一种基于神经网络的称重传感器校准方法

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。