超声测距误差补偿算法研究

分析了超声测距原理及其存在误差的原因,提出了一种采用BP神经网络的超声测距误差补偿算法。该算法可对给定的输入向量和目标向量进行样本训练,在训练过程中不断调整权值、阈值,最终达到一定的映射关系以修正误差。仿真结果验证了该算法的有效性。     

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。     

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。     

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。     

水下超声波测距误差补偿方法研究

在大深度测量环境下,温度和深度是对波速有较大影响的2个量。通过分析液体的声学特性,得出超声波水下传播的速度与温度、深度之间的数学关系;通过对多径传播途径的建模分析,指出多径效应会使信号发生衰落和相移,并使得回波信号的波形发生改变;提出了基于椭圆坐标系的补偿方法并进行了试验。结果表明,该方法可有效减少多径信号对直射信号的干扰和回波信号的失真,减小测量误差。     

超声波测距误差分析

介绍了超声波测距的原理以及环境对测量准确度的影响,分析了测量误差产生的原因。阐述了仪器设计时超声波传感器的选择、计数频率的确定及盲区对测量的影响,指出了提高测量准确度的途径,重点阐述了利用软件修正误差的方法,使仪器达到了设计指标,满足了工业测量的实际需要。     

电路仿真在测距系统设计中的应用

本文介绍了Protel 99电路仿真组件和仿真过程。并说明了超声波测距系统的原理，实现了一种多频超声波测距系统。最后对部分电路进行了仿真，并将仿真结果与实际结果进行分析，并给出了分析结果。     

用小波神经网络补偿传感器非线性误差的研究

研究了一种用小波神经网络对传感器非线性误差进行补偿的方法 ,给出了相应的算法和计算公式。该方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 ,从而使传感器的非线性误差大大减小。应用实例结果表明了该方法的有效性。     

基于PT1000的冗余温度补偿型超声波测距传感器的设计

针对超声波在介质中传播速度易受到环境温度影响的问题,设计基于PT1000铂电阻温度补偿型超声波测距传感器.传感器基于PT1000铂电阻构成电桥电路,将温度变化转变为电压变化量,经16位A/D芯片模数转换后传给单片机,再依据铂电阻特性曲线进行比较、运算得出温度值,利用误差平均效应方法对四个相同结构冗余的铂电阻电桥测量数值进行平均计算得出最终温度值,进而得出此温度下的速度值;运用渡越时间检测法采集脉冲回波的时间,再利用距离公式计算则得出距离值.实验结果表明,采用PT1000补偿的测距传感器测量平均误差为0.001m,没有温度补偿测距传感器测量平均误差为-0.110m,采用DS18B20补偿测距传感器测量平均误差为0.010m.     

基于超声波测距及BP神经网络的车型识别

车型识别在高速公路收费、停车收费、城市道路监控等诸多领域有着广泛的应用。针对传统车型识别系统存在的识别效率低、结构复杂、安装难度大等问题,提出并实现了一种基于超声波测距及BP神经网络的车型识别系统。该系统以嵌入式微处理器、485总线为核心,运用超声波测臣实现对车辆外形尺寸的检测,并从中提取表征车型的四个参数,通过BP神经网络对所获取的参数进行自动分类识别。实验结果表明,该方法车型识别的正确率在95%以上。     

一种基于正交基神经网络算法的传感器误差补偿方法

为了提高传感器的误差补偿精度,提出了一种基于正交基神经网络算法的传感器误差补偿方法.研究了神经网络算法的收敛性,为学习率的选择提供了理论依据.为了验证算法的有效性,给出了传感器误差补偿实例.研究结果表明,基于正交基神经网络算法的传感器误差补偿方法具有高的误差补偿精度,因而是一种有效的误差补偿方法.     

