《最佳拟合与神经网络相结合实现传感器特性线性化》PDF+DOC

📙 相关资料

1. 《神经网络与回归相结合实现传感器特性线性化》PDF+DOC 本文提出了一种用多个改进的 BP神经网络与回归相结合的技术去实现传感器非线性误差校正的方法。该方法将传感器的特性曲线分为一个直线段和两个非线性段 ，并自适应的确定线性段的区间 ，在线性段 ，用回归方法拟合出直线方程。在非线性段则用两个改进的 BP神经网络分别映射其反函数作为校正环节 ，从而实现非线性......
2. 《改善传感器非线性的自适应分区神经网络方法》PDF+DOC 提出了一种传感器特性反函数的自适应分区神经网络辨识方法，这种方法根据学习准确度的要求，用自适应方法把传感器特性的反函数分成若干区间，分别用一个BP神经网络去学习辨识进而取代，从而实现传感器特性的线性化。实验结果表明，非线性误差可减小到原来的十分之一。...
3. 《传感器特性曲线的自适应分段最佳拟合及应用》PDF+DOC 为了减小传感器的非线性误差问题 ，提出了一种传感器的非线性传输曲线的自适应分段最佳逼近拟合方法 ，介绍了该方法的数学模型和应用实例 ，实验结果表明 ，应用本方法 ，使传感系统的非线性误差大大减小...
4. 《用于传感器非线性误差校正的新颖神经网络》PDF+DOC 该文阐述了用神经网络校正传感系统非线性误差的原理和方法 ，提出了一种新颖的简化小脑模型神经网络 (SCMAC)及其模型、算法与实现技术 .模型、算法采用直接权地址映射技术 ，以训练样本的输入为地址 ，建立起输入与权重的关系 .任意输入作为相近的权地址 ，即可找到对应的权 ，经过联想插补后可获得高精度......
5. 《关于传感器非线性的评价》PDF+DOC 讨论了采用非线性误差评价传感器的静态特性的局限性，提议采用新的定义。新定义的线性度是对传感器特性本身的确定的描述，并且给出了曲线拟合后的非线性误差的极限。在此基础上又导出了局部线性度的定义，并且通过实例说明了此定义的优点。...
6. 《用小波神经网络补偿传感器非线性误差的研究》PDF+DOC 研究了一种用小波神经网络对传感器非线性误差进行补偿的方法 ，给出了相应的算法和计算公式。该方法可将传感器传输特性的非线性模型改造成为与实际物理过程相一致的不失真的线性模型 ，从而使传感器的非线性误差大大减小。应用实例结果表明了该方法的有效性。...
7. 《非线性传感特性的神经网络学习校正方法及应用》PDF+DOC 非线性误差是传感器的主要误差之一 ，用硬件补偿或用查表、曲线拟合等方法复杂且精度低。研究了一种神经网络校正方法 ，并提出了一种改进的小脑模型神经网络 ，仿真和应用表明 ，可使非线性误差减小到近似为零。...
8. 《提高传感系统准确度的软件方法及其应用》PDF+DOC 传感系统的2项主要误差是非线性误差和重复性，为了提高传感系统的准确度，提出了减小这2项误差的软件方法：即用神经网络技术减小非线性；用微机软件数字滤波技术减小重复性。与传统技术比，系统的量程扩大30%以上，非线性减小到0.1%FS以下，重复性也大幅减小，应用效果显著。...
9. 《实现仪表及传感器线性化的一种方法》PDF+DOC 一、前言随着大规模集成电路迅速发展，微型计算机也相应得到发展。它在仪表传感器上的应用，解决了从前仪表和传感器存在的各种难以解决的问题，微型机在仪表及传感器中的主要功能是实现了自动采样、数据处理、自动检查、自动校检及各种补偿校正等，使仪表及传感器的性能大大提高了一步。因此带有微处理机的仪表及传感器发展......
10. 《基于GSA-BP神经网络的压力传感器温度补偿》PDF+DOC 针对压力传感器输出的温度非线性特性，采用遗传模拟退火算法优化的BP神经网络(GSA-BPNN)进行误差补偿，并与标准BP神经网络补偿误差进行了比较。通过MATLAB仿真验证，实验结果表明：采用GSA-BP神经网络不易陷入局部极小值，大大减小传感器非线性误差，误差精度小于0.1%，补偿结果优于标准BP......