《基于RBF网络的智能气敏传感器温度补偿》PDF+DOC
作者:何平,潘国峰,赵红东,李琳,李晓丽
单位:沈阳仪表科学研究院有限公司
出版:《仪表技术与传感器》2008年第07期
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFYBJS2008070040
DOC编号:DOCYBJS2008070049
下载格式:PDF + Word/doc 文字可复制、可编辑
《压力传感器温度漂移补偿的RBF网络模型》PDF+DOC2008年第03期 何平,潘国峰,孙以材,赵红东,张银慧
《扩散硅压力传感器的综合补偿及其应用》PDF+DOC1996年第02期 谢森,莫宇斌
《红外气体分析器非线性误差和温度效应误差修正方法》PDF+DOC1997年第01期 靳斌,何振江,罗罡,杨冠玲
《用双桥法减小压阻型传感器的温度漂移》PDF+DOC2005年第06期 鲁百佐,刘志存
《基于RBF神经网络的热电偶建模方法》PDF+DOC2005年第24期 蔡兵
《一种用RBF神经网络改善传感器测量精度的新方法》PDF+DOC 赵望达,刘勇求,贺毅
《用双电桥法减小压力传感器输出的温度漂移》PDF+DOC2002年第01期 吕惠民,雷天民,刘满仓,彭雅明
《一种利用RBF神经网络的传感器建模新方法》PDF+DOC2002年第03期 王雪萍,林康红
《基于ARM及温度补偿的智能变送器设计》PDF+DOC 乔爱民,张炜
《基于RBF神经网络对电磁力平衡传感器测量精度的研究》PDF+DOC2007年第01期 陆青丽,郑崇苏
研制出一种基于ARM7的智能气敏传感器,通过测量气敏薄膜的电阻,并将所测阻值和气体浓度进行校准,从而显示气体浓度。为了减小温度漂移带来的附加误差,提高传感器的测量精度,将气敏传感器所测量的电阻值与加热电压作为神经网络的输入,气体浓度值为输出,构造了一个双输入单输出的RBF神经网络温度补偿模型。采用RBF网络的带遗忘因子的梯度下降算法进行RBF网络的参数调整,实验表明RBF算法学习速度快,精度高。对实验中采集的数据进行非线性补偿后,误差保持在1.5%以内,大大提高了传感器的性能和测量精度,该装置能够很好地对环境中的气体进行监控。
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。