《一种基于改进遗传RBF神经网络的传感器动态特性补偿算法》PDF+DOC
作者:王军号,孟祥瑞
单位:中国微米纳米技术学会;东南大学
出版:《传感技术学报》2010年第09期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFCGJS2010090210
DOC编号:DOCCGJS2010090219
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于模糊RBF神经网络的传感器动态特性补偿研究》PDF+DOC2010年第07期 王军号,孟祥瑞
《一种基于IGA-RBF神经网络的传感器动态特性补偿算法》PDF+DOC2013年第04期 付华,舒丹丹,王新鑫
《基于遗传算法优化的RBF神经网络的压力传感器故障诊断》PDF+DOC2016年第07期 那文波,何宁,刘巍,刘甜甜
《可编程动态特性补偿滤波器设计》PDF+DOC2016年第01期 何极峰,李永新
《基于小波包和RBF神经网络的瓦斯传感器故障诊断》PDF+DOC2015年第02期 单亚峰,孙璐,付华,訾海
《基于RBF神经网络的水下机器人传感器状态监测方法研究》PDF+DOC2005年第06期 张铭钧,孙瑞琛,王玉甲
《基于RBF网络的光纤位移传感器温度补偿研究》PDF+DOC2004年第02期 韦兆碧,刘晔,马志瀛,胡光辉,时德钢
《SBE18 pH传感器动态特性研究》PDF+DOC2015年第10期 李冬,廖和琴,田雨
《基于单一传感器的可燃混合气体RBF网络分析》PDF+DOC2008年第05期 张愉,童敏明
《基于RBF神经网络的柴油机排气温度传感器检测方法的研究》PDF+DOC2006年第05期 赵军,张丹,陈学峰,梁培钧
为了改善传感器的动态特性,减小系统测量误差,分析了传感器动态性能补偿的基本原理,提出了一种基于改进型遗传算法(IAGA)和RBF神经网络相结合的补偿算法,给出了用IAGA-RBF补偿算法建立的数学模型,并应用到瓦斯传感器的补偿环节。实验证明,该补偿算法具有响应速度快、计算精度高和工作频带宽的特点,多项动态特性指标都得到了较大的改善,能够有效地用于传感器的动态特性补偿。
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。