段振云 李文強(qiáng) 趙文輝

(沈陽(yáng)工業(yè)大學(xué)機(jī)械工程學(xué)院，遼寧 沈陽(yáng) 110870)

?

基于BP神經(jīng)網(wǎng)絡(luò)的飛機(jī)稱重傳感器在線標(biāo)定研究

段振云 李文強(qiáng) 趙文輝

(沈陽(yáng)工業(yè)大學(xué)機(jī)械工程學(xué)院，遼寧 沈陽(yáng) 110870)

飛機(jī)質(zhì)量測(cè)量的準(zhǔn)確性決定其飛行的性能和安全可靠性。針對(duì)目前飛機(jī)稱重傳感器在線標(biāo)定存在的誤差較大、隨機(jī)性強(qiáng)、穩(wěn)定性差等問(wèn)題，探討了稱重傳感器在線標(biāo)定原理及方法。利用神經(jīng)網(wǎng)絡(luò)的非線性映射能力，構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的飛機(jī)稱重傳感器在線標(biāo)定模型，并研制了標(biāo)定試驗(yàn)裝置，進(jìn)行標(biāo)定試驗(yàn)和驗(yàn)證。結(jié)果表明，基于BP人工神經(jīng)網(wǎng)絡(luò)的飛機(jī)稱重傳感器在線標(biāo)定提高了標(biāo)定穩(wěn)定性和效率，保證了稱重值與實(shí)際值的一致性，滿足了實(shí)際需求。

飛機(jī)稱重 BP神經(jīng)網(wǎng)絡(luò) 傳感器 在線標(biāo)定 測(cè)量誤差 準(zhǔn)確度

0 引言

為保證飛行器能夠達(dá)到設(shè)計(jì)目標(biāo)，必須對(duì)研制和使用的每一環(huán)節(jié)進(jìn)行嚴(yán)格檢測(cè)和控制。飛機(jī)的質(zhì)量測(cè)量是一個(gè)重要的環(huán)節(jié)，在飛機(jī)研制、使用及其維護(hù)過(guò)程中均需對(duì)飛機(jī)進(jìn)行稱重。該測(cè)量的準(zhǔn)確性將直接影響到飛機(jī)的受力狀態(tài)[1]。同時(shí)，稱重是計(jì)算重心的前提和基礎(chǔ)，對(duì)稱重的準(zhǔn)確測(cè)量將直接影響對(duì)飛機(jī)重心位置的準(zhǔn)確計(jì)算。隨著現(xiàn)代飛機(jī)對(duì)安全性的要求越來(lái)越高，對(duì)于稱重測(cè)量技術(shù)提出了高精度、高速度、高可靠的新要求。

飛機(jī)的稱重平臺(tái)由稱重傳感器、放大器、處理器等組成。由于稱重傳感器、放大器的非線性，使得測(cè)量輸出與實(shí)際真實(shí)值呈復(fù)雜的非線性關(guān)系，造成測(cè)量結(jié)果誤差大、隨機(jī)性大，影響了測(cè)量的精度。為精確測(cè)量，需要在稱重前對(duì)稱重系統(tǒng)稱重檢測(cè)值與實(shí)際值之間的函數(shù)關(guān)系進(jìn)行標(biāo)定，從而保證稱重的精度[2-4]。目前，稱重平臺(tái)的多個(gè)稱重傳感器在線標(biāo)定方法大多基于數(shù)字量求和方法，其中傳感器的比例系數(shù)求解是標(biāo)定的關(guān)鍵。以往大多采用最小二乘曲線擬合方法進(jìn)行解算，但擬合的公式比較復(fù)雜、擬合次數(shù)較高、擬合精度受到限制。而利用多元線性回歸的方法進(jìn)行解算，選用何種因子和該因子采用何種表達(dá)式只是一種推測(cè)。這種不可測(cè)性使得回歸方法在某些情況下受到限制。因而，上述傳統(tǒng)求解方法存在精度不高、隨機(jī)性大和誤差大的問(wèn)題[5-10]。

基于人工神經(jīng)網(wǎng)絡(luò)分布式并行信息處理的算法模型，具有強(qiáng)大的數(shù)據(jù)處理能力和非線性映射能力，因而得到了廣泛應(yīng)用。本文結(jié)合人工神經(jīng)網(wǎng)絡(luò)和飛機(jī)稱重的工藝特點(diǎn)，構(gòu)建基于神經(jīng)網(wǎng)絡(luò)的標(biāo)定模型，探討了應(yīng)用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行飛機(jī)稱重傳感器標(biāo)定方法的可行性，為稱重標(biāo)定技術(shù)的發(fā)展奠定了基礎(chǔ)。

