ADAM改进BP神经网络与动态称重应用
Journal of Electronic Measurement and Instrumentation（2021）
摘要
为提高动态检重秤的运行效率和测量准确度,深入分析了机械振动对测量的干扰及传感器非线性特性的产生机理.提出一种基于自适应矩估计法(ADAM)优化器的多层BP神经网络,实现了检重秤传感器的非线性校正,并准确估计了动态称量结果.试验对比经典梯度下降法、附加动量法、均方根传播法以及ADAM算法,结果表明ADAM算法综合考虑了参数梯度的一阶和二阶矩估计,具有更快的收敛速度,更准确的预测结果.最终实现满量程400 g,最高运行速度2 m/s的高速动态检重秤,型式测试结果表明其各指标均满足国家标准《GB/T 27739-2011自动分检衡器》对ⅩⅢ级检重秤的要求.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要