载体催化型瓦斯传感器输出电压与瓦斯体积分数函数关系研究

针对载体催化型瓦斯传感器的近似直线形的输出曲线存在非线性误差较大、准确度低的问题,提出了一种采用最小二乘法建立载体催化型瓦斯传感器输出电压与瓦斯体积分数函数关系的方法。以MJC4/2.9J型载体催化元件为实验对象,结合相应的实验数据得到输出电压与瓦斯体积分数的拟合曲线,该拟合曲线的结果表明,采用最小二乘法建立的瓦斯传感器输出电压与瓦斯体积分数函数关系非线性误差较小、准确度高,并将该函数关系应用到瓦斯检测仪的设计中。实际应用结果表明,该瓦斯检测仪具有较高的精度及稳定性。     

差压传感器非线性特性研究

介绍了一种智能差压传感器,针对影响传感器准确度的输出—输入非线性问题进行了研究。采用了BP神经网络来建立差压传感器的输出—输入模型,网络模型采用了三层结构,输出—输入层各自采用了一个神经元,将神经网络的均方误差目标值设定为10-6,并在MATLAB中进行了仿真,经训练得到的输出—输入模型的非线性误差可以达到±0.032%。通过与多项式拟合方法和最小二乘直线拟合方法所得结果进行比较,结果表明:采用BP神经网络方法对提高智能差压传感器的测量准确度具有参考价值。     

离散数据拟合模型的研究与实现

最小二乘支持向量机引入到离散数据拟合中,代替传统的最小二乘法解决离散数据拟合问题。推导了用于函数估计的最小二乘支持向量机算法,构建了基于最小二乘支持向量机的离散数据拟合模型,并对电机数据拟合进行了研究。结果表明,最小二乘支持向量机拟合离散数据比最小二乘法精度更高、拟合效果更好。     

电容式降雨传感器及其特性曲线拟合方法

针对将电容式传感器应用于降雨测量时,特性曲线的非线性误差较大问题,分别采用最小二乘曲线拟合法和径向基函数(RBF)神经网络对其输出特性曲线进行拟合.结果表明:RBF神经网络模型具有更强的非线性映射能力,其拟合精度明显高于最小二乘多项式模型.     

三向力传感器标定的计算

从抽象的三输入三输出数学模型出发,建立三向力传感器的一般数学模型,对该模型进行一阶泰勒展开并将拉格朗日余项作为误差忽略,得到三向力传感器线性标定计算的正则方程组。分别在3个方向采取单向多次加载,通过最小二乘法将输出与载荷对应的数据进行线性拟合,将拟合结果与原正则方程组比对,确定其系数阵,从而得出标定的算法。该标定方法推导中仅假定传感器3个应变梁正交,同时考虑了三向变形耦合关系,而没有限定传感器的具体结构形式,因而该算法对于不同结构的三向力传感器具有一定的通用性。该算法为多向耦合类型传感器的标定提供了新的思路和研究方法。     

基于移动最小二乘的传感器数据重构

纳米气体传感器的灵敏度易受温度变化的影响.为了有效改善纳米传感器的温度特性,方便确定其最佳工作条件,利用移动最小二乘法对其灵敏度-温度数据进行拟合,并建立相应的近似模型.移动最小二乘法通过紧支性加权的局部近似,使所建模型较常规最小二乘模型更精确、更光滑.实验证实了基于移动最小二乘拟合的近似性能.该方法在传感器数据精确重构领域具有良好的应用前景.     

IP传感器的数据校正

IP传感器利用校正引擎,对检测值进行校正,输出精确的被测量.描述了校正引擎的实现原理,详细讨论了查表法,分段多项式插值法,样条最小二乘数据拟合法等数据校正方法,最后给出了不同校正方法应用的实例.     

基于样条插值与最小二乘法的振弦式传感器非线性补偿

介绍了振弦式传感器的工作原理,针对振弦式传感器被测力与输出频率之间的非线性关系问题,提出一种非线性补偿的设计方法.基于三次样条插值原理,通过插值增加数据密度,解决了因实测数据稀疏导致的工程精度问题;结合最小二乘法方法,应用Matlab软件对振弦式传感器的F-f曲线进行拟合并进行了修正,获得了较为准确、光滑、符合工程实际的曲线,得到了合理的结论.实验证明,该方法以有限实测点数据实现了振弦式传感器的F-f曲线的精确拟合,为长期埋设的振弦式传感器F-f函数提供了一个切实可行的快速测定方法.     

基于蒙特卡罗最小二乘的实验数据拟合方法

采用最小二乘法拟合化工实验数据,相关系数接近于1,精度高,但所得的结果与经验关联式大相径庭。蒙特卡罗方法是一种基于概率模型的非确定性数值方法。蒙特卡罗最小二乘拟合方法处理化工实验数据,应用中更为灵活,适用范围更广。在Excel电子表格中,利用工作表中的数据与VBA混合编程很容易完成蒙特卡罗最小二乘数据拟合,VBA实现与Excel电子表格的数据通讯及并行处理实验数据,读取工作表中的实验数据,计算随机点的大致搜索范围,进行最小二乘统计分析,将结果输出到工作表中。蒙特卡罗最小二乘拟合方法采用与最小二乘法相同的精度标准,在符合大数定理的基础上,精度大幅度提高。蒙特卡罗方法在随机搜索点较小时,误差很大,当随机搜索点达到10000时,其精度与最小二乘法相差无几,却得到与经验关联式十分接近的准数关系方程,取得了实践与理论统一的实验效果。     

基于正交基神经网络算法的多传感器数据融合方法

为了改善多个同类传感器检测目标参数的性能,提出了一种基于递推最小二乘法的多传感器数据融合的正交基神经网络算法,用基于递推最小二乘法的神经网络算法对各传感器的量测数据进行处理,并用神经网络输出结果的平均值来实现多传感器的数据融合.为了验证算法的有效性,给出了多传感器数据融合的仿真实例.研究结果表明,基于递推最小二乘法的多传感器数据融合的正交基神经网络算法是有效的.