汽車衡系統(tǒng)的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)已廣泛應(yīng)用于系統(tǒng)建模、函數(shù)逼近與非線性估計(jì)等。對(duì)稱分布的各稱重傳感器之間存在某種非線性函數(shù)關(guān)系，以RBFNN為核心建立預(yù)估網(wǎng)絡(luò)，逼近這種函數(shù)關(guān)系，估計(jì)出故障傳感器的正常輸出，即可獲得預(yù)估信號(hào)。然而因汽車衡現(xiàn)場(chǎng)使用將受噪聲影響，預(yù)估信號(hào)會(huì)產(chǎn)生一定的誤差。為此根據(jù)稱重傳感器之間的關(guān)聯(lián)特性，建立故障傳感器的兩個(gè)獨(dú)立預(yù)估網(wǎng)絡(luò)，以正常傳感器的稱重信號(hào)或相鄰傳感器稱重信號(hào)的比值為輸入產(chǎn)生兩個(gè)估計(jì)值，由于它們具有冗余性，采用一種自適應(yīng)加權(quán)融合方法，可獲得更準(zhǔn)確的估計(jì)信號(hào)，后以該估計(jì)信號(hào)與其他正常傳感器的稱重信號(hào)為稱重系統(tǒng)的輸入，獲得故障狀態(tài)下汽車衡的稱重結(jié)果。