传感器的误差补偿技术

介绍了多项式曲线拟合原理和方法.并借助计算机高级语言程序,分别建立传感器磁场与温度、磁场与非线性输出的拟和函数.计算拟和函数的系数,系数确定后可以建立拟合曲线函数,对磁敏传感器的非线性、温度误差补偿,通过实验证明了方法可行.  

基于神经网络的传感器非线性误差校正

介绍了用神经网络校正传感器系统非线性误差的原理和方法 ,提出了基于BP神经网络传感器非线性误差校正及其模型、算法与实现技术。通过计算机仿真与应用 ,显示出这种逆模型不但可实现温度补偿和非线性校正 ,而且网络结构简单 ,准确度高  

NTC热敏电阻的非线性误差及其补偿

热敏电阻测温的灵敏度很高，但存在严重的热电非线性，文章分析了热敏电阻温度特性，采用串并联电阻法、线性插值法和运用对数指数电路的方法有效地实现了热敏电阻的线性化。  

磁传感器的非线性误差修正技术

介绍了最小二乘法多项式曲线拟合的原理和方法,以及该方法在磁传感器误差修正中的应用。对磁传感器的测量数据进行处理,利用计算机的高级语言计算拟合函数的系数,设定拟合准确度,得到函数的系数,将系数转换成十六进制数,保存到仪器的微计算机中,利用汇编语言编制误差修正程序,对测量误差进行自动修正。  

基于小波神经网络的非线性误差校正模型及其预测

针对非线性系统的预测问题，在线性和非线性协整理论涵义的基础上，提出利用小波神经网络进行非线性协整系统的非线性误差校正模型的研究，并给出该模型的建模方法．对沪深股市进行实证研究，与线性向量自回归模型进行比较．研究证明，小波神经网络所建立的非线性误差校正模型有较好的预测效果，能够有效地预测非线性经济系统．  

基于RBF神经网络的传感器非线性误差校正方法

介绍了利用人工神经网络进行传感器非线性误差校正的原理。提出了传感器非线性误差校正的径向基函数(RBF)神经网络方法,并与采用BP神经网络校正非线性误差进行了比较。最后给出了一个仿真实验,实验结果表明:采用RBF神经网络可以明显提高网络收敛速度,大大减小传感器非线性误差,校正效果优于BP神经网络。  

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。  

用于传感器非线性误差校正的新颖神经网络

该文阐述了用神经网络校正传感系统非线性误差的原理和方法,提出了一种新颖的简化小脑模型神经网络（SCMAC）及其模型、算法与实现技术.模型、算法采用直接权地址映射技术,以训练样本的输入为地址,建立起输入与权重的关系.任意输入作为相近的权地址,即可找到对应的权,经过联想插补后可获得高精度输出.此外,采用磁盘文件存储、寻址权重等方法,避免了微机内存溢出,使得实现容易.最后给出了一个仿真实验.实验结果表明,用SCMAC校正后,可使传感器的非线性误差减少到近似为零.  

用最优化方法求解传感器最佳拟合直线

介绍一种采用最优化方法—黄金分割法（０．６１８法）求解传感器最佳拟合直线的新方法。这种方法适用于各种类型的线性传感器，可以求出传感器的最小非线性误差及相应的最佳拟合直线。具有编程简单，运算速度快，精度高等优点，是一种新型实用的求解方法。  

一种电容式加速度传感器设计的研究

设计了一种惯性式测振传感器,建立了差动电容式加速度传感器的数学模型,并对其作了特性分析,由给定的非线性误差可以求出质量块相对运动的最大量程.本设计具有电路结构简单,频率范围宽约为0～450HZ,线性度小于1%,灵敏度高,输出稳定,测量误差小等优点,并且通过实验验证了各项性能指标满足设计要求.