基于遗传神经网络的传感器系统的非线性校正

针对最小二乘等传统方法的不足，提出了解决传感器系统非线性校正问题的遗传神经网络算法。计算机仿真表明，采用这里所提出的观点和方法，其拟合精度远高于传统上应用最为广泛的最小二乘法，并且具有较强的鲁棒性。而且，从所做的研究显示，该方法还可用于其它类似系统的非线性校正。     

传感器非线性校正的人工神经网络方法

本文提出传感器非线性校正的人工神经网络方法。研究实例中，其最大相对误差不超过０．９５％。理论分析和实验结果表明，该方法性能良好，在建立各种传感器的校正曲线方面有广阔的应用前景。     

基于CMAC神经网络测温传感器的非线性校正

本文充分利用CMAC神经网络的非线性函数逼近功能,并结合电站数据采集和监测系统,提出一种校正电站测温传感器非线性输出特性的新方法,研究表明,该方法简单实用,速度快,精度高。     

智能传感器系统非线性校正的神经网络法

研究了智能传感器系统的非线性特性,给出了非线性校正系统的通用模型,并应用函数链神经网络(FLNN)作为非线性校正环节实现智能传感器系统的非线性校正.仿真结果证明这种方法是非常有效的.     

基于BP网络的结冰传感器非线性校正方法

根据当前结冰传感器非线性校正存在的问题，提出了利用BP网络建立传感器逆模型的校正方法。文中采用功能强大的MATLAB工具软件，对神经网络进行训练，获得权值、阈值。实际应用结果表明，该方法简单、实用，大大方便了产品性能一致性不高的结冰传感器在测控系统中的应用。     

一种传感器非线性反函数校正方法

一、引言在非电量电测技术中广泛使用着各类传感器,它们用来将非电物理量转化为电量。但大多数传感器的输出特性是非线性的,这是由于其转换原理为非线性所造成的,如电容传感器、电感传感器、热电偶等。对于传感器的非线性问题,在传统的模拟指示仪表中常采用三种方法:①缩小测量范围、取近似值;②采用非线性指示刻度;③加入非线性校正环节。在数字技术及微计算机广泛应用的今天,测量范围不断扩大,对测量准确度的要求不断提高,因而对非线性校正的问题就更加受到广泛的重视。针对传感器的非线性特性,人们已研究出许多非线性校正方法。如查表法、折     

基于SVM的传感器非线性特性校正新方法

介绍了一种基于支持向量机的解决传感器系统非线性特性问题的新方法。支持向量机是Vapnik教授提出的基于统计学习理论的新一代机器学习技术，它有效地解决了小样本学习问题，因此该方法对样本数量没有特殊的要求。实验证明该方法有效，同时研究表明该方法也能用于其他系统的非线性校正。     

基于改进遗传算法的三轴磁场传感器校正方法研究

针对三分量磁场传感器存在三轴非正交性、三轴灵敏度不一致和零点偏移误差,不能满足磁场精确测量的问题,提出了一种基于改进遗传算法的三轴磁场传感器校正方法.建立了实际传感器的测量模型,分析了误差产生的机理,研究了误差校正的方法,设计了基于遗传算法和改进遗传算法的校正参数求解过程,通过仿真实验和实测实验,验证了校正方法的有效性和改进遗传算法的快速性,经校正后的三轴磁场传感器的测量精度得到大大提高.     

数字传感器非线性校正方法研究

针对数字型传感器-石英晶体温度传感器的非线性校正设计了几种方法,通过实验分析了这几种方法的优缺点和可行性。结果证明,综合传感器的特性、精度要求、软件实现的复杂程度等几方面因素,同时采用两种或两种以上方法,能够达到理想校正效果。     

基于多维定标的无线传感器网络定位算法研究

针对多维定标算法在计算最短路径时的误差问题，提出了一种根据节点局部蜜度对网络连通图中的边进行赋值的新算法。该算法在仅知邻居节点间连通性信息的条件下，根据节点连通度的差异设定不同的系数值，然后根据每对邻居节点的连通度及列应的系数值，为邻居节点构成的边进行赋值，以达到减小节点间最短路径距离计算误差的目的。仿真实验结果表明，该算法具有更低的定位误差，且对密度分布不均匀的网络结构具有更好的适应忤。     

遗传优化算法在多级联合库存优化求解中的应用

对多级联合库存系统建立了数学模型，并采用一种变适应度函数的遗传算法进行求解，通过算法寻优，最终获得模型的满意解。算法对库存级数有很好的伸缩性，库存级数的增加不会导致算法的复杂度增加。试验结果证明了该方法求解多级库存优化问题的可行性。     

基于整型编码遗传算法的连续体结构的拓扑优化

采用整型编码的遗传算法对结构进行拓扑优化，并引入浮点型向量的交叉和变异方式，提高个体间的遗传操作效率：最后通过对悬臂薄板结构的拓扑优化分析，验证了所提出方法的有效性，并讨论了基于整型编码的遗传算法不同交叉方式对结构拓扑的影响。     

基于遗传算法的仓库拣选作业优化与eM-Plant实现

在建立了仓库拣选作业优化模型的基础之上,提出了用遗传算法(GA)求解堆垛机拣选作业最优路径的具体方法,并在一个实例中用eM-Plant软件中的遗传算法模块实现了仓库拣选作业的仿真优化。     

基于遗传算法的多种切削方式集成参数优化

切削参数优化是零件工艺方案优化的一项重要内容。首先说明了多种切削方式集成参数优化的可行性,建立了以生产效率和生产成本为目标函数,考虑机床、切削力、零件表面粗糙度等约束条件的集成多种切削方式的参数优化模型,并用遗传算法进行求解。最后,开发了不同切削方式的集成参数优化系统,实例证明了集成参数优化方法及系统的实用性。     

遗传算法用于平面曲柄摇杆机构再现轨迹的优化设计

介绍了一种新的参数优化算法———遗传算法,并以平面曲柄摇杆机构再现轨迹优化设计为研究对象,采用该算法对其进行了设计,解决了曲柄摇杆机构再现给定轨迹设计的难题,此项工作为实际生产这种机构的优化设计提供了一种科学且可行的方法。     

基于实验、神经网络和遗传算法的一种优化设计方法

针对传统优化设计方法对于机理复杂情况难以给出明确函数及只能寻优局部极值的缺陷 ,提出了用实验数据和神经网络形成“虚拟”函数和用遗传算法寻优全局极值的一种优化设计方法 ,并给出了一个优化实例     

基于成组技术与遗传算法的两阶段制造伙伴选择

文章分析了制造伙伴选择的研究现状及其不足之处,提出了两阶段制造伙伴选择:即基于成组技术的制造资源预配置、基于遗传算法的可执行加工路线优化.制造资源预配置根据制造能力进行制造伙伴的初选,可执行加工路线优化综合考虑备选制造伙伴的信誉度、加工时间、运输时间、加工成本、运输成本、质量等因素,优选出整体最优的可执行加工路线.     

基于遗传算法的几何约束快速求解方法

针对几何约束求解问题 ,提出一种改进的遗传算法 ,他是在一般遗传算法的基础上 ,增加了迭代的外循环过程和新的用于初始种群的选择方法 ,求解速度快且能达到Newton -Raphson法的精度 ,并能较好地解决欠约束和过约束等问题