一种称重传感器的多次修正补偿方法及系统与流程

本发明涉及大型室外电子称重的，尤其是涉及一种称重传感器的多次修正补偿方法及系统。

背景技术：

1、称重传感器包括微电子传感器以及大型称重传感器，一般大型的称重传感器指的是地磅秤，地磅秤主要是由设置在地面以下的重量传感装置以及设置在地面的称板组成。

2、由于地磅秤都是设置在室外的，且称板都是金属材质的，在有阳光暴晒或者温度变化时，会出现热胀冷缩的形变，导致称板本身出现形变，变形后重量传感装置与称板的接触点发生偏移，导致重量数据出现偏差。重量传感装置也是金属的，也会产生形变，暴晒后，重量传感装置形变，导致称重数据不准确。

3、经过数据变化后，导致早晨称重与中午称重的数据不一致，而地磅秤一般都是称重货物商品使用，出现偏差后，交易也就出现了差错，所以有必要解决经过暴晒后的温度变化导致称重偏差的问题。

技术实现思路

1、为了有效的解决温度变化导致称重数据偏差的问题，本发明提供一种称重传感器的多次修正补偿方法及系统。

2、第一方面，本发明提供的一种称重传感器的多次修正补偿方法，采用如下的技术方案：

3、一种称重传感器的多次修正补偿方法，包括：

4、获取重量信息、温度信息以及称重传感器的基本信息；

5、基于深度学习网络构建偏差修正模型，将重量信息、温度信息以及称重传感器的基本信息输入至偏差修正模型中；

6、将称重传感器的基本信息以及温度信息输入至ffnn神经网络中得到补偿系数，将重量信息、温度信息以及补偿系数输入至lstm神经网络中得到偏差补偿数，最终利用rnn神经网络根据重量信息以及偏差补偿数得到修正数；

7、将修正数变为输入值，重新输入lstm神经网络中，输出最终显示值。

8、进一步的，所述获取重量信息以及温度信息包括：

9、所述重量信息采用称重传感器传输数值，所述重量信息包括测得的初始称重以及实时重量，所述称重传感器采集重量信息后首先进行ad模数转换，得到ad数；

10、所述温度信息采用温度传感器采集，所述温度传感器连接有时钟电路，所述时钟电路用于控制温度传感器在规定时间内取得起始温度，温度传感器实时检测传输温度为实际温度；

11、所述称重传感器的基本信息包括分度值、里程以及零点值。

12、进一步的，所述基于深度学习网络构建偏差修正模型包括：

13、所述偏差修正模型包括基础数据网络层，偏差补偿网络层以及循环层；

14、所述基础数据网络层采用ffnn神经网络，ffnn神经网络内有多个输入神经元以及一个输出神经元，将起始温度作为第一输入，将分度值、里程以及零点值作为第二输入，ad数作为第三输入，同时进入ffnn神经网络，输出补偿系数。

15、进一步的，所述第一输入、第二输入以及第三输入同时进入ffnn神经网络后，经过逻辑全连层公式，进行补偿系数的计算；

16、所述逻辑全连层公式为：

17、；

18、k为补偿系数，为起始温度，s为里程，ad为ad数，为零点值，f为分度值。

19、进一步的，所述偏差补偿网络层包括lstm神经网络，将重量信息、温度信息以及补偿系数输入至lstm神经网络中；

20、lstm神经网络存储四个状态，包括输出值的当前和先前值，记忆神经元状态的当前值和先前值，每个状态均包括三个门：输入门，输出门，遗忘门；

21、将输入的信息进行权重配比，分为d维权重向量，d为门数，使测得重量进入遗忘门，初始称重以及温度信息均保留至输出的先前值状态下，利用所保留的所有信息，经过偏差补偿公式，输出偏差补偿数；

22、所述偏差补偿公式为：

23、；

24、temp为偏差补偿数；为测得重量-初始重量；为实际温度-起始温度。

25、进一步的，所述利用重量信息、称重传感器的基本信息以及偏差补偿数得到修正数包括：

26、利用rnn神经网络进行单向输入，判断性输出；嵌入温度判断机制，根据温度高于起始温度或者温度低于起始温度，进入不同的输出通道，经过修正计算公式，最终输出修正数；

