基于BP神经网络的多传感器信息融合研究

BP网络是应用最广的一种人工神经网络,将BP神经网络应用到压力检测领域的温度等非线性补偿,具有重要的实用价值,对压力检测精度的改进效果显著;从传感器信息融合的角度看,神经网络就是一个融合系统;通过对神经网络基本理论的阐述,针对研究对象将BP神经网络原理与多传感器信息融合技术有机集合起来,提出了基于BP神经网络的二传感器信息融合模型及改进算法,建立了BP神经网络训练标准样本库,并对该网络模型进行主要技术指标的测试和仿真工作,测试结果表明构建的模型及其改进算法能很好地满足了高精度压力检测仪的指标要求.     

改进PSO-BP算法的压力导丝温度及非线性补偿研究

测量冠状动脉血管血流储备分数的压力导丝中的超微型压力传感器,具有严重的温度以及非线性漂移问题,且目前只有硬件方法进行补偿。针对硬件补偿方法存在的补偿精度不高及成本昂贵等问题,提出一种改进粒子群优化的BP神经网络算法,对压力导丝进行温度和非线性软件补偿。Matlab仿真结果表明,改进PSO-BP神经网络与现有标准PSO-BP算法、BP神经网络等软件以及硬件补偿方法相比,具有成本低、稳定性高、不易陷入局部最优、泛化能力强等优点。     

声表面波压力传感器温度误差及补偿方法研究

要提高声表面波压力传感器的测量精确度，温度补偿是主要难题。尽管目前有许多补偿方法，但其效果不佳。采用软件方法进行温度补偿的研究在国内外已成热点，但选用神经网络对SAW压力传感器进行温度补偿尚罕见报道。本文以CSF-10型SAW压力传感器为研究对象，通过理论分析和实验，得到了SAW压力传感器的温度特性曲线，又经现场实际操作，BP神经网络对SAW压力传感器温度补偿的效果良好，充分表明了应用神经网络在提高声表面波测量精度方面是行之有效的方法。     

基于BP神经网络数据融合的瓦斯监测系统

井下瓦斯监测系统为多传感器监测系统,它通过不同功能、不同精度、不同位置的传感器,对所需要的被测量进行多方位、多角度的测量。但是,目前对于多传感器所测的数据还没有一种通用的、行之有效的处理方法,井下瓦斯浓度的监测很难作到实时、精确。因此,文章提出了一种基于BP神经网络数据融合的瓦斯监测系统的设计方案,该方案采用改进的BP神经网络算法对多传感器数据进行融合,并采用两级融合的方式对数据进行处理,以得到井下环境特征。仿真结果表明,基于BP神经网络数据融合的瓦斯监测系统具有较高的测量精度,极大地提高了数据采集的可靠性、全面性和有效性。     

油井作业中传感器误差补偿方法的研究

为了提高油井作业中压力传感器的测量精度,提出了一种基于粒子群优化BP神经网络的误差补偿方法.利用粒子群算法的全局寻优和收敛速度快的特点,训练网络的权值,能有效地改善BP神经网络传统算法的收敛速度和学习能力.结果表明:这种方法大大提高了压力传感器在油井作业中的测量精度和稳定性,也提高了油田作业的工作效率.     

基于MPSO-BP算法的四电极电化学气体传感器温度补偿研究

针对四电极电化学气体传感器的测量精度极易受环境温度影响的问题,提出一种基于粒子群优化-BP神经网络算法（PSO-BP）的温度补偿方法。利用改进的PSO算法（MPSO）对BP神经网络的权值和阈值进行优化,构造四电极电化学气体传感器的温度补偿模型,并设计了气体传感器测试系统。实验结果表明,MPSO-BP算法可有效提高BP神经网络的收敛速度和泛化能力;基于MPSO-BP算法的四电极气体传感器温度补偿模型,可将其温度补偿误差控制在0.1%以内。     

基于BP网络的高精度信号调理系统的研制

为提高压力传感器输出信号的调理精度,研制了基于BP神经网络的高精度智能信号调理系统.设计了基于MAXl452的信号调理电路、通信接口电路,完成硬件平台的搭建.选择BP神经网络算法作为传感器补偿算法,并编程实现.通过测试系统,验证了采用神经网络算法的可行性.     

基于PNN的汽车ABS系统中压力调节器和轮速传感器的故障诊断

在汽车防抱死制动系统(ABS)中,压力调节器和轮速传感器起着非常重要的作用,为了进一步完善汽车防抱死制动系统的制动性能,文中提出一种基于概率神经网络(PNN)的压力调节器和轮速传感器的故障诊断方法。基于高附着均一路面,起车时制动及单一的压力调节器或者轮速传感器故障的试验数据,分别建立了基于概率神经网络的压力调节器故障诊断模型和轮速传感器故障诊断模型,并与BP神经网络进行了比较。仿真结果表明,利用相同的训练样本集对概率神经网络和BP神经网络进行训练时,基于概率神经网络的压力调节器故障诊断模型和轮速传感器故障诊断模型在训练时间和诊断精度上明显优于BP神经网络,并且利用测试样本对建好的压力调节器故障模型和轮速传感器故障模型进行检测时,无论测试样本的顺序发生什么变化,基于概率神经网络的故障模型都能够准确的进行故障识别。     

飞控系统传感器故障诊断的神经网络方法研究

BP神经网络对于飞行控制系统传感器故障诊断是一种有效的故障模式识别方法;在标准BP神经网络的基础上,提出了一种新的BP改进算法——自适应FMBP算法(SAFMBP),用以消除标准BP网络收敛速度慢及易陷入局部极小等缺点,并且建立了飞行控制系统仿真模型和传感器常见故障模型,采用基于神经网络模式分类的故障诊断方法,应用改进的BP神经网络(SAFMBP)进行飞控系统传感器的故障诊断,最后给出了仿真诊断实例。     

神经网络算法在计算机网络安全评价中的应用比较

为了提高计算机网络安全评价的精度和效率,分别利用几种常见的算法对标准BP神经网络进行了改进,结合网络安全评价实例,分别利用平均误差以及运行时间2个指标对评价结果进行评价不同改进算法的设计分别能有效提高网络安全评价的精度和效率,在实际的工程实践中,可以根据具体评价要求采取合适的算法对BP神经网络进行改进.