《基于改进RBFNN算法的瓦斯传感器非线性校正》PDF+DOC
作者:杨義葵,付华,蔡玲,顾东
单位:中国电子科技集团公司第二十六研究所
出版:《压电与声光》2012年第01期
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFYDSG2012010260
DOC编号:DOCYDSG2012010269
下载格式:PDF + Word/doc 文字可复制、可编辑
《关于人工神经网络在智能传感器中的应用研究》PDF+DOC2002年第03期 翁桂荣
《基于改进型BP神经网络的瓦斯传感器的非线性校正》PDF+DOC2007年第01期 刘刚,刘学仁,嵇英华,罗海梅
《基于BP神经算法可预测的快速瓦斯传感器研究》PDF+DOC2016年第03期 梁美玉,郭慧,蒋龙云,龙海燕
《基于HPSO-RBF神经网络的瓦斯传感器故障诊断》PDF+DOC2015年第03期 王婷,李国勇,吕世轩
《矿用传感器静态特性补偿方法与研究进展》PDF+DOC2016年第06期 辛忠玉,葛令建,冯浩,王伟峰
《基于径向基函数神经网络的航向角精确测量》PDF+DOC2005年第02期 祖莉,王华坤,岳峰
《蚁群算法优化神经网络的零点误差非线性校正》PDF+DOC2013年第06期 吴文铁,宋曰聪,李敏
《改进的动态最近邻聚类算法在传感器校正中的应用》PDF+DOC2011年第01期 李文江,程海英,闫孝姮
《基于STC12LE5608AD的便携式瓦斯检测报警仪设计》PDF+DOC2011年第09期 杨丽,范江波
《新型便携式瓦斯检测报警装置的设计》PDF+DOC2009年第02期 党丽琴
为了提高瓦斯传感器的精度和灵敏度,提出将改进的径向基函数神经网络(RBFNN)算法应用于瓦斯传感器系统中,对瓦斯传感器的非线性进行校正,同时分析了温度对瓦斯浓度预测的影响,然后利用RBFNN进行离散训练。实验结果表明,经过改进径向基函数神经网络(RBFNN)后,得到的数据比实际测量的瓦斯浓度要更接近于真实值,所产生的平均误差≤±;0.1%。预测效果很好,达到了预期的技术指标,提高了瓦斯检测的灵敏度和精度。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。