提高激光位移传感器精度的新方法

本文提出了一种新的提高激光位移传感器精度的方法 ,利用分光器对接收光强实时控制同时利用A/D转换器对像点的峰值采样 ,最大限度降低了被测物体表面给测量带来的误差 ,提高了传感器测量精度。     

提高电感传感器测量精度的方法

分析了传统电感传感器信号的精密测量方法的优缺点,对传感器信号的特点进行了研究,在分析影响电感式传感器测量电路的精度因素的基础上,提出利用频率稳定的晶振来作为激励信号的信号源,采用单运放绝对值进行检波,用三极管功率放大电路来驱动负载等措施来改善电感传感器的检测精度,并通过实验论证了该方法的正确性和可行性.     

用神经网络提高SO_2传感器的检测速度

制作了新型 IDC结构聚苯胺膜 SO2传感器,测得不同 SO2浓度的电导响应与恢复时间曲 线。从这些气敏特性曲线出发,以电导响应曲线的斜率作为网络的输入,对应的 SO2浓度作为 输出,建立了 BP网络预测推理模式,对四组数据的预测结果表明精度较高 (误差小于 3％）,具 有很好的预测能力。这种方法不同于传统的标定方法,后者需要 4min才能达到稳定的响应,神经 网络样本检测不需要达到稳定的响应就可以预测 SO2的浓度,从而大大缩短了结果的响应时间 （缩短了 75％）。     

用神经网络提高SO2传感器的检测速度

制作了新型IDC结构聚苯胺膜SO2传感器,测得不同SO2浓度的电导响应与恢复时间曲线。从这些气敏特性曲线出发,以电导响应曲线的斜率作为网络的输入,对应的SO2浓度作为输出,建立了BP网络预测推理模式,对四组数据的预测结果表明精度较高（误差小于3％）,具有很好的预测能力。这种方法不同于传统的标定方法,后者需要4min才能稳定的响应,神经网络样本检测不需要达到稳定的响应就可以预测SO2的浓度,从而大大缩短了结果的响应时间（缩短了75％）。     

称重传感器蠕变误差的神经网络补偿方法

针对电阻应变式称重传感器存在严重的蠕变误差直接影响称重结果准确度的问题,提出了一种基于神经网络的称重传感器蠕变误差自动补偿模型,并给出了模型的训练算法。对量程为50 kg,C3等级的电阻应变式称重传感器进行了实验,实验结果表明,使用神经网络蠕变误差补偿方法补偿后,称重传感器加载标准砝码30 min内的蠕变误差最大变化量为0.0108 kg,小于国家标准GB/T 7551-200《称重传感器》规定的允许值。     

高精度超声波油水界面计的精度分析和神经网络逼近

首先介绍了高精度油水界面汁的原理,通过分析找到了影响其精度的重要因素为长度长度测量的不准确,用神经网络逼近测量结果,取代直接解析计算,得到了系统误差小于1mm的测量精度。     

用神经网络技术实现的光纤位移传感器

描述了一种智能型位移光纤位移传感器，它用差动比值法减小漂移和不同的反射介质的影响，用人工神经网络技术减小非线性误差。实验结果表明，使用这些技术后，各方面指标都远远优于传统方法。     

一种提高振动传感器动态校准精度的方法

针对飞行器发动机振动传感器高频响应的计量问题,提出采用动态补偿方法代替传统的"背靠背"对比计量方法。根据建立的振动传感器动态响应模型,设计动态补偿数字滤波器,对振动传感器缺失的高频响应结果进行"频率"补偿,从而达到扩展振动传感器动态响应范围的目的。仿真结果表明,该方法提高了计量精度和效率,节约了计量成本。     

递归神经网络的模糊随机学习算法

提出了一种新的基于模糊逻辑的Alopex学习算法（FLA）。FLA算法利用模糊逻辑推理实时获得适应于学习过程的适当的算法修正值,克服了Alopex算法中修正值固定不变的缺点,使得随机学习过程在速度、精度和稳定性之间获得平衡。将该算法应用于神经网络的训练,可以无需神经网络的梯度信息和结构信息,因此可以用于具有各种结构特性的递归神经网络对动态系统的学习过程。实验结果表明了FLA算法的有效性。     

亚微米超精密车床振动的神经网络控制

提出了以空气弹簧和为被动隔振元件,神经网络控制的电磁作动器作为主动隔振元件的隔振系统,分析了以相对位移、等作为反馈变量条件下的系统振动传递率,证明了主、、被动隔振相结合的隔振系统于超精密度床的有效性。     

轧制力模型自适应在神经元网络预报轧制力中的应用

在中厚板生产过程中,神经元网络已经运用到中厚板轧制力模型预报中,但是与实际的轧制力相比还存在着较大的误差。为了提高神经元网络预报轧制力精度,将轧制力模型的自适应过程引入到神经元网络用于轧制力预报,应用结果表明,采用本文所述的方法,神经元网络的预测精度得到很大改善,预报精度的相对误差可以控制在±3％以内。     

基于神经网络的组播路由调度方法

针对在高速包交换计算机网络中端到端时延及时延抖动限制的组播路由问题，提出了基于Ｈｏｐｆｉｅｌｄ神经网络的组播路由优化算法。实验表明，本算法能根据组播应用对时延及时延抖动限制的要求，快速，有效地构造最优组播树，有较强的实时性。     

神经网同步并行计算机

提出了一种人工神经网络同步计算机结构－ＮＮＳＰＣ，并对模型机进行了性能分析，为人工神经网络计算机的制造提供了理论和实践依据。     

基于B样条函数的模糊神经网络

通过研究Ｂ样条函数在模糊系统和神经网络系统中的应用，探讨了通过Ｂ样条函数，结合模糊系统和神经网络的各自特点，构造模糊神经网络的方法，并提出了具体的网络模型以及相应的学习方法。     

基于神经元网络的加工中心刀具破损智能监控技术

本文采和人工神经网络技术对声发射信号，电机功率信号及多个切削参数进行数据融合，建立了实现智能监控的数学模型，研制了适于镗铣加工中心的刀具破损智能监控系统，并实验验证了该系统对加工中心刀具破损的检出率达９８％以上，证明了该系统在生产中应用的可行性。     

Establishment of a Fault Prognosis Model Using Wavelet Neural Networks and Its Engineering Application

Fault diagnosis is confronted with two problems; how to “measure“ the growth of a fault and how to predict the remaining useful lifetime of such a failing component or machine. This paper attempts to solve these two problems by proposing a model of fault prognosis using wavelet basis neural network. Gaussian radial basis functions and Mexican hat wavelet frames are used as scaling functions and wavelets, respectively. The centers of the basis functions are calculated using a dyadic expansion scheme and a k-means clustering algorithm.     

Artificial Neural Networks in Mechanical Fault Diagnosis

ＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋｓｉｎＭｅｃｈａｎｉｃａｌＦａｕｌｔＤｉａｇｎｏｓｉｓ★ＴｏｎｇＳｈｕｒｏｎｇＣｈｅｎＫａｉＮｏｒｔｈｗｅｓｔｅｒｎＰｏｌｙｔｅｃｈｎｉｃａｌＵｎｉｖｅｒｓｉｔｙＸｉ’ａｎ７１００７２Ｐ．Ｒ．ＣｈｉｎａＺ...