27、当实际温度大于起始温度时，采用第一修正计算公式：

28、；

29、其中x1为实际温度大于起始温度时的修正数；

30、当实际温度小于等于起始温度时，采用第二修正计算公式：

31、；

32、其中x2为实际温度小于等于起始温度时的修正数。

33、进一步的，所述将修正数从rnn神经网络输出后，使输出值变为输入值，重新输入lstm神经网络中，进行二次修正；

34、当实际温度大于起始温度时，x=x1；当实际温度小于等于起始温度时x=x2；x为最终显示值。

35、第二方面，一种称重传感器的多次修正补偿系统，包括：

36、数据获取模块，被配置为，获取重量信息、温度信息以及称重传感器的基本信息；

37、建偏差修正模型模块，被配置为，基于深度学习网络构建偏差修正模型，将重量信息、温度信息以及称重传感器的基本信息输入至偏差修正模型中；

38、结果输出模块，被配置为，将修正数变为输入值，重新输入lstm神经网络中，输出最终显示值。

39、第三方面，一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种称重传感器的多次修正补偿方法。

40、第四方面，一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种称重传感器的多次修正补偿方法。

41、综上所述，本发明具有如下的有益技术效果：

42、本发明基于深度学习网络构建偏差修正模型，采用了多个神经网络，依次得到补偿系数以及偏差补偿数，由于在温度变化后，会出现两次误差的可能，所以将修正数返回当做输入值，再进行一次偏差纠正，经过两次偏差纠正后，误差的概率极小，可以忽略不计，有效的解决温度变化导致称重数据偏差的问题。

43、本发明中神经网络内的计算公式都极其简单，极大地降低了计算量，也加快了修正时间，从称重开始，到得到修正结果，都是在极短的时间内实现的，所以在工作人员查看最终显示值时，是可以即称即看，没有延迟感。

技术特征：

1.一种称重传感器的多次修正补偿方法，其特征在于：包括：

2.根据权利要求1所述的一种称重传感器的多次修正补偿方法，其特征在于：所述重量信息包括测得的初始称重以及实时重量，所述称重传感器采集重量信息后首先进行ad模数转换，得到ad数；

3.根据权利要求2所述的一种称重传感器的多次修正补偿方法，其特征在于：所述基于深度学习网络构建偏差修正模型包括：

4.根据权利要求3所述的一种称重传感器的多次修正补偿方法，其特征在于：所述第一输入、第二输入以及第三输入同时进入ffnn神经网络后，经过逻辑全连层公式，进行补偿系数的计算；

5.根据权利要求4所述的一种称重传感器的多次修正补偿方法，其特征在于：所述偏差补偿网络层包括lstm神经网络，将重量信息、温度信息以及补偿系数输入至lstm神经网络中；

6.根据权利要求5所述的一种称重传感器的多次修正补偿方法，其特征在于：所述利用rnn神经网络根据重量信息以及偏差补偿数得到修正数包括：

7.根据权利要求6所述的一种称重传感器的多次修正补偿方法，其特征在于：所述将修正数变为输入值，重新输入lstm神经网络中，输出最终显示值包括：

8.一种称重传感器的多次修正补偿系统，基于权利要求1所述的一种称重传感器的多次修正补偿方法，其特征在于，包括：

9.一种计算机可读存储介质，其特征在于，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行如权利要求1所述的一种称重传感器的多次修正补偿方法。

10.一种终端设备，其特征在于，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行如权利要求1所述的一种称重传感器的多次修正补偿方法。

技术总结
本发明涉及电子称重的技术领域，公开了一种称重传感器的多次修正补偿方法及系统，其包括获取重量信息、温度信息以及称重传感器的基本信息；基于深度学习网络构建偏差修正模型，将重量信息、温度信息以及称重传感器的基本信息输入至偏差修正模型中；将称重传感器的基本信息以及温度信息输入至FFNN神经网络中得到补偿系数，将重量信息、温度信息以及补偿系数输入至LSTM神经网络中得到偏差补偿数，最终利用RNN神经网络根据重量信息以及偏差补偿数得到修正数；将修正数变为输入值，重新输入LSTM神经网络中，输出最终显示值。本发明有效的解决温度变化导致称重数据偏差的问题。

技术研发人员：张行亮
受保护的技术使用者：山东金凤林电子科技有限公司
技术研发日：
技术公布日：2024/4/17