论文部分内容阅读
为了实现准确测量货车载重量以更加有效地控制货车的超载，提出了一种基于改进BP神经网络的货车车载称重方法。首先设计了测试方案，采集了不同载荷状况下的货车上各组钢板弹簧变形量和整车载重量数据，并对数据进行预处理，构建了样本数据集。其次，搭建了基于BP神经网络的货车载重量检测模型，在模型构建过程中探讨了隐含层神经元个数的确定方法，并对传统BP算法进行改进，在权值调整时加入了动量因子和自适应调节学习率以优化模型性能。最后，对模型的识别结果进行分析，并与传统BP算法进行对比。研究结果表明，与传统BP算法相比，基于改进BP算法的货车载重量检测模型的识别精度更高，相对误差在5%以内；该方法实现了通过测量钢板弹簧变形量就可以精确检测货车载重量。