共查询到20条相似文献,搜索用时 31 毫秒
1.
针对压力传感器在实际使用中动态特性难以满足测试需求这一问题,利用激波管对压力传感器进行动态标定,获取实验样本,依赖样本估计逆模型,提出了基于QR分解和改进粒子群算法构建补偿系统的设计方法.采用QR分解确定模型阶次,降低了简化传感器模型带来的动态补偿运算误差,并结合改进粒子群算法,高效、智能的确定补偿系数.通过实测样本对补偿系统进行重复性验证,结果表明压力传感器的动态响应性能显著地提高了,补偿效果令人满意. 相似文献
2.
3.
4.
5.
针对应变片式销轴传感器井下工作过程中温度发生变化产生温度漂移,导致测量精度降低的问题,提出一种果蝇算法优化RBF神经网络的温度补偿模型,采用果蝇算法对神经网络的扩展参数进行全局优化,利用应力测试平台实测参数及神经网络非线性映射能力训练温度补偿模型。为验证温度补偿模型补偿效果及训练效率,对35℃下传感器进行实验测试。结果表明:35℃下,温度补偿模型补偿平均误差远小于单一算法补偿效果,验证了此方法具有较高的训练效率及补偿效果,能够提高传感器在不同温度、载荷作用下测量精度,同时将本文模型应用采煤机截割煤壁工作中,得到导向滑靴在采煤机行走截割煤壁过程中受力,为导向滑靴结构优化及提高采煤机可靠性和使用寿命提供依据。 相似文献
6.
7.
8.
9.
声表面波压力传感器温度误差及补偿方法研究 总被引:7,自引:3,他引:7
要提高声表面波压力传感器的测量精确度,温度补偿是主要难题。尽管目前有许多补偿方法,但其效果不佳。采用软件方法进行温度补偿的研究在国内外已成热点,但选用神经网络对SAW压力传感器进行温度补偿尚罕见报道。本文以CSF-10型SAW压力传感器为研究对象,通过理论分析和实验,得到了SAW压力传感器的温度特性曲线,又经现场实际操作,BP神经网络对SAW压力传感器温度补偿的效果良好,充分表明了应用神经网络在提高声表面波测量精度方面是行之有效的方法。 相似文献
10.
电导法原油含水率测量是基于阵列电极传感器的一种测量方法,电极系的结构与参数对传感器性能有着重要影响.拟研究电极系传感器结构的优化设计方法,在建立传感器电场分布理论模型的基础上,利用ANSYS有限元软件仿真电极系传感器不同参数下的电场分布,分析电极环宽度、激励电极对间距、测量电极间距等参数对传感器性能的影响.依据仿真结果,确定传感器的优化参数,并对传感器进行了灵敏度的模拟测试,测试结果显示:传感器灵敏度仿真结果与实际测试结果一致性较好;在高含水(大于85%)的油水两相流含水率测试精度可达3%.测试结果验证了传感器理论和仿真分析方法的有效性,为优化设计传感器提供一种有效的方法. 相似文献
11.
围绕柔性压力传感器阵列在弯曲且温度变化的物体表面进行压力测量时会表现出复杂的压力特性,提出了基于深度相机与红外相机的传感器联合补偿装置,介绍了联合补偿装置获取各传感单元补偿参考量与计算真实压力值的方法。采用COMSOL软件对柔性压力传感器阵列进行仿真建模,搭建了各传感单元弯曲应变量各不相同的仿真场景,生成了弯曲应变与温变联合补偿模型的样本集。构建了基于BP神经网络的柔性压力传感器阵列弯曲应变与温变联合补偿模型,经计算验证,压力补偿值与真实值之间的相对误差百分比控制在0.4%以内,补偿效果明显,满足了各传感单元弯曲应变情况不同需要实现精准补偿的需求,对于柔性压力传感器阵列的实际应用具有借鉴作用。 相似文献
12.
针对硅压阻式压力传感器的温度补偿问题,提出一种量子粒子群(Quantum Particle Swarm Optimization,QPSO)稀疏化最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)策略,目的在于能够保证温度补偿性能的同时获得较为精简的补偿模型。结合10 MPa绝压压力传感器标定实验数据进行仿真试验,研究结果表明,该方法的补偿效果优于QPSO优化的LSSVM、经典稀疏化LSSVM和QPSO优化的稀疏化LSSVM,补偿后测试样本集的最大相对误差,平均误差和误差方差分别为1.104×10^-3、4.819×10^-4和1.197×10^-7。在满足高精度测试要求的前提下,达到提升补偿效率的目的。 相似文献
13.
14.
15.
针对电子罗盘测量时存在传感器的零位、灵敏度误差和干扰磁场引起的航向角误差问题,应用一种航向角误差补偿算法进行校正;在分析了电子罗盘航向角测量的工作原理、航向角误差形成原因的基础上,详细阐述了该补偿算法的实现原理,并通过LbVIEW软件仿真验证;同时设计了两种测量方案和测试系统,利用HMC1043芯片的电子罗盘进行多次实测验证并得出结论;实验结果表明:补偿后电子罗盘测量的航向角误差在4.5°以内;该补偿算法补偿效果良好,实现简单。 相似文献
16.
针对硅压阻式压力传感器在工程应用中受环境温度和压力的影响产生漂移,影响测量精度等问题.提出一种基于粒子群优化RBF神经网络与最小二乘法融合的温度补偿模型.使用粒子群算法对常规RBF神经网络的权值和阙值进行优化,提高神经网络的泛化性能和训练效率,增强传感器非线性段温度补偿的效果;使用最小二乘法对线性段进行温度补偿,提高整体模型的补偿效率.以飞思卡尔24 PC型压力传感器进行补偿实验,结果表明:对比优化前的神经网络和最小二乘方法,利用本文方法进行温度补偿,耗时短,总体误差低于其他两种方法.传感器在整个温度区间和压力测试点下的输出基本不受影响,补偿效果明显,数据精度符合课题实验的要求. 相似文献
17.
18.
19.
硅压阻式压力传感器在实际使用过程中受环境温度影响易发生温度漂移,同时传感器本身又存在一定的非线性,这使得传感器测量精度大幅度降低.针对传统的温度补偿方法中需引入温度传感器的情况,提出一种基于最小二乘支持向量回归(LS-SVR)的压力传感器温度自补偿策略,通过定义并测量传感器桥路自身参数获取温度信息实现温度补偿,而无需配置额外的温度传感器.通过粒子群算法和交叉验证对LS-SVR的参数进行了优化.实验结果表明:这种利用传感器自身桥路进行温度补偿的方法能够有效地消除压力传感器的温度漂移.补偿后测量精度达到0.1%FS. 相似文献
20.
基于Fisher信息的多传感器数据融合方法 总被引:2,自引:1,他引:1
针对多个传感器对某一特性指标进行测量实验的数据融合问题,利用信息理论中的Fisher信息,提出了一种新的多传感器数据融合方法。该方法以最大化各传感器测量数据包含待测参数的Fisher信息为目标函数,通过求解优化问题,得到数据融合结果。可以较好地避免受主观因素影响的关系矩阵,充分利用实验数据,防止有效数据的丢失,提高融合结果的精确性。仿真实验验证了方法的有效性。 相似文献