《遗传神经网络在GMI传感器设计中的应用》PDF+DOC
作者:吴彩鹏,邓甲昊
单位:中国科学技术协会
出版:《》
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFKJDB2010080210
DOC编号:DOCKJDB2010080219
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于遗传神经网络的传感器系统的非线性校正》PDF+DOC2003年第02期 陈俊杰,芦俊,黄惟一
《基于遗传神经网络的传感器非线性校正研究》PDF+DOC2006年第12期 董程林,成曙,肖晨静
《基于遗传神经网络的智能复合材料损伤检测传感器位置优化的研究》PDF+DOC2005年第11期 谢建宏,张为公
《基于遗传算法的传感器系统的非线性校正》PDF+DOC2001年第06期 芦俊,陈俊杰,颜景平
《传感器非线性校正的遗传支持向量机方法》PDF+DOC2011年第01期 刘涛,王华
《基于传感器的电子火灾检测器的研制》PDF+DOC2011年第03期 靳玉柱,王忠勇
《传感器校正及融合的实现技术》PDF+DOC2010年第05期 靳莹瑞,许京雷
《基于遗传神经网络的扭矩传感器设计》PDF+DOC2009年第05期 王志强,李彩虹,杨晓婧
《改进遗传神经网络在传感器温度补偿中的应用》PDF+DOC2008年第01期 唐炜,徐晓苏
《基于神经网络校正的NTC热敏电阻传感器系统》PDF+DOC2008年第05期 赵立燕,刘军,许亮
巨磁阻抗(GMI)微磁传感器具有灵敏度高、响应速度快等突出优点,但其输出信号呈高度非线性特性。利用交流偏置方法产生非对称巨磁阻抗效应(AGMI),对磁场传感器的线性度有一定改善,但仍存在线性范围小、线性误差较大的缺点。BP神经网络具有良好的自学习、自适应和非线性映射能力,但通常训练速度较慢、易陷入局部极小值;遗传算法有很强的全局寻优能力,但其局部搜索能力不足。为充分发挥二者优点,本研究提出一种基于遗传神经网络的传感器非线性误差校正方法,并针对所设计的GMI传感器,设计了适合本系统的遗传神经网络,可通过Matlab软件实现。结果表明,经过训练的网络输出结果有序,网络的非线性映射性能良好,能精确反映该传感器系统的函数关系。该方法运算快速、精度高,对智能GMI传感器的设计具有一定工程应用价值。
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。