《基于最小二乘支持向量机的压力传感器温度补偿》PDF+DOC

📙 相关资料

1. 《基于支持向量机的传感器非线性动态补偿方法》PDF+DOC 提出了应用支持向量机(LS-SVM)实现传感器非线性动态补偿方法.LS-SVM的训练过程遵循的是结构风险最小化原则，而不是通常神经网络的经验误差最小化，可获得更好的泛化性能，不易发生局部最优及过拟合现象，因此可弥补应用人工神经网络进行传感器非线性动态补偿的缺陷.通过实例验证了该方法的可行性，结果表明......
2. 《传感器动态建模的最小二乘支持向量机方法》PDF+DOC 提出了应用最小二乘支持向量机(LS-SVMs)建立传感器动态模型的方法。LS-SVMs的训练过程遵循的是结构风险最小化原则，而不是通常神经网络的经验误差最小化原则，遵循该原则可获得更好的泛化性能，且不易发生局部最优及过拟合现象，因此可以克服应用人工神经网络建立传感器动态模型的缺陷。通过实例验证了该方......
3. 《基于BP神经网络的压力传感器温度补偿方法研究》PDF+DOC 硅压阻式压力传感器在工作时受温度的影响较大，随着温度的升高或降低，传感器的实际测量值会出现一定的误差，出现温度漂移的现象，为了抑制温度漂移对传感器的影响，采用人工神经网络中的BP神经网络的方法对温度漂移现象进行补偿，通过对补偿前后数据的对比，使传感器的灵敏度温度系数和满量程误差分别提升了两个数量级，......
4. 《基于小波神经网络的压力传感器温度补偿方法》PDF+DOC 介绍了硅压阻式压力传感器温度误差产生的原因及其特点，在比较了多种神经网络优缺点的基础上，提出了一种利用小波神经网络对压力传感器温度误差及非线性误差进行补偿的方法。该网络与BP神经网络相比，具有更快的收敛速度和更好的补偿精度。经过实验证明该网络能够有效地补偿压力传感器的温度非线性误差，在-40～60℃......
5. 《SOS压力传感器温度的补偿》PDF+DOC 分析了硅 蓝宝石(SOS)压力传感器的温度特性，表明测量范围较宽时，传感器的输出易受环境温度的影响，并且成非线性&#183；提出一种基于神经网络共轭梯度算法的硅 蓝宝石压力传感器温度补偿方法&#183；利用神经网络共轭梯度算法具有逼近任意非线性函数的特点，通过训练使神经网络建立在不同......
6. 《基于云粒子群-最小二乘支持向量机的传感器温度补偿》PDF+DOC 针对传感器的测量精度受温度影响较大问题，提出了一种基于云粒子群-最小二乘支持向量机(CMPSO-LSSVM)的温度补偿方法。云粒子群算法(CMPSO)将云模型算法应用于粒子群优化(PSO)算法的收敛机制，具有寻优精度高的特点。CMPSO算法对LSSVM的参数进行优化选择，建立CMPSO-LSSVM传......
7. 《基于PSO-LSSVM的振弦传感器温度补偿》PDF+DOC 针对振弦传感器测量精度受环境温度影响的问题，本文提出基于粒子群-最小二乘支持向量机的温度补偿方法。采用泛化能力好、收敛速度快、全局最优的最小二乘支持向量机，并引入粒子群算法对最小二乘支持向量机的两个参数进行优化，建立预测模型，进行温度补偿。实验表明：与BP神经网络算法相比，该方法提高了传感器的精度。...
8. 《基于样条曲线插值的压力传感器的温度补偿》PDF+DOC 提出了基于三次样条曲线插值的温度补偿方法，用这种方法对测压范围为0.013 3&#215；105~3.198 9&#215；105Pa，温度应用范围为-55~+80℃的高精度谐振筒压力传感器的实验标定结果进行了温度补偿.为加快标定过程，给出了传感器标定点数的减少方案.结果表明，在传感......
9. 《压力传感器温度补偿技术分析》PDF+DOC 压力传感器是一种较为常用的传感器件，由于自身的非线性特点以及外界因素的影响，传感器的输出结果容易产生误差，其中温度的影响最大，因此，对传感器的温度补偿就显得尤为重要。文章对目前常用的温度补偿方法进行了分析，在此基础上，提出了一种新的温度补偿方法 ，并对BP神经网络进行了改进，从研究结果来看，该方法有......
10. 《压力传感器温度补偿各种算法的比较分析》PDF+DOC 压力传感器是一种常用的传感元件，由于其自身的非线性和外界测量条件的影响，传感器的输出特性大都为非线性，故存在多种误差因素。这些误差因素通常同时存在，但以温度的影响最为明显，所以对传感器的温度补偿也就尤为重要。本文结合目前应用比较普遍的各种温度补偿方法，通过编制程序，对压力传感器的输出非线性作了补偿。......