随着改革开放的有力推进,我国经济得到了稳步快速发展,对外贸易显著增加,港口码头的货物吞吐量越来越大,这对港口的货物装卸能力提出了更高要求,而门座起重机作为港口码头重要的装卸机械起着十分重要的作用。为了提高港口的工作效率,对门座起重机称重的稳定性和精确度都提出了新的要求:希望货物在装卸动态过程中就能进行稳定、精确的称重与计量。但是目前的门座起重机动态称重系统由于只对动态称重信号作简单的数字滤波处理,缺乏更深一层的信号处理技术,所以系统的稳定性和精确度难以得到很大的提高,本文力争引入模糊神经网络方法来加以解决。论文首先介绍了一般门座起重机动态称重系统原理和设计,然后对其存在的问题进行了分析,提出了基于模糊神经网络的门座起重机动态称重系统设计,然后详细介绍了模糊神经网络的基本原理、结构和学习算法,最后对系统进行了仿真实验。采用模糊神经网络门座起重机的动态称重系统,将动态称重问题转化为模糊神经网络模型建立、算法学习及数据处理等问题。由于模糊神经网络方法具有较强的模糊化、自学习、非线性等特点,故可使整个动态称重系统具有抗方程病态性好、稳定性好、精确度高、跟踪性好等优点。另外,在实际应用中,考虑到高频干扰、数据突变等因素的影响,对直接采集到的数据进行了预处理。通过对动态称重信号干扰因素的分析,采用两步预处理的方法:第一步采用数字低通滤波方法,滤除高频率段的干扰噪声;第二步采用优化算法拟合出信号中周期性低频干扰信号,并予以消除。系统实验结果表明,本文提出的基于模糊神经网络的控制算法是可行的,达到了实验提出的技术要求,同时获得了较高的动态称重精度和稳定行,对于今后系统的实用化开发具有很好的参考价值。