《基于神经网络模型的传感器非线性校正(英文)》PDF+DOC
作者:田社平,赵阳,韦红雨,王志武
单位:中国科学院长春光机所;中国仪器仪表学会
出版:《光学精密工程》2006年第05期
页数:7页 (PDF与DOC格式可能不同)
PDF编号:PDFGXJM2006050310
DOC编号:DOCGXJM2006050319
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于BP神经网络的传感器非线性补偿》PDF+DOC2007年第01期 田社平,赵阳,韦红雨,王志武
《基于集成神经网络的汽车尾气检测系统设计》PDF+DOC2016年第04期 刘萍,简家文,陈志芸
《一种新的温度传感器湿度补偿方法》PDF+DOC2016年第06期 邹水平,行鸿彦,于祥
《基于神经网络的传感器非线性校正方法》PDF+DOC2004年第04期 李增芳,傅彩云
《基于LM算法的现场测量系统的传感器非线性误差校正方法》PDF+DOC2004年第06期 倪飞舟,李桂权
《基于神经网络的传感器非线性误差校正》PDF+DOC2002年第01期 林康红,施惠昌,卢强,奉玲
《BP神经网络在帆板控制系统中角度非线性校正的应用研究》PDF+DOC2012年第02期 陈勉舟,李玉平
《基于BP神经网络的超声波测距非线性误差校正》PDF+DOC2007年第01期 刘建生,杨丽荣,程铁栋
《基于神经网络的高分子PTC热敏电阻测温准确性的研究》PDF+DOC2014年第10期 栗鹏飞,杨永平
《基于神经网络的多传感器数据融合》PDF+DOC2005年第04期 胡仲毅,陈进军,鲁绪文
讨论了BP神经网络模型在传感器非线性补偿中的应用。给出了相应的补偿方法,即采用两个相同的传感器对同一被测量进行不同的测量,其测量结果作为神经网络模型的输入,经过补偿后的传感器具有线性的输入输出关系。采用递推预报误差算法(PRE)训练神经网络,具有收敛速度快、收敛精度高的特点。以距离传感器为例,将基于BP神经网络的校正方法应用于减少距离传感器的非线性输出误差。实验结果表明,将训练后的神经网络接入距离传感器可以得到线性的输入-输出关系,增加神经网络隐层节点的数目可以提高校正精度。当隐层节点数取为40时,用于距离传感器非线性校正的神经网络模型在训练100步后的误差指数(EI)为9.6×;10-6。结果表明:本文提出的基于神经网络模型的传感器非线性校正方法是行之有效的。
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。