《机电工程》杂志,月刊( 详细... )

中国标准连续出版物号 ISSN 1001-4551 CN 33-1088/TH
主办单位浙江省机电集团有限公司
浙江大学
主编陈 晓
副 主 编唐任仲、罗向阳(执行主编)
总 经 理罗向阳
出 版浙江《机电工程》杂志社有限公司
地 址杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel+86-571-87041360、87239525
E-mailmeem_contribute@163.com
国外发行中国国际图书贸易总公司
订阅全国各地邮局   国外代号M3135
国内发行浙江省报刊发行局
邮发代号32-68
广告发布登记证:杭上市管广发G-001号

在线杂志

当前位置: 机电工程 >>在线杂志

基于GRU-BP算法的高精度动态物流称重系统

作者:康杰. 日期:2024-06-27/span> 浏览:182 查看PDF文档

基于GRU-BP算法的高精度动态物流称重系统*
康杰

(三江学院 机械与电气工程学院,江苏 南京 210012)


摘要:针对动态物流秤测量精度对载重、采样频率、带速较为敏感的问题,提出了一种高精度动态物流称重系统。首先,采用三因素五水平正交试验法,结合皮尔逊相关性检验原则,使用低通巴特沃斯与卡尔曼滤波器对传感器压力信号进行了滤波降噪处理,并将加速度信号作为模型输入信号,进行了特征补偿;然后,基于深度学习算法,提出了一种改进的门控循环单元模型,在该模型采样区间内将压力与振动改写为时序化信号,并将其共同输入门控循环单元(GRU)模型;最后,对GRU模型进行了改进,对其结构输出了层堆叠误差反向传播神经网络(BP),有效加强了模型的非线性映射能力。研究结果表明:在各类传动速度及测试货物下,该模型的最大测量误差相对于同类型深度学习模型长短期记忆(LSTM)神经网络、循环神经网络(RNN)时序模型及传统数值平均模型的误差,依次降低了16.14%、27.14%、76%,可用于各类称重系统。

关键词:深度学习;动态测量系统;门控循环单元;反向传播神经网络;振动补偿;长短期记忆神经网络;循环神经网络

中图分类号:TH715文献标识码:A文章编号:1001-4551(2024)06-1127-08


本文引用格式:

康杰.基于GRU-BP算法的高精度动态物流称重系统[J].机电工程,2024,41(6):1127-1134.

KANG Jie. High-precision dynamic logistics weighing system based on GRU-BP algorithm[J].Journal of Mechanical & Electrical Engineering, 2024,41(6):1127-1134.








友情链接

浙江机械信息网