1 在線標(biāo)定原理

傳感器的標(biāo)定一般采用試驗(yàn)的方法，確定在不同使用條件下傳感器的輸入與輸出量之間的誤差關(guān)系。通過(guò)對(duì)所獲得傳感器的輸入量和輸出量進(jìn)行比較，得到了兩者對(duì)應(yīng)的標(biāo)定曲線。

該系統(tǒng)中飛機(jī)稱重傳感器在線標(biāo)定原理是：先將各個(gè)稱重傳感器的輸出信號(hào)進(jìn)行信號(hào)調(diào)理、放大轉(zhuǎn)換；再由處理器采集各路數(shù)字信號(hào)，并對(duì)數(shù)據(jù)進(jìn)行累加，得到傳感器輸出比例系數(shù)的方程組；最后解算標(biāo)定方程組，得到各個(gè)傳感器的比例系數(shù)，即找到稱重傳感器的輸出信號(hào)與力負(fù)荷及擾動(dòng)等關(guān)系。以由9個(gè)稱重傳感器組成的飛機(jī)稱重平臺(tái)測(cè)量系統(tǒng)為實(shí)例，對(duì)在線標(biāo)定方法進(jìn)行研究。測(cè)量平臺(tái)未進(jìn)行加載時(shí)，得到系統(tǒng)基本質(zhì)量Y0。

(1)

依次在測(cè)量平臺(tái)上放置總質(zhì)量為Y1、Y2、… 、Yn、類(lèi)似于砝碼的標(biāo)準(zhǔn)重物， 得到如下公式:

(2)

通過(guò)式(1)、式(2)聯(lián)合得到如下矩陣：

(3)

通過(guò)求解矩陣，即可得到系數(shù)μi，完成系統(tǒng)的有效標(biāo)定。

基于上述標(biāo)定原理，采用傳統(tǒng)最小二乘方法時(shí)，經(jīng)過(guò)多次標(biāo)定后發(fā)現(xiàn)標(biāo)定精度誤差大且很不穩(wěn)定，具有很強(qiáng)的隨機(jī)性。因此，需要尋求一種性能穩(wěn)定、可靠性好的標(biāo)定方法，以提高系統(tǒng)的精度。

2 BP神經(jīng)網(wǎng)絡(luò)在線標(biāo)定模型構(gòu)建

BP 神經(jīng)網(wǎng)絡(luò)可以逼近任意連續(xù)函數(shù)，具有很強(qiáng)的非線性映射能力，而且各層間的學(xué)習(xí)參數(shù)可以根據(jù)具體情況進(jìn)行設(shè)定。因此，在飛機(jī)稱重傳感器在線標(biāo)定中采用BP神經(jīng)網(wǎng)絡(luò)。

通過(guò)對(duì)該系統(tǒng)特點(diǎn)的分析，構(gòu)建 2層前饋網(wǎng)絡(luò)，以稱重傳感器輸出值X作為該函數(shù)的輸入，實(shí)際稱重值Y作為函數(shù)的輸出。

假設(shè)擬合方程為：

Yn(μn)=X1μ1+X2μ2+X3μ3+…+Xnμn

(4)

輸入層由稱重傳感器輸出電壓Xn組成，該系統(tǒng)由9個(gè)稱重傳感器組成，構(gòu)成輸入向量[X1X2…X9];輸出層由實(shí)際加載標(biāo)準(zhǔn)稱重值組成Yn,構(gòu)成輸出向量[Y1Y2…Y9]得到輸入/輸出關(guān)系公式：

Y=μnX+K

(5)

式中:μn為初始化輸入層和輸出層神經(jīng)元之間的權(quán)重；X為經(jīng)初始化后的神經(jīng)元輸入；K為初始化隱含層閾值；Y為輸出層。

3 標(biāo)定試驗(yàn)研究

3.1 標(biāo)定試驗(yàn)硬件設(shè)計(jì)

該系統(tǒng)的標(biāo)定硬件由稱重平臺(tái)、稱重傳感器、信號(hào)放大器、多路數(shù)據(jù)采集器、計(jì)算機(jī)電源供給等組成。標(biāo)定和測(cè)量裝置如圖1所示。

