汽车衡系统的径向基函数神经网络已广泛应用于系统建模、函数逼近与非线性估计等。对称分布的各称重传感器之间存在某种非线性函数关系，以rbfnn为核心建立预估网络，逼近这种函数关系，估计出故障传感器的正常输出，即可获得预估信号。然而因汽车衡现场使用将受噪声影响，预估信号会产生一定的误差。为此根据称重传感器之间的关联特性，建立故障传感器的两个独立预估网络，以正常传感器的称重信号或相邻传感器称重信号的比值为输入产生两个估计值，由于它们具有冗余性，采用一种自适应加权融合方法，可获得更准确的估计信号，后以该估计信号与其他正常传感器的称重信号为称重系统的输入，获得故障状态下汽车衡的称重结果。
