基于神经网络的AD590温度传感器非线性校正技术

针对AD590温度传感器的非线性校正问题,在双点校正基础上提出一种新的校正方法——神经网络法。此神经网络采用1-3-2-1结构,节点函数采用S型函数,实际结果表明,在-10～ 100℃较宽的温度范围内温度误差小于0．05℃。     

基于神经网络的热敏电阻测温系统非线性校正

从系统逆模型补偿出发,基于神经网络提出一种更加完备的热敏电阻测温系统非线性校正方法。与传统的热敏电阻非线性校正方法相比,该方法不仅补偿了热敏电阻自身的非线性,而且同时实现了系统误差校准,能够确保系统最终的测量精度。实际应用表明,这一系统校准方法简化了温度采集的数据处理过程,提高了数据处理效率和精度。     

基于动态神经网络的非线性过程在线预测

神经网络需满足以下两个条件方能用于非线性过程的在线预测:①神经网络必需以某种递推的方式出现;②神经网络的学习算法应尽可能简洁快速.为此改造泛回归神经网络(GRNN),运用递推更新的样本数据集训练GRNN,构成动态泛回归神经网络.该动态神经网络训练方便快捷,能够满足在线预测的实时性的要求.仿真实验表明预测值较观测值有一定滞后,但均能尾随观测值而变化,达到了预期的目标.     

基于递归神经网络的多变量非线性PID解耦控制

A nonlinear proportional-integral-derivative (PID) controller is constructed based on recurrent neural networks. In the control process of nonlinear multivariable systems, several nonlinear PID controllers have been adopted in parallel. Under the decoupling cost function, a decoupling control strategy is proposed. Then the stability condition of the controller is presented based on the Lyapunov theory. Simulation examples are given to show effectiveness of the proposed decoupling control.     

基于径向基函数神经网络的橡胶配方性能预测

介绍径向基函数(RBF)神经网络的结构和常用算法。以SBR胶料配方为例,利用RBF神经网络拟合配合剂用量与胶料性能间的非线性关系,以15组样本数据为训练样本进行网络训练,对15组训练样本和1组非训练样本的预测值与实测值进行比较。结果表明,误差在容许范围之内,说明RBF神经网络算法适用于橡胶配方性能预测。     

基于径向基函数神经网络的挤出温度预测模型

简要介绍了软测量方法建立挤出温度预测模型的方法,分析其优缺点后进而提出应用基于RBF神经网络建立渝度预测模型,试验后对比了实测值和预测值,结果表明该方法能达到较好的预测精度,同时具有使用简洁、快速等优点,具有较好的应用推广意义。     

60路配用热电阻的温度巡检仪

重点介绍了热电阻温度巡检仪的两种比较实用的典型的输入电路－输入控制切换电路和Ａ／Ｄ转换电路，对那些可能出现多点接地的工业现场，会显示出独特的经济可靠的优越性。