《BP网络训练法在传感器数据融合方面的应用》PDF+DOC

📙 相关资料

1. 《压力传感器数据融合算法研究》PDF+DOC 传感器存在的交叉灵敏度，运用BP网络对数据进行融合，可以有效降低非目标参量对输出特性的影响.MATLAB中提供了多种针对BP网络的训练方法，运用其中的变梯度法、拟牛顿法和LM法分别对压力传感器进行数据融合，比较其结果可以得出：LM算法可以有效地克服局部收敛，更好地提高压力传感器的稳定性和可靠性。...
2. 《基于BP神经网络的压力传感器静态特性数据融合》PDF+DOC 针对压力传感器在实际应用中受非目标参量(温度)的影响而导致其输出数据不仅仅与目标参量(压力)有关，提出了采用BP神经网络技术对其进行数据融合处理，以消除非目标参量对压力传感器输出的影响。研究结果表明，利用神经网络实现传感器数据融合消除非目标参量对传感器输出的影响是可行的。...
3. 《LM算法在传感器数据融合中的应用》PDF+DOC 针对压力传感器对温度存在交叉灵敏度这一具体问题，采用LM算法对其进行数据融合，消除温度对压力传感器的影响，大大提高传感器的稳定性及其准确度；针对传感器存在测量误差问题，提出了增加一个噪声来训练网络，增强了网络的容错性。对所提方法进行了仿真研究和简单分析，并与非线性插值(三次多项式插值)作了比较，粗浅......
4. 《基于BP网络的压力传感器信息融合》PDF+DOC 压力传感器输出特性容易受环境温度、电压扰动等各种非目标参量的影响 ，从而大大降低了其性能。BP算法是一种最速下降的静态寻优算法 ，而对其改进的算法LMBP算法克服了标准BP算法的固有缺点 ，不但学习速度快 ，而且精度高。利用LMBP算法对压力传感器的输出进行融合 ，有效地消除了非目标参量特别是温度对......
5. 《基于BP网络的敏感电子器件二信息融合》PDF+DOC 压力传感器的输出信号在实际应用中受多个非目标参量的影响，其中它对温度的敏感成为其最大的缺点。我们提出了利用BP网络的二敏感电子器件信息融合来消除温度对压力传感器输出信号的影响，提高其精度和可靠性。该方法利用BP网络的Levenberg-Marquardt算法实现数据融合，网络结构简单，学习速度快，具......
6. 《基于数据融合技术的传感器自校正/标定模型》PDF+DOC 压力传感器对温度、湿度、电源波动等因素存在着交叉灵敏度 ，测量时若不排除干扰将导致测量误差。采用数据融合处理技术 ，建立传感器输出自校正 /标定模型 ，消除电源波动对测量的干扰 ，提高传感器的精度和稳定性...
7. 《基于BP神经网络的压力传感器数据融合研究》PDF+DOC 压力传感器由于输出电压值易受环境温度、电压扰动等非目标参量的影响而导致精度大大降低。该文采用BP神经网络对压力和温度2个目标参量进行数据融合处理，减小了两者相互交叉干扰敏感度。结果表明，采用BP神经网络进行数据融合，能够提高传感器的稳定性及其精度，仿真验证了该方法的有效性和可行性。...
8. 《基于BP神经网络的压力传感器数据融合》PDF+DOC 多传感器数据融合问题已经引起许多学者的广泛关注.通常，压力传感器都存在交叉灵敏度，其主要表现在传感器静态特性不仅受目标参量的影响还受多个非目标参量的影响.由于传感器的输出受多个参量的变化的影响，导致其性能不稳定，测量精度降低.针对温度、噪声、电源波动等多种环境因素影响压力传感器输出电压值这一问题，在......
9. 《基于BP神经网络的功率传感器数据融合》PDF+DOC 本文阐述了BP神经网络传感器补偿矫正方面的应用，针对功率传感器非线性和频响问题，提出了采用BP神经网络进行补偿修正的方法，结果表明，采用BP神经网络消除非标参量影响的方法是有效可行的。...
10. 《数据融合技术在车辆动态称重系统中的应用》PDF+DOC 为了提高车辆动态称重的抗干扰能力，设计了包含压力传感器和加速度传感器的称重板，并依据此系统的结构和特点，提出了三种数据融合计算方法：同一传感器多测量周期的数据融合、同类传感器的多传感器数据融合和异类传感器数据融合，以保证参数检测的可靠性和准确性。试验证明，该系统的测量精度较高，并能满足系统的实时性要......