基于PSO的BP神经网络在压力传感器温度补偿中的应用

针对硅压阻式压力传感器的温度漂移问题,提出了基于粒子群优化算法PSO(Particle Swarm Optimization Algorithm)的BP神经网络的温度补偿模型,通过粒子群化算法对BP网络的权值和阈值进行全局寻优,克服了BP网络收敛速度慢和易陷入局部极值的缺陷,而且温度补偿的精度较高。研究结果表明,该方法有效的抑制了温度对压力传感器输出的影响,提高了传感器的稳定性和准确性。     

阈值去噪与RBF神经网络在MEMS陀螺仪误差补偿中的应用

针对现有MEMS陀螺仪中随机误差较大,导致器件输出信噪比低进而影响其应用范围的现状,提出一种基于小波阈值去噪与梯度径向基( RBF)神经网络结合的MEMS陀螺漂移非平稳时间序列建模预测方法。首先采用Allan方差法分析了MEMS陀螺仪的主要随机误差,随后利用小波阈值去噪分离出MEMS陀螺误差模型中的白噪声及漂移误差,最后采用RBF神经网络对漂移数据进行建模。通过实验对文中所述的误差补偿方法进行验证,表明了方法的有效性,对于基于MEMS陀螺仪的惯导系统精度提高具有重要意义。     

霍尔传感器检测电动机电流的误差补偿

针对温度引起霍尔传感器检测电动机电流的误差,设计了基于BP神经网络的温度误差补偿系统,并对系统进行了仿真和实验测试,结果表明,BPNN补偿准确度高。     

基于PSO-BP神经网络光电编码器误差补偿研究

考虑到高精度绝对式光电编码器应用广泛,其角度测量精度对整个系统精度影响较大,但由于角度传感器生产安装过程中产生的误差等原因,使得传感器在实际应用中存在一定的误差.而使用传统误差补偿方法难以得到较好的补偿效果,本文使用一种基于PSO的BP神经网络作为角度传感器误差补偿系统的算法.通过实验验证,该种算法能够对角度传感器误差进行较好的补偿,与补偿前相比,其标准偏差提高了12.5倍,最大误差和平均误差降低到9.6％和8.5％,提高了传感器检测精度.与使用了基于传统BP神经网络和基于多项式拟合算法的误差补偿系统进行对比实验,结果表明,其补偿效果亦优于这两种算法.     

基于超声波测距系统的温度补偿电路设计

针对单片机AT89C52的超声波微地形测距系统的精度及系统的稳定性,本文着重对该系统的校正电路进行了系统研究,设计了该系统的温度补偿电路。一方面该电路中的基于集成温度传感器DS18B20的温度检测及补偿电路,提高了数据采集的精度及灵敏度;另一方面该电路中的基于MAX813L芯片的硬件看门狗电路。提高了系统的稳定性。该校正电路的设计使测距系统具有抗干扰能力强、信噪比和测距精度高等优点。     

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.     

基于树突神经网络的ＭＥＭＳ压力传感器误差补偿方法

压力传感器的性能因自身工艺或环境温度变化而造成影响,在实际应用中,因环境温度的改变而造成的传感器输出误差尤为突出。现今微机电系统（MEMS）压力传感器在线性度与灵敏度方面较之前已有了很大提高,但温度漂移问题依然存在。传统的误差补偿方法如线性回归模型、BP神经网络或BP神经网络的优化算法,均能对传感器的误差有修正效果,但还有提升空间。针对以上问题,本文将MEMS压力传感器中嵌入温度传感器模块,并构建了一种基于树突神经网络的误差补偿模型。该模型首先对采集数据进行逻辑组合关系预处理,然后用树突神经网络对传感器数据进行误差补偿。实验结果表明,使用数据逻辑关系预处理后的BP神经网络模型评估指标MAE（平均绝对误差）由9.1降至0.191,而用树突神经网络模型后,该指标更是降低至0.04348,精度提升效果非常明显,所提方法能够有效地补偿MEMS压力传感器误差。     

BP神经网络在红外CO2体积分数测量中的应用

环境温度对CO2气体体积分数测量的影响是不可忽视的.在CO2体积分数测量中加入温度补偿有助于提高测量装置的精度和有效性,但这很难用传统的数学模型进行温度补偿.反向传播(BP)神经网络特别适用于建立非线性温度补偿网络模型.在实际应用中证明:该方法得到了良好的效果,使CO2气体体积分数测量结果更加准确、稳定.