯方法的SCS-40型地磅進 行了現場檢定，表1為檢定結果。由表可知，地磅的 最大稱重誤差切.5%，重復性為+8 kg，置零準確度為 +2 kg，各項指標均優于國家標準規定的4級秤要求， 避免了采用傳統方法所導致的稱重系統失效。

4.結 論

現有地磅由于不具備容錯功能，任一稱重傳感器 發生故障都將導致稱重系統失效。本文采用了一種基于 多傳感器相關性的地磅智能容錯方法，利用RBFNN， 建立了各傳感器輸出預估模型，獲得失效傳感器正常輸 出的估計信號，并與其它正常傳感器的稱重信號組合， 完成任一傳感器失效狀態下的地磅稱重。大量試驗和 現場檢定表明，這種方法實現了地磅容錯功能，提高 了稱重系統可靠性，當任一稱重傳感器失效時，采用該 方法的地磅各項指標均優于國家標準《非自動秤通用 檢定規程JJG555-1996》規定的4級秤要求，避免了現有 地磅因傳感器失效導致的稱重系統失效，提高了系統 的實用性與可靠性。采用該方法的智能化地磅樣機已 經通過柳州市計量技術測試研究所的現場檢定，并開始 批量生產。