《基于萤火虫优化BP神经网络方法的传感器温度补偿策略》PDF+DOC
作者:王慧,符鹏,宋宇宁
单位:中国机械工程学会;郑州机械研究所
出版:《机械强度》2020年第01期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFJXQD2020010170
DOC编号:DOCJXQD2020010179
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于改进BP网络的甲烷传感器温度影响试验研究》PDF+DOC2015年第07期 金文志
《基于PSO-BP神经网络的湿度传感器温度补偿》PDF+DOC2015年第06期 行鸿彦,邹水平,徐伟,张强
《基于AFSA-BP神经网络的湿度传感器温度补偿》PDF+DOC2017年第08期 郭敏,行鸿彦,张冬冬,张兰
《基于BP神经网络模型的压力传感器温度补偿》PDF+DOC2019年第04期 乔维德
《基于NSGA-Ⅱ&BP的应变片式压力传感器温度补偿研究》PDF+DOC2020年第06期 郭志君,卢文科,左锋,张珏,丁勇
《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
《基于BP神经网络的磁通门传感器温度误差补偿》PDF+DOC2011年第03期 庞鸿锋,罗诗途,陈棣湘,潘孟春,张琦
《基于BP神经网络的IH3605传感器建模方法》PDF+DOC2010年第05期 黄俊燕,木昌洪
《基于Labview和BP神经网络的温度补偿的研究》PDF+DOC2006年第31期 吕娓,李光林
《基于LDIW-PSO算法的BP神经网络在压力传感器中的应用》PDF+DOC2014年第09期 温阳东,李龙剑
为了解决硅压阻式压力传感器温度漂移现象影响工程测量精度的问题,提出一种基于萤火虫优化的BP神经网络温度补偿策略。对一般型BP神经网络利用萤火虫算法进行权值和阈值的优化,进而提高神经网络的泛化性能和搜索速度,并利用优化后的BP神经网络进行压力传感器温度补偿实验。将优化后的BP神经网络温度补偿性能与一般的神经网络和粒子群优化的神经网络进行对比分析,结果表明:萤火虫优化后的BP神经网络补偿效果显著,相比于一般的神经网络补偿误差减少了52%,相比于粒子群优化的BP神经网络补偿误差减少了23%;考虑补偿耗时,萤火虫优化的BP神经网络综合特性表现良好,补偿后的传感器数据满足课题实验需求,补偿算法可行。
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。