圖1 標(biāo)定和測(cè)量裝置示意圖

稱重平臺(tái)作為飛機(jī)稱重的主體機(jī)械結(jié)構(gòu)，采用鋼體結(jié)構(gòu)焊接而成，由頂板、底板、連接件等組成。頂板表面采用不銹鋼進(jìn)行拋光處理，使用時(shí)將飛機(jī)放置于稱重平臺(tái)之上。稱重平臺(tái)的尺寸需滿足飛機(jī)放置的使用需求。

稱重傳感器是將質(zhì)量信號(hào)轉(zhuǎn)變?yōu)榭蓽y(cè)量電信號(hào)輸出的裝置，是系統(tǒng)質(zhì)量測(cè)量的核心部件。系統(tǒng)將9個(gè)稱重傳感器均勻布置在稱重平臺(tái)內(nèi)部稱重傳感器采用美國(guó)梅特勒-托利多公司高精度的柱式稱重傳感器，測(cè)量范圍為0～200 kg,具有堅(jiān)固耐用和適用于惡劣環(huán)境的特點(diǎn)。由于稱重傳感器輸出信號(hào)較弱,不便于測(cè)量，必需進(jìn)行信號(hào)放大，系統(tǒng)采用信號(hào)放大器，能夠滿足后續(xù)多路數(shù)據(jù)采集器的輸入要求。

系統(tǒng)采用研華PCI-1716L數(shù)據(jù)采集器，對(duì)稱重傳感器輸出的多路電壓進(jìn)行數(shù)據(jù)采集。它帶有一個(gè)16位A/D轉(zhuǎn)換器，進(jìn)行高速A/D轉(zhuǎn)換以及高速運(yùn)算，可以實(shí)現(xiàn)多達(dá)16路的電壓信號(hào)測(cè)量，并將采集的數(shù)據(jù)通過(guò)PCI總線傳送給計(jì)算機(jī)進(jìn)行數(shù)據(jù)分析和處理。

計(jì)算機(jī)是系統(tǒng)計(jì)算與處理的核心，本文采用研華IPC610工控機(jī)作為計(jì)算機(jī)。對(duì)PCI插槽進(jìn)行配置，便于與多路數(shù)據(jù)采集器進(jìn)行連接。計(jì)算機(jī)配置顯示器，對(duì)采集和標(biāo)定的數(shù)據(jù)進(jìn)行有效的顯示輸出。

系統(tǒng)采用直流線性穩(wěn)壓電源，對(duì)稱重平臺(tái)內(nèi)部的9個(gè)稱重傳感器進(jìn)行穩(wěn)定供電，并采用交流電源對(duì)信號(hào)放大器、多路數(shù)據(jù)采集器和計(jì)算器供電，保證系統(tǒng)的工作性能和可靠性。

3.2 軟件設(shè)計(jì)

該軟件系統(tǒng)基于微軟的VC語(yǔ)言與Matlab混合編程。利用MFC框架程序可方便靈活地編寫(xiě)人機(jī)交互界面，并借助Matlab強(qiáng)大的計(jì)算功能完成補(bǔ)償算法和優(yōu)化算法，實(shí)現(xiàn)復(fù)雜算法計(jì)算和處理。通過(guò)VC和Matlab兩者的有機(jī)結(jié)合,完成系統(tǒng)的軟件開(kāi)發(fā)。利用VC所開(kāi)發(fā)的人機(jī)交互界面包括參數(shù)設(shè)置、狀態(tài)顯示、系統(tǒng)操作控制等。參數(shù)設(shè)置界面完成多路數(shù)據(jù)采集器的配置和讀取，包括通信端口和波特率設(shè)置。狀態(tài)顯示界面用于顯示系統(tǒng)的運(yùn)行情況,并能在出現(xiàn)故障時(shí)給出提示信息,以便及時(shí)排除故障。系統(tǒng)操作控制界面分自動(dòng)標(biāo)定、手動(dòng)標(biāo)定、數(shù)據(jù)修正、結(jié)果顯示等界面，以實(shí)現(xiàn)系統(tǒng)的有效標(biāo)定。軟件流程如圖2所示。

