作者：徐科军,殷铭 单位：中国仪器仪表学会 出版：《仪器仪表学报》1999年第05期 页数：4页  （PDF与DOC格式可能不同） PDF编号：PDFYQXB1999050300 DOC编号：DOCYQXB1999050309 下载格式：PDF + Word/doc 文字可复制、可编辑

    • 根据“逆模型”的思想，利用神经元网络良好的逼近能力，提出了基于函数联接型神经网络的传感器动态补偿方法。该方法设计的动态补偿器实现简单，实时性好；不依赖于传感器的模型，鲁棒性强；可以优化补偿器的参数。该方法的补偿效果比零极点配置方法的好，是一种非常有效的新方法，值得推广应用

    📙 相关资料

    1. 《基于FLANN的传感器动态特性研究方法》PDF+DOC 将函数联接型神经网络（ＦＬＡＮＮ）引入传感器动态特性的研究，利用神经元网络良好的逼近能力，建立腕力传感器的动态数学模型．该方法所建模型阶次低、精度高，对数据个数和采样频率无特殊要求．根据“逆模型”的思想，提出了基于函数联接型神经网络的传感器动态补偿方法．此方法设计出的动态补偿器简单、实时性好；不依赖......
    2. 《基于FLANN的动态称重法》PDF+DOC 根据“逆模型”的思想 ，利用神经元网络良好的逼近能力 ，基于函数联接型神经网络 ( FLANN)的传感器动态补偿方法和最小二乘法 ，提出了一种车辆动态称重解决新方法...
    3. 《基于FLANN的腕力传感器动态建模方法》PDF+DOC 本文将函数联接型神经网络 (FL ANN)引入传感器动态特性的研究。利用神经元网络良好的逼近能力 ，建立腕力传感器的动态数学模型。该方法所建模型阶次低 ，准确度高 ，对数据个数和采样频率无特殊要求 ，比其它方法更为有效和实用。...
    4. 《腕力传感器动态补偿的两种自适应方法》PDF+DOC 根据腕力传感器动态特性随负载情况而变化这一特点，本文提出自适应动态补偿方法．自适应动态补偿器能够自动调整自身的参数，以跟踪传感器模型的变化，始终保证动态响应的快速性．本文给出了两种实施方法，研究结果表明，自适应补偿的效果非常明显...
    5. 《神经网络在传感器动态补偿中的应用》PDF+DOC 根据传感器的特点和补偿的本质，利用神经网络良好的逼近能力，提出了基于BP神经网络的传感器动态补偿方法。该方法设计的动态补偿器实现简单，实时性好；不依赖于传感器的模型，鲁棒性强；可以优化传感器参数，该方法的补偿效果比系统辨识及零点配制方法要好，是一种比较行之有效的方法。...
    6. 《LS-SVM构造FLANN逆系统的传感器动态补偿方法》PDF+DOC 提出一种用最小二乘支持向量机(LS-SVM)构造函数链接型神经网络(FLANN)逆系统的传感器动态补偿新方法。介绍了相关原理和具体算法，并给出了传感器动态逆系统的数学模型。在该方法中，通过在传感器后串接逆系统模型来修正动态测试误差、提高传感器的动态特性。通过典型的传感器动态标定实验数据，该逆系统模型......
    7. 《基于递归神经网络的热电偶测温滞后的动态补偿》PDF+DOC 提出了一种基于递归神经网络的热电偶测温滞后的动态补偿方法，利用神经网络良好的非线性映射能力，建立传感器的动态逆模型，实现对传感器的动态补偿。实验结果表明：检测信号经过动态补偿后，能够克服传感器的测量滞后，达到稳态的时间从补偿前的26 s缩短到大约5 s，传感器的动态性能得到较大的提高。...
    8. 《腕力传感器动态负载效应与自适应分级补偿》PDF+DOC 根据动态标定实验数据，分析了负载变化对腕力传感器动态特性的影响。为了提高传感器动态响应的快速性，提出自适应动态补偿方法。动态补偿器能够根据负载情况来调整自身的参数，始终保证最佳的补偿效果。仿真研究表明，这一新方法非常有效。...
    9. 《航天机器人用六维腕力传感器动态特性研究》PDF+DOC 本文主要论述航天机器人用六维腕力传感器动态特性的相关问题 .讨论了传感器动态性能的标准问题 ，给出了该传感器动态补偿器的设计方法 ，对实现中的一些问题进行了初步探讨 ，最后给出实际的测试结果 .值得一提的是 ，这是我们首次在传感器实际应用中实现了动态补偿 ，为传感器动态性能的提高迈出了坚实的步伐 。...
    10. 《基于FLANN的称重传感器动态补偿方法》PDF+DOC 为满足快速称重的要求，结合遗传算法寻优速度快和函数联接型神经网络(FLANN)有较强的函数逼近能力的优点，设计了一种基于遗传算法优化的FLANN补偿器，实现对称重传感器的动态特性补偿。采用遗传算法优化FLANN的连接权值。仿真表明：阶跃响应时间快，且超调量小，有效地提高了称重传感器的动态响应过程，且......

    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。