基于BP神经网络的非线性函数拟合

该文介绍了神经网络领域中BP神经网络的特点及其算法原理,对BP网络权值的修正规则进行了推导,并对BP网络存在的问题提出了几点改进,在此基础上对一组非线性函数的采样数据进行拟合。实验结果表明,BP神经网络能保证拟合误差在很小的范围之内,说明了其拟合的有效性。     

基于BP神经网络的数字式光照度计设计

设计了一种基于BP神经网络和硅光电池的宽量程、高精度数字式光照度计,并详细介绍了这种光照度计的工作原理、软硬件设计以及数据拟合的过程.实验数据表明,该光照度计量程宽、精度高,完全能够满足农作物生长环境检测的应用要求.     

基于BP神经网络的超声测距误差补偿

指出了超声波在测距应用中的局限性,并给出解决方案。着重从新的角度补偿超声传感器的误差,提出了用BP前馈神经网络补偿超声波声速受温度、湿度变化而引起的误差。在室外工作的测距仪上,应用该补偿方法后超声测距的精度提高了2个数量级。本方案适用于高精度要求或复杂环境下超声测距。     

基于BP神经网络的超声波测距非线性误差校正

本文结合笔者所设计的超声波测距仪，介绍了用神经网络校正超声波传感器的非线性误差的原理与方法，并提出了基于BP神经网络的超声波测距非线性误差校正的模型、算法及其硬件实现。通过理论分析和硬件实验，显示出BP神经网络对超声波传感器的温度补偿和非线性校正的效果良好，充分表明了应用神经网络在提高超声波测距精度方面是一种行之有效的方法。     

基于BP神经网络的反潜巡逻机背景磁场补偿技术研究

通过分析反潜巡逻机背景磁场模型,针对传统模型求解时对模型参数求解方法存在的不足,提出了一种基于BP神经网络的飞机背景磁场模型求解新方法;该方法不讨论复杂的模型参数估计的问题,通过前期神经网络训练学习,直接把飞机磁补偿飞行过程中采集到的相关信号输入到训练好的网络中,得到输出干扰磁场,进而对其进行补偿;最后通过实例仿真验证了该方法的正确性和有效性,为提高反潜巡逻机磁探搜潜效能提供了科学依据,具有一定的军事意义。     

基于BP网络的电涡流传感器非线性补偿

电涡流传感器消除了传感器探头和被测材料之间的相关性,但存在较严重的非线性,采用BP网络对改进后的传感器的非线性进行补偿,并将补偿结果与拟合函数法的补偿结果进行了比较。结果表明:2种补偿方法都大大提高了传感器的线性度。但BP网络产生的补偿曲线更顺滑,补偿后的传感器线性度更高。     

ZO系列氧化锆氧量计及其在工业炉上的应用

一、概述氧化锆氧量计是运用氧化锆固体电解质构成的元件(简称锆管)作氧传感器测量工业锅炉烟道中氧含量的一种仪表,通过监测烟道内氧量,将其控制在某一最佳值,可达到优化燃烧、节约能源、延长炉龄、减少大气污染的目的。ZO 系列氧化锆氧量计在设计中,采用了中国原子能科学研究院提出的双参数校准法,可对现场多种影响因素进行补偿与修正,保证了测量仪表的精度。另外,该系列仪表的氧化锆元件可方便地更换,降低了用户的使用成本。电路上采用硬件存贮技术,将氧量公式存入存贮器内,消除了漂移现象,提高了仪表的准确性和可靠性。     

基于BP神经网络的超声波测距非线性误差校正

本文结合笔者所设计的超声波测距仪,介绍了用神经网络校正超声波传感器的非线性误差的原理与方法,并提出了基于BP神经网络的超声波测距非线性误差校正的模型、算法及其硬件实现。通过理论分析和硬件实验,显示出BP神经网络对超声波传感器的温度补偿和非线性校正的效果良好,充分表明了应用神经网络在提高超声波测距精度方面是一种行之有效的方法。     

BP神经网络研究

简述BP算法原理,并通过训练一个布尔函数的实例,对BP神经网络算法进行分析与研究,从中可以看出不同的神经网络可以解决同一个实际问题,但是它们的效率及精确度是不同的,需要根据具体应用采用合适的网络形式。     

BP神经网络仿条件

根据神经网络的应用特点,设计了一个包括输入层、隐层、输出层的BP网络、探讨了BP网络的参数设计与选择。同时,使用C＋＋语言开发了神经网络的仿真软件,该软件能对网络进行训练学习,并用图形的方式直视地显示训练学习曲线和仿真曲线。     

