共查询到10条相似文献,搜索用时 265 毫秒
1.
通过分析常规函数链接型神经网络(FLANN)结构与支持向量机(SVM)的关系,确定了两者本质上的等价性;在此基础上提出了一种基于SVM技术的FLANN构造新方法,并将SVM-FLANN应用到称重传感器的动态补偿上。结果表明该方法构造的FLANN具有结果唯一、结构简单、全局优化等特点,应用于称重传感器的动态补偿时,对传感器的性能改善效果明显,具有实用价值。 相似文献
2.
3.
在测量系统中许多传感器动态特性是一个非线性Wiener模型,即存在着严重的静态非线性和动态响应滞后.为了补偿动态误差,采用模型参考和Wiener逆模型辨识的算法建立动态补偿单元.补偿单元由一个静态逆模型和动态逆模型构成.通过静态标定方法,采用单输入/单输出的模糊小脑神经网络(SISO-FCMAC)建立传感器静态非线性模... 相似文献
4.
基于LS-SVM的传感器智能校正及温度补偿 总被引:1,自引:0,他引:1
提出一种基于最小二乘支持向量机(LS-SVM)的传感器非线性校正及温度补偿的新方法,并给出了相应的过程和算法。在该方法中,LS-SVM被用作构建逆模型,并通过该模型映射传感器非线性特性,同时实现了传感器的温度补偿和非线性校正。通过实际电容式压力传感器校正的实验结果表明:所提模型建模速度比SVM模型高1~2个数量级,补偿误差仅为SVM模型的20%左右。因此,该学习速度快、补偿精度高、抗噪声干扰能力强,适合传感器温度补偿及校正。 相似文献
5.
6.
7.
8.
针对工业过程中普遍存在的非线性被控对象,提出了一种基于支持向量机(SVM)逆系统的广义预测控制算法。该方法根据广义预测控制基于预测模型的特点,将基于支持向量机系统辨识的方法应用于逆系统构建和广义预测控制。该方法利用SVM强大的非线性映射能力离线辨识被控非线性系统的α阶逆模型,并将辨识出的逆模型连接在原被控统之前形成一个α阶纯延时伪线性系统。然后采用广义预测控制(GPC)算法实现对构造出的伪线性系统的预测控制。仿真实验表明了该算法的有效性和优越性。 相似文献
9.
10.
为了降低磁电式振动速度传感器的下限测量频率,以实现超低频振动速度测量,提出改进其幅频特性的函数连接型人工神经网络(FLANN)方法。该方法以磁电式振动速度传感器动态试验数据为基础,通过FLANN训练来确定传感器动态补偿网络,以改善它的幅频特性。介绍了原理和FLANN权值调整的算法,给出用FLANN建立的磁电式振动速度传感器动态补偿网络的数学模型。结果表明:这种幅频特性的改进方法具有精度高、鲁棒性好,并能在线修正等优点,在工程测试领域有重要的实用价值。 相似文献