《神经网络与回归相结合实现传感器特性线性化》PDF+DOC

📙 相关资料

1. 《最佳拟合与神经网络相结合实现传感器特性线性化》PDF+DOC 提出了一种传感器特性线性化的方法 .该方法把传感器特性分为线性和非线性段 ，用一种改进的BP神经网络映射传感器特性非线性段的反函数作为校正环节 ，用最佳拟合方法得到线性段的直线方程 ，从而实现传感器特性的线性化 .经过仿真试用表明 ，这种方法可使传感器的非线性误差减小近十倍 .最后 ，给出了一些仿真......
2. 《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。...
3. 《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。...
4. 《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...
5. 《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。...
6. 《传感器模糊神经网络非线性误差补偿的研究》PDF+DOC 在测量系统中，传感器的非线性特性是测量系统误差的主要来源。要提高测量系统的精度，就必须进行误差补偿。设计了一个用模糊小脑神经网络实现的补偿环节。该补偿环节是一个用神经网络拟合的传感器逆特性，通过传感器的逆特性将传感器非线性特性改造成与实际物理过程相一致的不失真的线性特性，从而减小非线性误差。通过应用......
7. 《采用神经网络技术获取高抗干扰的传感器系统特性》PDF+DOC 目前消除干扰量对主传感器特性影响的研究多限于一个干扰量，本文讨论多个干扰量影响的消除方法．文中提出利用多个传感器检测影响主传感器特性的多个非目标参量，由神经网络实现融合算法．该方法可降低主传感器对非目标参量的交叉灵敏度．使主传感器系统获得高抗干扰、高稳定的输入／输出特性．以环境与供电电源波动两个干扰......
8. 《基于函数链神经网络的传感器建模》PDF+DOC 现代测控系统对传感器的精度和工作条件提出了很高的要求.为此，人们不得不采取一些中间补偿和修正措施，实现抗干扰、线性化，以提高传感器和系统的性能.讨论基于函数链神经网络(FLNN)的传感器建模新方法，其精度提高，结构简单、使用灵活、建模容易，易于实时硬件实现.两个算例说明网络的训练和非线性逼近方法，显......
9. 《传感器非线性误差校正的BP神经网络方法研究》PDF+DOC 研究了采用BP神经网络实现传感器逆向建摸，用三种神经网络方法(LM算法)计算比较了使用两种不同初始化规则和不同网络结构时对网络性能和计算精度的影响。计算机仿真实验表明：使用NW初始化规则并改进网络结构后，网络的收敛速度更快，精度更高。...
10. 《基于软硬件技术的传感器信号线性化处理研究》PDF+DOC 传感器信号的非线性程度直接影响测量系统的精度，因而，必须对其进行线性化。针对传感器特性和转换电路的非线性可以采用硬件的方法进行线性化；而对其他因素的影响，可以采用智能系统，用最小二乘法进行曲线拟合、神经网络法数据融合等软件编程来实现；或者根据具体问题将二者结合。实验证明：这些都是实现线性化的好措施。...