《混沌蚁群算法在瓦斯爆炸性检测仪中的应用》PDF+DOC
作者:彭继慎,李杨,王国辉,陈正一
单位:中国电子科技集团公司第四十九研究所
出版:《传感器与微系统》2010年第11期
页数:3页 (PDF与DOC格式可能不同)
PDF编号:PDFCGQJ2010110430
DOC编号:DOCCGQJ2010110439
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于蚁群灰色组合算法的瓦斯爆炸检测仪研究》PDF+DOC2011年第10期 王宏伟,王伟伟,刘鉴,彭继慎
《基于机器视觉的缺陷在线检测系统的研究》PDF+DOC2016年第04期 罗超,高军,沙丰永,骆飞
《STM32的四旋翼无人机故障诊断仿真研究》PDF+DOC2016年第11期 刘强,孙运强,鲁旭涛
《基于神经网络的多传感器数据融合》PDF+DOC2005年第04期 胡仲毅,陈进军,鲁绪文
《数据融合技术在车牌字符识别中的应用研究》PDF+DOC2010年第08期 任安虎,张燕,张亮
《基于改进型BP神经网络的瓦斯传感器的非线性校正》PDF+DOC2007年第01期 刘刚,刘学仁,嵇英华,罗海梅
《基于改进型BP神经网络的瓦斯传感器的非线性校正》PDF+DOC2007年第03期 刘刚
《基于神经网络的瓦斯传感器的非线性校正》PDF+DOC2006年第06期 刘刚,刘学仁,蔡十华
《基于PSO的BP神经网络在压力传感器温度补偿中的应用》PDF+DOC2014年第03期 孙艳梅,苗凤娟,陶佰睿
《矿井瓦斯智能预警系统的设计》PDF+DOC2014年第08期 曹晋宏,李国勇
针对瓦斯爆炸性检测仪传感器在实际生产中因构造和环境因素所产生的输入、输出非线性问题,将混沌蚁群算法和BP神经网络算法应用到瓦斯爆炸性检测仪中,提高瓦斯传感器精度。通过混沌蚁群算法对BP神经网络进行优化,改善BP神经网络收敛速度慢、容易陷入局部最优的缺点。实验结果表明:基于混沌蚁群优化算法的BP神经网络能够提高瓦斯检测系统的精度。
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。