作者：孙艳梅,刘树东 单位：武汉邮电科学研究院 出版：《光通信研究》2011年第01期 页数：3页  （PDF与DOC格式可能不同） PDF编号：PDFGTXY2011010220 DOC编号：DOCGTXY2011010229 下载格式：PDF + Word/doc 文字可复制、可编辑

    • 针对温度对硅压阻式压力传感器输出影响的问题，提出将主成分分析(PCA)与改进的反向传播(BP)神经网络相结合，用于压力传感器的温度补偿的新方法。利用PCA提取温度补偿的主要信息使多维问题得以简化，同时剔除了数据的噪声误差，且对BP神经网络进行了改进，以充分发挥其强大的泛化功能和容错能力。研究结果表明，该方法有效抑制了温度对压力传感器的影响，提高了传感器的稳定性和准确性。

    📙 相关资料

    1. 《采用GA-BP神经网络算法改善压力传感器的稳定性》PDF+DOC 通过对BP神经网络的分析，提出一种采用遗传算法(GA)优化的GA-BP神经网络，通过调整其权值和阈值使传感器具有较好的收敛性和稳定性。最终通过实验仿真得出：GA-BP神经网络算法对压力传感器温度补偿具有显著的改善效果，提高了传感器的测量精确度和稳定性。...
    2. 《压力变送器温度补偿技术研究》PDF+DOC 对压力变送器误差补偿原理进行深入研究，采用BP神经网络算法对由温度变化造成的压力传感器输出结果的误差进行补偿。首先分析压力变送器测量影响因素，建立神经网络补偿模型，其次通过部分实验样本数据进行训练得到具体神经网络结构，并通过剩余实验样本数据验证神经网络的有效性。实验结果表明，该方法有效的抑制了温度对......
    3. 《基于神经网络校正技术的智能计步器设计》PDF+DOC 由于计步器存在错步、失步的实际情况，介绍了一种基于神经网络的内嵌入式计步器的系统设计方案。压力传感嚣存在温度漂移，应用BP神经网络的方法来对它进行补偿，使网络收敛速度和泛化能力得到提高。实验证明基于神经网络下的校正技术能够改善传感器零点温度漂移和灵敏度温度漂移，因而最终达到计步器实际应用的需要。...
    4. 《基于BP神经网络模型的压力传感器温度补偿》PDF+DOC 鉴于压阻式压力传感器温度漂移问题，建立了压力传感器的温度补偿BP神经网络模型，采取人工鱼群-蛙跳算法优化训练BP神经网络.实验结果表明，利用人工鱼群-蛙跳算法优化的BP神经网络模型能快速、准确地实现压力传感器温度补偿，并提高压力传感器的输出精度。...
    5. 《基于FA-RBF神经网络的压力传感器的温度漂移补偿法》PDF+DOC 针对温度对硅压阻式压力传感器输出的影响问题，提出基于因子分析和RBF神经网络相结合的补偿方法.利用因子分析实现对原始信息的筛选和降维；结合RBF神经网络的非线性映射、自适应能力和强容错性对补偿过程进行建模，减少网络的输入，利于简化网络结构，进而加快收敛，节省运行时间，提高网络的学习速率与泛化能力.研......
    6. 《基于Elman神经网络的压力传感器温度补偿的研究》PDF+DOC 当受到温度、电磁波等外界因素的影响，压力传感器的测量精度较低，测量值容易有较大的波动。因此，当压力传感器运用于汽车等移动设备时性能下降。以对温度极其敏感的CYJ-101压力传感器为例，建立18组样本数据在Elman模型的神经网络中进行温度补偿训练。仿真结果显示，通过Elman神经网络的温度补偿，传感......
    7. 《基于BP网络的高精度信号调理系统的研制》PDF+DOC 为提高压力传感器输出信号的调理精度，研制了基于BP神经网络的高精度智能信号调理系统。设计了基于MAX1452的信号调理电路、通信接口电路，完成硬件平台的搭建。选择BP神经网络算法作为传感器补偿算法，并编程实现。通过测试系统，验证了采用神经网络算法的可行性。...
    8. 《压力传感器温度补偿技术分析》PDF+DOC 压力传感器是一种较为常用的传感器件，由于自身的非线性特点以及外界因素的影响，传感器的输出结果容易产生误差，其中温度的影响最大，因此，对传感器的温度补偿就显得尤为重要。文章对目前常用的温度补偿方法进行了分析，在此基础上，提出了一种新的温度补偿方法 ，并对BP神经网络进行了改进，从研究结果来看，该方法有......
    9. 《压力传感器温度补偿的BP神经网络算法》PDF+DOC 压阻式压力传感器易受工作温度影响，存在着温度漂移现象.为了提高测量的准确度，采用BP人工神经网络的数据融合处理法对温度漂移进行补偿.分析比较了补偿前后的数据，补偿后的温度灵敏度系数和零位灵敏度系数提高了2个数量级.实验结果表明，该方法有效地抑制了温度对压力传感器的影响，提高了传感器的稳定性和准确性。...
    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......

    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。