圖2 軟件流程圖

使用時(shí)首先通過(guò)軟件進(jìn)行參數(shù)設(shè)置，選擇軟件的數(shù)據(jù)采集和傳感器標(biāo)定功能，多次放置標(biāo)準(zhǔn)砝碼，采集稱重傳感器的輸出信號(hào)，通過(guò)Matlab軟件算法對(duì)傳感器的系數(shù)進(jìn)行解算，并進(jìn)行系數(shù)比對(duì)和標(biāo)定。標(biāo)定完成后進(jìn)行飛機(jī)稱重，最后得到實(shí)際的質(zhì)量數(shù)據(jù)，通過(guò)人機(jī)界面軟件進(jìn)行實(shí)時(shí)顯示和結(jié)果保存，完成系統(tǒng)標(biāo)定和測(cè)試試驗(yàn)軟件功能。

3.3 系統(tǒng)試驗(yàn)和驗(yàn)證

為了保證飛機(jī)稱重的精度，在飛機(jī)稱重前，利用開(kāi)發(fā)的硬件和軟件系統(tǒng)進(jìn)行標(biāo)定試驗(yàn)。

在應(yīng)用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行標(biāo)定試驗(yàn)時(shí)，需要訓(xùn)練樣本的輸入，系統(tǒng)以9個(gè)稱重傳感器的輸出電壓作為樣本的輸入，以放置標(biāo)準(zhǔn)砝碼的質(zhì)量作為樣本的輸出。根據(jù)實(shí)際測(cè)量的質(zhì)量，砝碼采用F1級(jí)標(biāo)準(zhǔn)砝碼。分別選用多個(gè)50 kg、100 kg、200 kg、500 kg的標(biāo)準(zhǔn)砝碼進(jìn)行組合，確定實(shí)際的標(biāo)定范圍為800～1 500 kg。試驗(yàn)時(shí)，每隔50 kg砝碼遞增放置，分別放置15組標(biāo)準(zhǔn)砝碼，每組砝碼在稱重平臺(tái)的不同位置分別放置3次，得到每組砝碼相對(duì)應(yīng)數(shù)據(jù)(共計(jì)45組數(shù)據(jù))為傳感器輸出。

利用開(kāi)發(fā)的軟件實(shí)時(shí)地顯示稱重傳感器輸出，得到了標(biāo)定過(guò)程的部分?jǐn)?shù)據(jù)表，如表1所示。

表1 標(biāo)定過(guò)程部分?jǐn)?shù)據(jù)表

為了使訓(xùn)練結(jié)果能夠正確反映輸入樣本的規(guī)律，同時(shí)又避免過(guò)擬合現(xiàn)象的產(chǎn)生，選取40組樣本進(jìn)行訓(xùn)練，剩余的5組作為測(cè)試檢驗(yàn)。

利用已構(gòu)建的BP人工神經(jīng)網(wǎng)絡(luò)模型，通過(guò)Matlab軟件計(jì)算[8-10]，在多次迭代后進(jìn)行數(shù)據(jù)的求解，解得權(quán)重為[0.860 7，0.295 0, 0.079 3，-0.963 1, 0.228 8，-0.468 8, -0.637 4，-0.391 4, 1.060 8]，閾值為-0.095 7。

為驗(yàn)證稱重傳感器輸出比例系數(shù)的精度，將該求解的系數(shù)設(shè)定到稱重系統(tǒng)中，將剩余的5組標(biāo)準(zhǔn)砝碼樣本進(jìn)行測(cè)量試驗(yàn)，每組砝碼分別測(cè)量5次，測(cè)量結(jié)果如表2所示。

表2 測(cè)試結(jié)果

測(cè)試結(jié)果表明，利用BP神經(jīng)網(wǎng)絡(luò)的標(biāo)定法得到的結(jié)果，其誤差均不大于0.05%。同時(shí)，采用標(biāo)定完成的系統(tǒng)進(jìn)行飛機(jī)載荷質(zhì)量測(cè)量，通過(guò)軟件進(jìn)行數(shù)據(jù)顯示，以真實(shí)飛機(jī)載荷質(zhì)量作為橫坐標(biāo)，以軟件顯示輸出值作為縱坐標(biāo)，進(jìn)行多次試驗(yàn)得到飛機(jī)載荷質(zhì)量與顯示輸出值之間的對(duì)應(yīng)關(guān)系，如圖3所示。

圖3 載荷質(zhì)量與顯示輸出值的關(guān)系圖

圖3中：虛線表示理想線性；圓點(diǎn)表示實(shí)際線性。

4 結(jié)束語(yǔ)

