《基于PSO-BP神经网络的湿度传感器温度补偿》PDF+DOC
作者:行鸿彦,邹水平,徐伟,张强
单位:中国微米纳米技术学会;东南大学
出版:《传感技术学报》2015年第06期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFCGJS2015060150
DOC编号:DOCCGJS2015060159
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于AFSA-BP神经网络的湿度传感器温度补偿》PDF+DOC2017年第08期 郭敏,行鸿彦,张冬冬,张兰
《基于PSO-BP的红外温度传感器环境温度补偿》PDF+DOC2015年第02期 赵斌,王建华
《基于PSO-BP神经网络光电编码器误差补偿研究》PDF+DOC2017年第08期 陈洪月,张坤,刘治翔,王鑫
《基于BP神经网络模型的压力传感器温度补偿》PDF+DOC2019年第04期 乔维德
《基于萤火虫优化BP神经网络方法的传感器温度补偿策略》PDF+DOC2020年第01期 王慧,符鹏,宋宇宁
《基于BP神经网络的IH3605传感器建模方法》PDF+DOC2010年第05期 黄俊燕,木昌洪
《基于GSA-BP神经网络的压力传感器温度补偿》PDF+DOC2013年第05期 黄世震,林淑玲
《LabWindows/CVI下基于BP神经网络的温度补偿虚拟湿度测量系统设计》PDF+DOC2010年第01期 王悦,叶海明,颜骥
《基于BP神经网络的超声波测距非线性误差校正》PDF+DOC2007年第01期 刘建生,杨丽荣,程铁栋
《基于DSP的罐头真空度测量温度影响及其修正》PDF+DOC2007年第03期 王晓星
针对自动气象站采用的HMP45D型温湿一体化传感器在实际应用过程中易受温度影响的问题,提出了基于粒子群优化算法(PSO)的BP神经网络温度补偿模型,利用粒子群优化算法对BP神经网络的初始权值阈值进行全局寻优,将粒子群优化算法优化好的权值阈值赋给BP神经网络,对BP神经网络进行训练。根据不同温度条件下测得的多组湿度传感器数据,通过建立模型,实现温度补偿,与传统BP神经网络补偿结果进行比较。实验表明,与传统BP神经网络模型相比,利用PSO-BP神经网络模型进行温度补偿后所得的误差绝对值之和降低了10.3887%RH,PSO-BP神经网络可以克服传统BP神经网络易陷入局部极值的局限,补偿精度更高,能更加有效地补偿温度对湿度传感器的影响。
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。