《基于支持向量机的传感器的非线性校正》PDF+DOC
作者:彭继慎,于精哲,夏乃钦
单位:中国计算机自动测量与控制技术协会
出版:《计算机测量与控制》2011年第01期
页数:3页 (PDF与DOC格式可能不同)
PDF编号:PDFJZCK2011010800
DOC编号:DOCJZCK2011010809
下载格式:PDF + Word/doc 文字可复制、可编辑
《一种基于分段逆模型的传感器非线性校正方法》PDF+DOC2012年第06期 柏猛,李敏花
《基于BP网络的结冰传感器非线性校正方法》PDF+DOC2005年第02期 王华,王立权,张滨华
《传感器的神经网络建模》PDF+DOC2003年第05期 魏兵,夏明安,王为,王劲青
《基于DSP技术的传感器非线性校正》PDF+DOC2003年第05期 周易,崔葛瑾
《双孔平行梁式称重传感器非线性校正研究》PDF+DOC2010年第06期 谢永华,孟凡虎
《基于最小二乘支持向量机的压力传感器非线性校正》PDF+DOC2010年第06期 翟玉千,贾石峰
《基于最小二乘支持向量机的矿用振弦式称重传感器非线性校正》PDF+DOC2010年第01期 钟俏灵,蒋智庆
《基于最小二乘支持向量机的瓦斯传感器非线性校正》PDF+DOC2009年第05期 刘瑞芳,梅孝安
《基于B样条递推最小二乘的温度传感器非线性校正》PDF+DOC2008年第12期 魏国,王昕,雷苗,孙圣和
《高速磁浮车间隙传感器非线性校正方法研究》PDF+DOC2013年第12期 靖永志,肖建
铜热电阻的非线性影响到它的测温准确度和测温范围,针对这个问题提出了采用支持向量机(SVM),建立了铜热电阻传感器的逆模型进行非线性校正,并且与以往采用的BP网络和最小二乘校正方法进行了比较;结果表明,采用支持向量机的非线性校正方法的最大误差为±;0.0287%左右,与BP人工神经网络取得的结果(最大误差为±;0.0523%左右)和最小二乘法取得的结果(最大误差为±;0.0865%左右)相比,精度高于以上2种校正方法;同时,SVM方法有较好的泛化能力,在很大程度上提高了传感器的线性度,并且补偿曲线更顺滑,预测性更强,它为铜热电阻传感器的非线性动态补偿提供了一种新方法。
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。