高精度PSD线性化方法与实验研究

为了提高位置敏感探测器(PSD)的测量精度,减少其非线性带来的误差,设计了基于微位移平台的在线数据采集与校定装置,提出了基于BP神经网络的非线性校正算法,进行了数据采集和线性化实验研究,并对线性化结果进行了误差仿真分析。实验结果表明,设计的线性化算法真实有效,采用该方法校正后PSD的最大线性度误差为3.3μm,大幅减小了PSD的非线性,在不增加成本和设备复杂度的前提下大幅提高了PSD的测量精度和数据置信度,具有很高的实用价值。     

BP神经网络在小信号有效值非线性误差校正中的应用

系统传输的非线性是产生测量误差的主要原因之一。为保证测量精度,应对非线性误差进行校正。描述了BP神经网络的基本模型及算法,阐述了神经网络校正非线性误差的基本原理,提出了用BP神经网络来校正交变小信号真有效值非线性误差的方法。最后给出了校正AD637非线性误差的实验数据。结果表明：运用BP神经网络校正非线性误差,提高了交变小信号真有效值的测量精度。     

基于BP算法的光纤传感器非线性位移补偿研究

针对光纤位移传感器应用中存在的非线性问题,提出了以神经网络为补偿环节,结合传感器构成的一种非线性补偿模型.基本思想是采用BP算法,以传感器的输出作为神经网络的输入样本.传感器的输入位移为神经网络的期望输出,通过调整神经网络权值使神经网络的输出与期望值近似,实现位移测量的非线性补偿.实例仿真结果表明该方法有效提高了精度,是一种有效的传感器非线性补偿方法.     

基于ADμC845的高精度差动变压器变送器设计

LVDT位移传感器的变送器输出电压值和输入位移量之间存在着非线性,设计和制作线性度较高的传感器比较困难.在分析产生非线性误差主要原因和传统校正方法的基础上,利用单片机软件算法进行非线性校正以提高传感器输出精度.该算法以传感器标定数据为样本,用分段线性插值法求出实际位移量.实验测试结果表明,设计达到了高精度要求,具有良好的应用价值.     

基于神经网络的瓦斯传感器非线性校正

瓦斯传感器输出非线性问题的原因很多,其中包括敏感元件温度变化所带来的影响,但即使使用恒温瓦斯检测技术,非线性误差仍然存在,影响了瓦斯检测的准确性。在简述用神经网络进行非线性校正的原理的基础上,探讨了用BP神经网络实现瓦斯传感器非线性校正的模型、MATLAB算法和实现程序,通过计算机仿真,其结果表明采用该方法能够得到令人满意的结果,且结构简单,准确度高。     

基于神经网络的瓦斯传感器非线性校正

瓦斯传感器输出非线性问题的原因很多，其中包括敏感元件温度变化所带来的影响，但即使使用恒温瓦斯检测技术，非线性误差仍然存在，影响了瓦斯检测的准确性．在简述用神经网络进行非线性校正的原理的基础上，探讨了用BP神经网络实现瓦斯传感器非线性校正的模型、MATLAB算法和实现程序，通过计算机仿真，其结果表明采用该方法能够得到令人满意的结果，且结构简单，准确度高．     

基于谐波修正的两相非等节距时栅传感器

通过研究三相、两相时栅传感器的信号模型,设计了一种新型位移传感器——两相非等节距时栅位移传感器.该传感器在不增加加工难度的情况下,提高了传感器的极对数.通过分析传感器的误差组成,研究了误差谐波修正法理论,提出了一种新的非等间距采样误差修正方法.该方法消除误差的效果与等间距整周期采样误差修正相似,但采样点数要少得多.实验表明,采用新型位移传感器能提高传感器的精度.     

基于LabVIEW的时栅位移传感器误差曲线自动拟合与修正

在时栅位移传感器的研制过程中,提出了一种基于LabVIEW的传感器误差修正和补偿方法,并在LabVIEW环境中实现时栅位移传感器测量的误差曲线分析和拟合算法,提高了时栅传感器的精度.     

基于BP算法温度补偿的海水压力数据采集系统的设计

介绍了一种海水压力传感器数据采集的设计方法,用BP神经网络算法对其进行温度的软件补偿.能有效改善传感器的非线性及温度变化所引起的输出的误差,提高了测量精确性和可靠性,算法通过单片机编程进行实现,经过修正的数据由RS232通信端口传输给上位机.     

车削加工轴类零件误差补偿技术的研究

通过提高压电陶瓷微位移驱动器的控制精度,用来减小轴类霞件中受力变形误差,提高轴类零件的加工精度．采用压电陶瓷微位移驱动器控制刀具进行实时误差补偿的方法提高轴类零件加工精度,借助物理学分析结合数学建模的方法,建立压电陶瓷微进给系统的迟滞数学模型．通过实验针对压电陶瓷驱动器的非线性特征分析,给出了对其控制电压进行校正的方法,减小压电陶瓷的迟滞非线性误差．     

Sensor Registration Based on Neural Network in Data Fusion

The contents of sensor registration in the multi-sensor data fusion system are introduced, and some existing methods are analyzed. Then, one approach to sensor registration based on BP neural network is proposed. Here the measurements from radar are transformed from the polar coordinate system to the Cartesian coordinate through a BP neural network. With this approach, the systematic errors are removed as well as the coordinate is transformed. The efficiency of this method is demonstrated by simulation, and the result show that this approach could remove the systematic errors effectively and the DAR are closer to real position than DBR.     

