买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安工业大学申请的专利一种基于神经网络的称重传感器校准方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119223432B 。

龙图腾网通过国家知识产权局官网在2025-11-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410963802.6，技术领域涉及：G01G23/01；该发明授权一种基于神经网络的称重传感器校准方法是由贺楚超;殷雨薇;赵祥模;王鹏;王储;李晓艳;董绵绵;邸若海;张玉芳;陈晨设计研发完成，并于2024-07-18向国家知识产权局提交的专利申请。

本一种基于神经网络的称重传感器校准方法在说明书摘要公布了：本发明涉及传感器校准技术领域，特别适用于一种基于神经网络的称重传感器校准方法。该方法：首先对获得的称重传感器的数据进行归一化处理；其次，初始化ELM和Adam的参数；之后利用Adam算法优化ELM隐含层到输出层的的权重和阈值，并将优化过后的权重和阈值保存下来；最后，将测试集数据输入到训练好的模型，得到输出后，对输出进行反归一化操作以实现称重传感器的校准工作。通过该方法，可改善优化过程的收敛性能，优化过程更加平稳和可靠，校准后的称重传感器精度可以达到0.02%F.S左右，称重传感器在不同工作条件下都能够保持较好的校准效果，可适用于不同类型的传感器的校准。

本发明授权一种基于神经网络的称重传感器校准方法在权利要求书中公布了：1.一种基于神经网络的称重传感器校准方法，其特征在于，包括以下步骤： 步骤一：进行数据采集，将数据按比例分为训练样本和测试样本，并对其进行归一化处理，得到用于ELM算法的实验数据； 步骤二：初始化ELM神经网络的相关参数，初步构建称重传感器校准的ELM神经网络； 步骤三：在初步构建好的ELM神经网络中，通过改进的Adam算法优化ELM神经网络的相关参数，具体步骤如下： 一设置Adam算法的基础参数； 二设计Adam算法中beta1、beta2参数的更新公式； 三根据迭代次数进行更新； 四使用改进的Adam算法对基础ELM神经网络进行权重、阈值更新，以获得最优的隐含层的输出层的权重阈值； 步骤四：利用得到的最优参数校准称重传感器的输出； 所述步骤三三中，所述更新包括以下具体步骤： 1使用设计的beta1、beta2参数的更新公式计算参数beta1、beta2，beta1用来控制一阶矩估计，beta2用来控制二阶矩估计； 2根据当前权重、阈值计算预测值，并根据预测值和真实值计算损失值，如果损失值低于所设置的固定值，则结束循环；如果损失值大于等于所设置的固定值，进行下一步； 3计算隐含层到输出层权重、阈值的梯度； 4计算权重的一阶矩、二阶矩； 5计算阈值的一阶矩、二阶矩； 6根据当前的迭代数动态调整参数beta1、beta2，对基础神经网络进行梯度更新； 7判断是否达到设置的迭代次数，把当前最小损失值所对应的权重，阈值作为最优结果保存，结束程序，否则继续从步骤1循环； 其特征在于，所述2中损失值的计算公式为 其中：yi是实际观测值，yi'是预测值，n为训练样本的数量； 进一步的，所述3中，隐含层到输出层权重、阈值的梯度的计算公式为 error＝yi-yi'4 其中error是真实值与预测值的差值，dw权重的梯度，db是阈值的梯度； 所述4中，根据下式分别计算权重的一阶矩、二阶矩 其中是当前迭代的权重一阶矩，是前次迭代的权重一阶矩，是当前迭代的权重二阶矩，是前次迭代的权重二阶矩； 所述5中，根据下式计算阈值的一阶矩、二阶矩 其中是当前迭代的权重一阶矩，是前次迭代的权重一阶矩，是当前迭代的权重二阶矩，是前次迭代的权重二阶矩。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安工业大学，其通讯地址为：710032 陕西省西安市未央区学府中路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。