基于 BP 神經(jīng)網(wǎng)絡(luò)，建立了稱重傳感器與實(shí)際稱重值之間的數(shù)學(xué)模型，并設(shè)計(jì)開(kāi)發(fā)了飛機(jī)稱重傳感器的標(biāo)定試驗(yàn)平臺(tái)。采用傳感器、計(jì)算機(jī)軟硬件開(kāi)發(fā)的多通道數(shù)據(jù)采集系統(tǒng)，進(jìn)行稱重傳感器輸出信號(hào)的標(biāo)定試驗(yàn), 獲得神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)訓(xùn)練樣本。基于BP神經(jīng)網(wǎng)絡(luò)模型標(biāo)定方法與傳統(tǒng)的標(biāo)定方法相比，其誤差均不大于0.05%，滿足了系統(tǒng)測(cè)量的需求。該算法提高了稱重系統(tǒng)的標(biāo)定精度和可靠性，為飛機(jī)飛行的安全性和可靠性提供了保障。

[1] 王秋曉,王迎.飛行器質(zhì)量特性參數(shù)測(cè)量[J].重慶大學(xué)學(xué)報(bào),2011，34(12):23-25.

[2] 張博,劉錫朋,雷林.稱重傳感器精確標(biāo)定研究[J].兵工自動(dòng)化,2014,33(7):89-90.

[3] 馮國(guó)勝,賈素梅,周 瑋.基于 BP 神經(jīng)網(wǎng)絡(luò)的電控單體泵柴油機(jī)標(biāo)定方法[J].農(nóng)業(yè)工程學(xué)報(bào),2012,28(15):21-23.

[4] 李奇涵,王紅強(qiáng),劉海靜,等.基于BP神經(jīng)網(wǎng)絡(luò)矩形盒件拉深成形變壓邊力的預(yù)測(cè)[J].鍛壓技術(shù),2015,40(11):27-30.

[5] 劉金輝,任小洪.BP神經(jīng)網(wǎng)絡(luò)的數(shù)控機(jī)床主軸系統(tǒng)故障診斷[J].機(jī)床與液壓,2015,43(21):194-196.

[6] 鄭賓, 侯文, 楊瑞峰.大尺寸柱狀結(jié)構(gòu)質(zhì)量、質(zhì)心測(cè)量方法[J].測(cè)試技術(shù)學(xué)報(bào),2002,16(2):108-112.

[7] 騫永博，吳斌.彈丸質(zhì)量質(zhì)心測(cè)量方法研究[J].箭彈與制導(dǎo)學(xué)報(bào),2006,26(3):128-128.

[8] 陳明.MATLAB神經(jīng)網(wǎng)絡(luò)原理與實(shí)例精解[M].北京:清華大學(xué)出版社，2013.

[9] 劉國(guó)春，費(fèi)強(qiáng)，趙武云,等.基于Matlab遺傳算法優(yōu)化工具箱的應(yīng)用[J].機(jī)械研究與應(yīng)用， 2014,27(2):71-79.

[10]周游，劉世杰.基于Matlab和VC混合編程的三面互檢程序設(shè)計(jì)[J].激光與光電子學(xué)進(jìn)展，2014，51(4):145-149.

Research on the Online Calibration Based on BP Neural Network for Aircraft Weighing Sensor

The performance, safety, and reliability of the flights are determined by the accuracy of the weight measurement for aircrafts.At present, the principle and method of online calibration for aircraft weighing sensors are featuring poor precision, strong randomness and low stability, thus the measurement of weight of aircrafts is in low accuracy.Aiming at these problems, the principle and method of online calibration for aircraft weighing sensors are investigated.The model of online calibration for aircraft weighing sensor is built based on the nonlinear mapping ability of BP neural network; and the experimental device of calibration is developed for conducting calibration experiment and verification.The results show that high precision online calibration can be realized by such method based on BP artificial neural network; the stability and efficiency are improved, and the consistency of weighing value and actual value is ensured, thus practical demands are satisfied.

Aircraft weighing BP neural network Sensor Online calibration Measurement error Accuracy

段振云(1971—)，男，2002年畢業(yè)于大連理工大學(xué)機(jī)械設(shè)計(jì)與制造專(zhuān)業(yè)，獲博士學(xué)位，教授；主要從事機(jī)械設(shè)計(jì)、自動(dòng)化以及機(jī)械電子工程技術(shù)方向的研究。

TH-3;TP271

A

10.16086/j.cnki.issn 1000-0380.201611027

修改稿收到日期：2016-05-04。