基于CMAC神经网络改善振筒式传感器静态特性

利用小脑模型连接控制器(CMAC)神经网络的非线性函数逼近,并以振筒式压力测试系统为例,提出了一种综合修正传感器静态误差的新方法。计算机仿真与实验结果表明:该方法能够有效改善传感器的输出特性,并且速度快、精度高、鲁棒性强,便于用硬件实现。     

振动筒式压力传感器

本文介绍了振动筒式压力传感器的结构,讨论了它的工作原理和温度误差及其补偿,并讨论了振动筒式压力传感器在飞机上的应用.     

气压传感器神经网络算法及单片机实现

谐振筒式气压传感器测量范围为45~107 kPa,其输出的周期信号与气压呈非线性关系,且受环境温度影响,为了达到准确度要求(±0.05 kPa),提出了应用神经网络算法对周期和温度信号进行数据融合,实现消除温度影响和非线性校正及在单片机上的实现方法。实验结果表明:神经网络算法对气压传感器的数据融合可行有效。     

EMD和遗传神经网络算法研究—以装载机动态称重系统为例

装载机压力传感器的输出信号是包含强振动、噪声的非线性信号,而装载机动态称重系统的测量精度与压力传感器的信号之间有极其密切的关系,采用经验模态分解对压力传感器的信号进行预处理,提取其有用称重信号,采用BP神经网络算法对称重信号与重物重量之间的非线性关系进行拟合,同时使用遗传算法加快收敛速度,得到适合的非线性测重数学模型,仿真和实验参数计算表明,该处理方法在装载机动态称重系统中的应用是有效的。     

用遗传网络校正传感器非线性误差的研究

文章描述了一种用反函数校正传感器非线性误差的方法。阐述了校正原理，提出了利用BP神经网络和遗传算法相结合，拟合传感器传输特性反应函数的算法，该算法可将传感器传输特性的非线性模型，改造成为与实际物理过程相一致的不失真的线性模型，给出了一个应用实例，其结果表明，可使传感器的非线性误差有较大的减少。     

用RBF神经网络改善传感器输出特性

针对传感器输出易受温度、湿度等因素影响的问题,提出利用RBF神经网络良好的学习、泛化和非线性逼近能力改善传感器的输出特性.RBF神经网络采用不需要事先确定隐层单元个数、可在线自适应学习的最近邻聚类学习算法.将该算法用于易受温度影响的压力传感器的非线性校正,仿真结果表明RBF神经网络在对传感器输出信号的补偿精度和网络训练速度方面均优于BP神经网络和传统的非线性补偿方法.该方法可推广应用于其他传感器输出特性的优化.     

人工神经网络在电容式压力传感器设计上的应用

论述了利用函数链人工神经网络（FLANN）对电容式压力传感器的非线性和温度影响进行校正和补偿的方法，并利用计算机对FLANN的性能进行了仿真研究，通过比较，在电容式压力传感器的非线性校正和温度补偿问题上，采用FLANN比用多层感知器（MLP）具有计算简单、硬件电路少、并有良好的鲁棒性的特点。     

振筒式压力传感器的特性分析

本文通过理论分析与实验分析,研究了振筒式压力传感器的敏感元件——振筒的振动模型、压频特性。分析了振筒传感器产生“振型跳变”的原因,提出了振筒式压力传感器的合理结构设计。     

基于BP网络的厚膜压力传感器非线性校正

简述了厚膜压力传感器结构原理和力学模型、传统非线性校正方法,以及用神经网络进行非线性校正的原理,探讨用BP神经网络实现厚膜压力传感器的非线性校正,并通过MATLAB神经网络工具箱进行仿真。研究结果表明:采用该方法对弹性体应变量与压力关系的非线性校正可以将标准误差减小2个数量级,简单而有效地实现传感器非线性校正。     

基于线性加权免疫克隆算法的压力传感器温度补偿方法

对于压力传感器存在温度漂移[1]的现象,提出了线性加权(LWF)算法和免疫克隆算法相融合的方法对压力传感器输出数据进行补偿处理,以消除非线性目标参数(温度)对于传感器的影响;通过分析工程实验结果,该方法在全局收敛性[2]、非线性目标函数逼近能力等方面效果显著,在压力传感器温度补偿处理上具有较高的实用性.     

基于FLANN的称重传感器动态补偿方法

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,且方法简单,易于工程实现,具有实用价值。     

基于SVM回归的FLANN改进新法及其应用

通过分析常规函数链接型神经网络（FLANN）结构与支持向量机（SVM）的关系,确定了两者本质上的等价性;在此基础上提出了一种基于SVM技术的FLANN构造新方法,并将SVM-FLANN应用到称重传感器的动态补偿上。结果表明该方法构造的FLANN具有结果唯一、结构简单、全局优化等特点,应用于称重传感器的动态补偿时,对传感器的性能改善效果明显,具有实用价值。     

