《基于小波神经网络的振动速度传感器幅频特性补偿研究》PDF+DOC
作者:俞阿龙
单位:中国物理学会
出版:《》
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFWLXB2007060220
DOC编号:DOCWLXB2007060229
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于神经网络的速度传感器幅频特性改进》PDF+DOC2007年第07期 于海春,俞阿龙
《磁电式绝对振动速度传感器频响展宽研究》PDF+DOC1999年第01期 余水宝,李鸣华,吕振洪
《一种测量超低频绝对振动的新方法》PDF+DOC1998年第02期 余水宝
《基于小波网络的非线性传感特性的线性化》PDF+DOC2004年第03期 廖忠
《基于改进的粒子群优化的小波神经网络模型的传感器动态建模》PDF+DOC2012年第11期 赵远东,周凯
《基于遗传算法的小波神经网络温度补偿模型》PDF+DOC2012年第01期 孙艳梅,刘树东,苗凤娟,陶佰睿
《压电传感器动态特性数字化补偿方法研究》PDF+DOC2011年第05期 高全芹
《小经神经网络的信息融合传感器故障诊断方法》PDF+DOC2008年第24期 王蕾,伦志新,张艳丽
《可用于多种压电传感器动态特性补偿方法的研究》PDF+DOC2007年第08期 王义
《基于小波网络的永磁无刷直流电机无位置传感器控制》PDF+DOC2007年第02期 史婷娜,田洋,夏长亮
为了实现超低频振动速度测量,提出补偿其幅频特性的小波神经网络方法.该方法以振动速度传感器动态实验数据为基础,通过小波神经网络训练来确定传感器幅频特性补偿网络.介绍振动速度传感器幅频特性补偿原理,分析网络的拓扑结构,给出网络参数训练和初始化方法.采用引入动量项的最速下降法训练网络权值、尺度因子和平移因子,将小波网络参数的初始化与小波类型、小波时频参数和学习样本等联系起来.结果表明,采用小波神经网络进行振动速度传感器幅频特性补偿具有良好的鲁棒性,并能实现在线补偿,网络训练的速度和精度优于同等规模的BP网络,在测试领域有重要的实用价值。
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。