作者：刘刚 单位：上海电气自动化设计研究所有限公司;上海市自动化学会 出版：《电气自动化》2007年第03期 页数：3页  （PDF与DOC格式可能不同） PDF编号：PDFDQZD2007030210 DOC编号：DOCDQZD2007030219 下载格式：PDF + Word/doc 文字可复制、可编辑

    • 提出了一种基于改进型 BP 神经网络的瓦斯传感器的非线性校正方法，利用神经网络良好的非线性映射能力，逼近反非线性函数完成非线性校正。仿真实验结果表明：与分段线性校正和传统 BP 算法相比，改进型的 BP 神经网络收敛速度快、逼近精度高，准确度由原来分段线性校正的&#177；5.02%提高到现在的&#177；0.130%，且易于动态调校。

    📙 相关资料

    1. 《基于改进型BP神经网络的瓦斯传感器的非线性校正》PDF+DOC 提出了一种基于改进型BP神经网络的瓦斯传感器的非线性校正方法，利用神经网络良好的非线性映射能力，逼近反非线性函数完成非线行校正。仿真实验结果表明：与传统的分段线性与BP算法相比，改进型的BP神经网络收敛速度快、逼近精度高，准确度由原来分段线性校正的&#177；5.020%提高到现在的&......
    2. 《基于神经网络的瓦斯传感器的非线性校正》PDF+DOC 文章提出了一种基于改进型BP神经网络的瓦斯传感器的非线性调校方法，该方法利用神经网络良好的非线性映射能力逼近反非线性函数，从而完成非线性校正。仿真结果表明：与传统的分段线性方法和BP算法相比，改进型BP神经网络收敛速度快、逼近精度高，准确度由原来分段线性校正的&#177；5.02%提高到现在......
    3. 《BP神经网络用于传感器故障诊断的仿真研究》PDF+DOC 在标准逆传播神经网络的基础上 ，提出了一种全新的改进逆传播神经网络 ，用来消除标准逆传播神经网络收敛速度慢和易陷入局部最小点的缺陷 ；并且设计了一个主神经网络和三个分布神经网络的结构 ，通过神经网络的在线学习 ，得到需要的参数估计。用它与传感器测得的实际值比较 ，可判断出故障 ，并且给出了仿真实例。...
    4. 《基于改进RBFNN算法的瓦斯传感器非线性校正》PDF+DOC 为了提高瓦斯传感器的精度和灵敏度，提出将改进的径向基函数神经网络(RBFNN)算法应用于瓦斯传感器系统中，对瓦斯传感器的非线性进行校正，同时分析了温度对瓦斯浓度预测的影响，然后利用RBFNN进行离散训练。实验结果表明，经过改进径向基函数神经网络(RBFNN)后，得到的数据比实际测量的瓦斯浓度要更接近......
    5. 《关于瓦斯传感器的非线性校正的研究》PDF+DOC 瓦斯传感器的非线性在很大程度上影响了它输出的准确度，所以如何进行非线性校正是当前研究的重点。本文改进了传统的BP算法，对瓦斯传感器进行非线性校正。并且用仿真比较传统BP算法与改进型BP算法。...
    6. 《混沌蚁群算法在瓦斯爆炸性检测仪中的应用》PDF+DOC 针对瓦斯爆炸性检测仪传感器在实际生产中因构造和环境因素所产生的输入、输出非线性问题，将混沌蚁群算法和BP神经网络算法应用到瓦斯爆炸性检测仪中，提高瓦斯传感器精度。通过混沌蚁群算法对BP神经网络进行优化，改善BP神经网络收敛速度慢、容易陷入局部最优的缺点。实验结果表明：基于混沌蚁群优化算法的BP神经网......
    7. 《改进BP网络及其在传感器非线性校正中的应用》PDF+DOC 针对传统BP网络收敛速度慢、容易陷入局部最小点等问题，采用附加动量因子和自适应学习速率进行了改进，并将其用于对传感器的非线性误差进行补偿。用MATLAB语言编制相应的训练程序，仿真结果表明，在相同的条件下，改进后算法节省了大量的训练时间，同时提高了数据拟合的精度。...
    8. 《基于函数型连接神经网络的瓦斯传感器非线性校正》PDF+DOC 通过对载体催化瓦斯传感器检测原理的分析，指出瓦斯体积分数与瓦斯传感器输出电压之间呈非线性关系，提出了应用函数型连接神经网络的强非线性逼近能力，且不依赖确定的数学模型的优点，建立非线性校正模型，消除瓦斯检测中的非线性误差。网络仿真结果与分段线性拟合曲线的比较表明：这种非线性校正模型结构简单、收敛速度快......
    9. 《一种改进BP网络及其在智能传感器非线性校正中的应用》PDF+DOC 主要分析了神经网络存在的一些缺陷，研究了一种改进BP神经网络学习算法的相关技术，设计并实现了一种改进型BP神经网络算法，并将其应用于智能传感器的非线性自校正系统。通过在某无人机机载高度传感器上试验研究，证明了这种算法的可靠性、先进性、稳定性。...
    10. 《基于PSO的BP神经网络在压力传感器温度补偿中的应用》PDF+DOC 针对硅压阻式压力传感器的温度漂移问题，提出了基于粒子群优化算法PSO(Particle Swarm Optimization Algorithm)的BP神经网络的温度补偿模型，通过粒子群化算法对BP网络的权值和阈值进行全局寻优，克服了BP网络收敛速度慢和易陷入局部极值的缺陷，而且温度补偿的精度较高。......

    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。