基于硅谐振压力传感器的大气数据系统的实现

详细介绍了Druck RPT 200型硅谐振压力传感器的工作原理,阐述了大气数据系统的结构、建模及硬件实现等研制过程;该系统采用Druck RPT 200型硅谐振压力传感器替代原振动筒式压力传感器测量压力,并采用小型单板计算机作为大气数据系统的嵌入式计算机,实现高度、空速和马赫数等参数的计算,并由显示器实时显示;该大气数据系统体积和重量仅为原系统的1/10,并具有高精度、高分辨率,高稳定性和高重复性的特点。     

基于M-Rife算法的振弦式传感器精确测频系统设计

针对振弦式传感器测频系统易受噪声干扰,导致测频精度下降的问题,介绍了一种基于 M-Rife算法的高精度频率测量方法。结合ARM处理器的硬件结构特点和编程方式,将M-Rife算法移植到ARM处理器上,实现了完整的振弦式传感器精确测频系统。实验结果证明：系统频率测量的相对误差小于0.025%,具有较强的抗干扰能力。     

一种高精度气压式高度表的设计

采用振动筒式压力传感器,结合单片机技术设计了一种高精度的数字式气压高度表,文中详细的论述了硬件设计,给出了软件设计流程,并从硬件上和软件两方面对引起测量压力的温度误差、静压误差和非线性误差进行了补偿,进一步提高了气压高度表的实际精度,该气压高度表与传统膜盒式气压高度表相比,具有精度高、结构简单、体积小和重量轻等优点。     

机器人腕力传感器动态响应的实时补偿

为了提高机器人腕力传感器的动态响应速度,在对传感器进行动态标定实验的基础 上,采用FLANN方法设计动态补偿器,以DSP为处理核心,研制实时动态补偿系统.实验结果 表明,经过补偿腕力传感器动态响应的调整时间缩短为原来的25%以下.     

Functional link artificial neural network applied to active noise control of a mixture of tonal and chaotic noise

Many practical noises emanating from rotating machines with blades generate a mixture of tonal and the chaotic noise. The tonal component is related to the rotational speed of the machine and the chaotic component is related to the interaction of the blades with air. An active noise controller (ANC) with either linear algorithm like filtered-X least mean square (FXLMS) or nonlinear control algorithm like functional link artificial neural network (FLANN) or Volterra filtered-X LMS (VFXLMS) algorithm shows sub-optimal performance when the complete noise is used as reference signal to a single controller. However, if the tonal and the chaotic noise components are separated and separately sent to individual controller with tonal to a linear controller and chaotic to a nonlinear controller, the noise canceling performance is improved. This type of controller is termed as hybrid controller. In this paper, the separation of tonal and the chaotic signal is done by an adaptive waveform synthesis method and the antinoise of tonal component is produced by another waveform synthesizer. The adaptively separated chaotic signal is fed to a nonlinear controller using FLANN or Volterra filter to generate the antinoise of the chaotic part of the noise. Since chaotic noise is a nonlinear deterministic noise, the proposed hybrid algorithm with FLANN based controller shows better performance compared to the recently proposed linear hybrid controller. A number of computer simulation results with single and multitone frequencies and different types of chaotic noise such as logistic and Henon map are presented in the paper. The proposed FLANN based hybrid algorithm was shown to be performing the best among many previously proposed algorithms for all these noise cases including recorded noise signal.     

结冰传感器数学模型的建立和验证

为了实现复杂环境中结冰的自动探测,研制了一种振管式结冰传感器。基于振动理论建立了振管的波动方程,采用变量分离法求得波动方程的通解,再结合传感器探头实际结构的简化模型和具体的定解条件求得波动方程的定解,采用量级计算法对定解进行简化,最终建立振管式结冰传感器的数学模型,并获得前三阶轴向振型。对传感器样品进行了性能测试,计算结果与实验结果比较表明:数学模型有效,可用于振管式结冰传感器的结构设计。     

基于SURF 特征提取和FLANN 搜索的图像匹配算法

针对传统图像匹配算法存在特征信息少和误匹配率高的问题,提出基于SURF 特 征提取和FLANN 搜索的图像匹配算法。通过Hessian 矩阵获取图像局部最值,并使用不同尺寸 特征描述器,同时处理尺度空间多层图像的向量特征,最后采用FLANN 搜索算法进行特征匹 配。试验表明,该算法比传统的图像匹配算法在效果和效率方面都表现得更好。     

基于函数链神经网络的模型构造及控制

通过对热驱动部件的理论分析,确定参数待定的热驱动部件数学模型。针对现有数学模型中多阶指数函数拟合算法的复杂性,提出一种基于函数链神经网络(FLANN)的多阶指数函数逐级递推式拟合算法。根据不同时间常数的指数函数具有不同平衡时间的特点,采用基于FLANN一阶指数函数拟合算法,逐步确定多阶指数函数对应项的待定参数,建立热驱动部件的数学模型。应用多模控制和模糊切换策略,对具有大进给力的纳米级驱动部件进行控制,试验表明系统具有快速响应和高精度,并实现了平稳过渡,证明了基于FLANN的算法构建的控制模型具有精度高、收敛性好以及简单实用等优点。