BP神经网络在加速度计误差补偿中的应用

加速度计受其零偏、温度等影响明显,直接影响导航系统的精度,需要研究补偿方法,提高加速度计的测量精度。鉴于神经网络具有高效的曲线拟合功能和优越的逼近复杂非线性函数的特点,提出了基于BP神经网络的加速度计误差补偿方法。仿真结果表明,经BP神经网络补偿后,加速度计误差补偿后的输出能良好地逼近其期望输出,输出最大误差的绝对值由0.4575 g减少到0.07014 g,误差降低了一个数量级,很好地抑制了加速度计的误差,提高了加速度计的精度。     

基于BP神经网络的浓度传感器非线性校正

提出基于BP神经网络的浓度传感器非线性误差校正方法。文中详细给出了BP神经网络算法原理及训练方案。当替换传感器或环境条件发生变化时,只要获取一组输入输出样本对,便可重新训练网络,获得新的输入输出样本关系,从而实现传感器非线性校正和动态标定,提高传感器的互换性,有实际应用价值。     

DSP中AD转换模块非线性的神经网络补偿研究

TI公司生产的TMS320F240xA型13SP内部集成了AD转换模块,用于控制回路中的数据采集。这个模块与通用的AD转换模块一样表现出很强的非线性,直接使用其转换结果无疑会降低控制精度。鉴于此,该文通过对F2407A中AD转换模块进行测试,并应用测试所得数据,结合DSP自身的结构特点,提出了AD转换非线性的神经网络补偿方法并基于DSP进行了软件实现。经实际应用证明该方法可行、实用,并具有普遍性。     

基于复合RBFNN的数字温度传感器误差补偿方法

数字温度传感器存在零点误差与非线性误差,需要进行误差补偿.提出了一种复合径向基函数神经网络(CRBFNN)的数字温度传感器误差补偿方法:首先根据数字温度传感器的误差特征,构造两个相互独立的子RBFNN网络,获得两个独立的冗余补偿值;然后根据特征阈值、数字温度传感器的输出估计器和权值调节器,获得复合RBFNN输出融合权值...     

基于神经网络的开环光纤陀螺误差补偿方法

根据开环光纤陀螺线性度课差随角速度增大而增大的特性,提出了在大角速度情况下应用神经网络对陀螺误差进行建模并补偿,在小角速度时对陀螺输出数据进行平滑滤波以抑制噪声的分段误差补偿方法.在速率转台上对开环光纤陀螺(VG941)进行测试并采集了测量范围内陀螺的多组实际输出数据,基于这些数据对单输入单输出的神经网络进行训练,得到了开环光纤陀螺的神经网络模型.在所得模型基础上,对整个测量范围内的陀螺原始输出数据采用分段补偿方法进行了陀螺误差补偿,并使开环光纤陀螺最大线性度误差由15%下降到0.3%,提高了开环光纤陀螺的测量精度.实验结果表明基于神经网络的开环光纤陀螺误差补偿方法对提高开环光纤陀螺的精度、扩大其应用范围具有实用价值.     

基于BP神经网络的超声测压温度补偿模型

在分析了温度对超声管外压力测量的影响和现有模型不足的基础上,利用BP神经网络良好的非线性拟合能力,通过实验数据训练网络,最终建立了温度—声速—压力模型,实现了温度的补偿,结果表明补偿后的模型精度明显提高。     

基于RBF神经网络的智能传感器测量误差补偿方法

传感器测量条件的变化会导致其输入输出特性偏离其原有的标定特性,从而产生测量误差.针对此问题,提出利用RBF神经网络进行传感器测量误差补偿,并设计基于智能传感器系统的实现补偿的方法.     

基于遗传神经网络的零件图像非线性校正

提出了基于遗传神经网络校正非线性失真图像的方法。首先,用遗传算法优化神经网络的权值,构成遗传神经网络。然后,从标准的矩形栅格的失真图像中提取特征样本,样本的坐标用于训练遗传神经网络,标准矩形栅格中的样本的坐标作为目标输出。最后,以失真图像所有像素的坐标作为遗传神经网络的输入;其输出的坐标经过灰度级插值,实现图像的非线性校正。实验结果表明,文中提出的方法是有效的。     

一种准确简便地标定氧化锆氧量分析仪的新方法

本文提出仅用一种标准气或不用标准气标定氧化锆氧量分析仪的新方法。它符合我国的相关检定规程,适宜含氧量下限不小于0．1％的氧量分析仪的首次检定、后续检定和使用中的检验,尤其适宜在发电厂使用了较长时间后,对“检测器的多孔陶瓷过滤网已破损或其气孔被堵塞程度不明”的情况下进行检定或标定。     

基于BP神经网络的故障诊断技术研究

分析了传统的故障诊断方法的特点和缺点,在此基础上选择BP神经网络应用于故障诊断,详细探讨了BP神经网络的建模方法,根据设备的层次结构和特点,将集成神经网络应用于故障诊断,有效地克服了单一神经网络故障诊断的一些缺点,大大提高了故障诊断的效率和准确率.