作者:宋瑞娟 单位:中国机械工程学会;郑州机械研究所 出版:《机械强度》2016年第06期 页数:4页  (PDF与DOC格式可能不同) PDF编号:PDFJXQD2016060160 DOC编号:DOCJXQD2016060169 下载格式:PDF + Word/doc 文字可复制、可编辑
《SOS压力传感器温度的补偿》PDF+DOC2004年第02期 莫长涛,陈长征,张黎丽,孙凤久 《基于RBF神经网络的电化学CO气体传感器的温度补偿》PDF+DOC2009年第01期 张小俊,张明路,李小慧 《基于BP神经网络的压力传感器温度补偿方法研究》PDF+DOC2020年第05期 刘贺,李淮江 《多晶硅高温压力传感器的芯片内温度补偿》PDF+DOC2004年第01期 庞科,张生才,姚素英,张为 《一种利用RBF神经网络的传感器建模新方法》PDF+DOC2002年第03期 王雪萍,林康红 《高温压力传感器温度特性的芯片内补偿技术》PDF+DOC2002年第02期 曲宏伟,姚素英,张生才,赵毅强,张为 《基于RBF神经网络的振弦式传感器在矿压测量中的温度补偿》PDF+DOC2010年第34期 赵国材,谭晓静,王昊轶 《基于RBF神经网络对电磁力平衡传感器测量精度的研究》PDF+DOC2007年第01期 陆青丽,郑崇苏 《基于三次B样条插值的压力传感器温度补偿》PDF+DOC 王丕涛,翟殿棠,成谢锋 《基于蚁群聚类算法的RBF神经网络在压力传感器中的应用》PDF+DOC2013年第06期 孙艳梅,都文和,冯昌浩,刘道森,卢俊国,崔全领,苗凤娟,宋志章
  • 考虑到目前常用的温度补偿方法是使用智能算法建立温度补偿模型,并使用群智能优化算法进行优化,提高补偿精度,对于传感器非线性温漂段具有较好的补偿效果,但是对于具有较好的线性使用这种方法的效率较低,而使用常规的线性最小二乘直线拟合方法即可得到较好的补偿效果,因此本文将最小二乘直线拟合方法与RBF神经网络模型进行融合,研究一种对压力传感器进行温度补偿模型,使用蚁群算法对常规RBF神经网络进行优化,提高补偿模型的性能。通过MPX53型压阻式压力传感器进行实验研究,结果表明,使用本文研究的温度补偿方法后,传感器在各个温度下同样基本不受温度的影响,与使用全程蚁群优化RBF神经网络温度补偿方法效果相差不大,但是由于中间温度区域采用直线拟合方法,整体温度补偿的效率有所提高。

    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。