神经网络数据融合在位移传感系统中的应用

温度漂移误差是位移传感系统的主要误差之一.为了提高位移传感器输出的精度与稳定性,可以把位移传感器的输出与温度传感器的输出进行数据融合.提出一种基于RBF网络(径向基函数神经网络)的多传感器数据融合方法,把位移传感器和温度传感器的输出送入融合中心,通过RBF网络的学习训练,得到稳定的位移输出.实验表明:在相同的温度波动情况下,位移传感器的输出稳定性比原来提高了约4倍.该方法在位移传感系统减小温度漂移的应用中十分有效.     

基于聚苯胺/聚乙烯醇水凝胶的柔性传感器信号解耦算法研究

结合双网络聚苯胺/聚乙烯醇复合水凝胶(PANI/PVA)各向异性的特性,设计了一种"三明治"夹层式结构的柔性传感器,主要用于管道内复杂受力情况的复合测量.并利用有限元软件验证了传感器对三维空间受力的可测性,搭建了标定试验台.因柔性传感器存在个性化参数差异及受力维间耦合等特性,在标定平台上采集了500组数据,涵盖了多方向...     

一种基于BP神经网络的传感器故障诊断方案

针对传感器故障,提出了一种BP网络和修正的Bayes分类算法(MB)的集成故障诊断方法.用BP神经网络建立传感器故障模型,对系统的状态和故障参数进行在线估计,再用修正的Bayes算法进行传感器故障的在线检测、分离和估计.对连续搅拌釜式反应器(CSTR)的仿真结果表明,该集成故障诊断方法能够对传感器故障进行快速准确的分离和估计,并对传感器故障具有容错性.     

基于神经网络的公路工程造价预测模型

文章对高速公路的工程特征进行全面的分析和筛选,确定了7个对公路工程造价影响较大的工程特征,使其作为神经网络预测模型的输入向量,随之构建了基于BP神经网络的高速公路工程造价预测模型,最后结合MATLAB神经网络工具箱对程序进行设计,并选取已完工程为实例。通过对模型的训练、修正以及实例验证,证明BP神经网络可以有效提高预测的精确度,具有较强的实用价值。     

BP算法在位移传感器测量精度方面的应用

在较高精度位移测量中,需要对位移传感器的输出进行温度补偿。采用BP(Back Propagation)网络的多传感器数据融合方法,把位移传感器和温度传感器的输出作为网络的输入向量送入融合中心,通过BP网络训练,然后将标定样本送入训练好的神经网络,得到比较准确的位移输出。为克服传统BP网络算法收敛慢、容易收敛到局部最小点的缺陷,采用BP多层前馈神经网络改进算法对传感器特性进行补偿,用MATLAB仿真所得到的结果与原有的实验数据相比较,在相同的温度波动情况下,位移传感器的输出误差比原来的减小了3倍,而且大幅度地节省了时间。     

基于BP神经网络的结构系统跟踪辨识方法

针对人工神经网络在结构系统辨识中存在的问题,提出一种基于BP神经网络的跟踪辨识方法.通过将实际结构模型分为一个机理模型和一个实时误差模型,前者基于常规的BP神经网路通过离线训练而成,而后者通过小型的BP神经网络实时辨识系统误差,进而使这种经过改进的系统识别网络能够具有动态递阶识别系统的能力.计算机仿真分析表明,这种方法可有效地减小由于不同外荷载作用引起的结构系统辨识误差,提高人工神经网络在系统辨识中的精度和可靠度.     

基于遗传算法优化神经网络的定位算法

为了减小非视距(Non Line of Sight,NLOS)误差对移动台定位精度的影响,提出一种基于遗传优化后向传播(Back Propagation,BP)神经网络的无线定位算法。先利用遗传算法优化BP神经网络的初始权值,再利用优化后的GA-BP神经网络修正到达时间差(Time Difference Of Arrival,TDOA)测量值,最后使用Chan氏算法确定移动台的位置,以避免由于神经网络初始权值的随机性所带来的网络震荡,克服网络容易陷入局部解的问题。仿真结果表明,新算法能够实现移动台的静态定位,并且性能优于传统BP神经网络与最小二乘(Least Square,LS)算法。     

基于小波和神经网络的传感器故障诊断

提出了一种新的基于小波包变换和BP神经网络的传感器突变故障诊断方法。根据小波变换在时域和频域都具有良好的局部化特性对信号特征进行精确定位,根据传感器输出信号的小波包分析提取能量变化率的特征向量,利用BP神经网络进行传感器故障分类。这种方法无需预先建立传感器模型和测量传感器输入信号,通过对小波包系数的削减,减少了冗余数据,提高了故障检测的实时性。仿真实验结果表明了该方法的有效性。     

利用机器学习方法改进风云3C星载GNSS掩星温度廓线

本文使用BP神经网络、随机森林回归算法,对2017年全年风云三号C星(FY-3C)GNSS掩星温度廓线数据进行修正和评估.结果表明:在全球范围内,两种方法均可以修正GNSS掩星温度数据,随机森林回归算法的修正效果优于神经网络方法,随机森林回归算法和神经网络方法修正后的结果与再分析数据的平均绝对误差分别为0.03K与0.32K,均方误差分别为0.09K²与1.02K².将全球按照10°×10°划分为324个网格后,随机森林回归算法对平均绝对误差与均方误差修正的正向收益分别为97.53%与92.9%,神经网络方法对平均绝对误差与均方误差修正的正向收益分别为75.61%与67.9%.