《基于遗传算法和线性神经网络的浓度传感器输出特性拟合》PDF+DOC

📙 相关资料

1. 《基于混合遗传算法的浓度传感器的非线性估计和动态标定》PDF+DOC 本文针对最小二乘法、分段线性化、神经网络等拟合方法的不足，提出解决浓度传感器输出特性拟合和在线标定问题的混合遗传算法，实验验证了其有效性。当环境条件发生变化时，只要测量几组数据对，该方法可自动重新训练网络，获得新的多项式系数，实现浓度传感器的在线动态标定。...
2. 《用遗传神经网络对光栅传感器信号高精度细分研究》PDF+DOC 针对当前提高光栅传感器测量精度方法的一些不足 ，对用遗传神经网络实现光栅传感器高精度细分 ，提高测量精度进行了研究。研究表明 ，通过少量样本点的学习 ，用神经网络拟合出光栅传感器的传输特性 ，对任意输入值 ，经神经网络泛化后 ，能产生高精度输出 ，并通过实验验证了该研究的有效性...
3. 《基于遗传神经网络的传感器输出特性拟合》PDF+DOC 针对最小二乘法和分段线性化等传统方法的不足 ，提出了解决传感器输出特性拟合和在线标定问题的遗传神经网络算法 ，实验验证了其有效性 .本文的论述不但可以用于传感器 ，而且可以用于其它类似系统...
4. 《纸浆浓度传感器非线性估计和动态标定的一种新方法》PDF+DOC 本文提出了一种基于人工神经网络的纸浆浓度传感器非线性估计和动态标定新方法。该方法用４次幂级数多项式拟合浓度传感器的非线性模型，多项式的系数可由神经网络学习算法得到。当环境条件发生变化时，只要给出几组测量数据对，该方法可自动重新训练网络，获得新的多项式系数，实现传感器的在线动态标定...
5. 《基于遗传算法的RBF神经网络在热敏电阻温度传感器非线性补偿中的应用》PDF+DOC 针对热敏电阻温度传感器应用中存在的非线性问题，提出了应用遗传算法训练径向基函数(RBF)神经网络实现其非线性补偿的遗传神经网络方法，介绍了非线性补偿的原理和网络训练方法。该方法能同时优化网络结构和参数，具有全局寻优能力，补偿精度高。实验结果表明，所提出的热敏电阻温度传感器非线性补偿方法是实用的和可行......
6. 《遗传神经网络及其在智能变送器中的应用》PDF+DOC 介绍了借用遗传算法优化神经网络结构的遗传神经网络方法，并以智能变送器为例，给出了具体的应用方法。计算机仿真结果表明了用该方法设计的神经网络结构简单而且收敛速度快。...
7. 《运用BP算法神经网络拟合传感器的输出特性》PDF+DOC 首先介绍了 BP算法神经网络的基本原理 ，然后将 BP算法神经网络应用于拟合传感器的输出特性 ，并在 MATLAB下通过训练和仿真验证了应用 BP算法神经网络拟合传感器的输出特性的优越性...
8. 《基于遗传神经网络的电容称重传感器非线性补偿方法》PDF+DOC 为了解决电容称重传感器的非线性问题，应用遗传算法训练径向基函数神经网络实现其非线性补偿。介绍非线性补偿的原理和网络训练方法。从实测数据出发，建立了电容称重传感器的非线性补偿模型。该方法能同时优化网络结构和参数，具有全局寻优能力，补偿精度高、鲁棒性好、网络训练速度快、能实现在线软补偿。实验结果表明，本......
9. 《基于遗传神经网络的扭矩传感器设计》PDF+DOC 分析了传统扭矩传感器存在的主要误差，利用遗传算法优化的BP神经网络对扭矩传感器误差进行了补偿，提高了系统的测量精度.利用MSP430单片机完成神经网络的回想，使设计的智能传感器体积小、耗电省、成本低。...
10. 《基于遗传神经网络的加速度传感器动态建模方法》PDF+DOC 提出了利用遗传神经网络实现加速度传感器动态建模的新方法，介绍动态建模原理以及算法，给出用遗传神经网络建立的加速度传感器动态数学模型。该方法利用加速度传感器的动态标定数据，采用遗传神经网络搜索和优化动态模型参数。这样，既保留遗传算法的全局搜索能力，克服神经网络容易陷入局部极小的缺陷，又具有神经网络局部......