《应用神经网络技术解决多传感器非线性拟合问题》PDF+DOC

📙 相关资料

1. 《基于神经网络的传感器非线性误差校正方法》PDF+DOC 为对传感器进行非线性校正以进一步提高其测量精度，提出了基于神经网络的校正办法。理论分析了传感器非线性误差的复杂性，并以位移传感器标定为例，详细介绍了传感器非线性校正的过程和方法。采用了最小二乘拟合、BP神经网络以及RBF网络三种方法进行校正，设计并实现了RBF网络的校正模型。实验结果证明，RBF网络......
2. 《电容式位移传感器的非线性拟合比较》PDF+DOC 针对控制棒落棒时棒位指示传感器的电容和位移关系，在水平位置下，在4种不同的工况下将控制棒数据进行标定，对标定得到的电容值取最大值和最小值的二分之一作为拟合值，分别采用三次样条插值、最小二乘法、BP神经网络的方法对数据进行拟合，然后使用4种工况下得到的原始数据进行插值观察误差并做残差分析。MATLAB......
3. 《基于神经网络的压力传感器数据融合》PDF+DOC 针对压力传感器在实际应用中受多个非目标参量的影响而导致其输出数据不仅仅与目标参量有关 ，提出了应用神经网络技术对多传感器数据进行融合以消除非目标参量对传感器输出的影响 ；研究结果表明 ，利用神经网络实现多传感器数据融合消除非目标参量对传感器输出的影响是可行的...
4. 《多传感器数据融合技术与单平台火控系统》PDF+DOC 分析了多传感器数据融合技术的优越性和单平台火控系统的不足．应用数据融合技术，不仅可以提高目标的探测和分类能力，亦可提高目标跟踪精度，给出单平台火控系统数据融合结构和功能图；指出应用神经网络融合方法优于其它算法．...
5. 《求传感器最佳拟合直线的新方法》PDF+DOC 提出了一个能够求得最佳拟合直线和最小独立非线性误差的新方法。这个新方法是一种把最小二乘直线进行“逐步逼近转动操作”的方法。这样，使人们长期希望在实际上求得最小独立非线性误差的愿望得以实现。这个新方法对于所有线性传感器和传动装置都是普遍适用的。...
6. 《传感器静态校准曲线的最佳拟合》PDF+DOC 传感器的基本性能指标之一是其非线性误差，本文在保证其非线性误差最小的条件下，推导了传感器静态校准曲线的最佳拟合数学模型。...
7. 《基于小波神经网络的压力传感器温度补偿方法》PDF+DOC 介绍了硅压阻式压力传感器温度误差产生的原因及其特点，在比较了多种神经网络优缺点的基础上，提出了一种利用小波神经网络对压力传感器温度误差及非线性误差进行补偿的方法。该网络与BP神经网络相比，具有更快的收敛速度和更好的补偿精度。经过实验证明该网络能够有效地补偿压力传感器的温度非线性误差，在-40～60℃......
8. 《改善传感器非线性的自适应分区神经网络方法》PDF+DOC 提出了一种传感器特性反函数的自适应分区神经网络辨识方法，这种方法根据学习准确度的要求，用自适应方法把传感器特性的反函数分成若干区间，分别用一个BP神经网络去学习辨识进而取代，从而实现传感器特性的线性化。实验结果表明，非线性误差可减小到原来的十分之一。...
9. 《基于软硬件技术的传感器信号线性化处理研究》PDF+DOC 传感器信号的非线性程度直接影响测量系统的精度，因而，必须对其进行线性化。针对传感器特性和转换电路的非线性可以采用硬件的方法进行线性化；而对其他因素的影响，可以采用智能系统，用最小二乘法进行曲线拟合、神经网络法数据融合等软件编程来实现；或者根据具体问题将二者结合。实验证明：这些都是实现线性化的好措施。...
10. 《传感器模糊神经网络非线性误差补偿的研究》PDF+DOC 在测量系统中，传感器的非线性特性是测量系统误差的主要来源。要提高测量系统的精度，就必须进行误差补偿。设计了一个用模糊小脑神经网络实现的补偿环节。该补偿环节是一个用神经网络拟合的传感器逆特性，通过传感器的逆特性将传感器非线性特性改造成与实际物理过程相一致的不失真的线性特性，从而减小非线性误差。通过应用......