共查询到18条相似文献,搜索用时 46 毫秒
1.
基于SVM的传感器非线性特性校正新方法 总被引:5,自引:0,他引:5
介绍了一种基于支持向量机的解决传感器系统非线性特性问题的新方法。支持向量机是Vapnik教授提出的基于统计学习理论的新一代机器学习技术,它有效地解决了小样本学习问题,因此该方法对样本数量没有特殊的要求。实验证明该方法有效,同时研究表明该方法也能用于其他系统的非线性校正。 相似文献
2.
高分子湿度传感器非线性误差校正的神经网络模型设计 总被引:1,自引:0,他引:1
本文介绍了湿度测量中传感器误差问题,提出了一种基于人工神经网络的非线性滤波器模型,应用于温湿度传感器非线性误差的校正中。 相似文献
3.
非线性传感特性的神经网络学习校正方法及应用 总被引:1,自引:3,他引:1
非线性误差是传感器的主要误差之一 ,用硬件补偿或用查表、曲线拟合等方法复杂且精度低。研究了一种神经网络校正方法 ,并提出了一种改进的小脑模型神经网络 ,仿真和应用表明 ,可使非线性误差减小到近似为零。 相似文献
4.
5.
6.
7.
智能传感器系统非线性校正的神经网络法 总被引:6,自引:0,他引:6
研究了智能传感器系统的非线性特性,给出了非线性校正系统的通用模型,并应用函数链神经网络(FLNN)作为非线性校正环节实现智能传感器系统的非线性校正.仿真结果证明这种方法是非常有效的. 相似文献
8.
传感器非线性校正的人工神经网络方法 总被引:14,自引:3,他引:14
本文提出传感器非线性校正的人工神经网络方法。研究实例中,其最大相对误差不超过0.95%。理论分析和实验结果表明,该方法性能良好,在建立各种传感器的校正曲线方面有广阔的应用前景。 相似文献
9.
压力传感器的输入输出特性大部存在非线性,且易受工作环境温度的影响。利用LabVIEW图形化编程语言,辅以多参量数据采集卡,采用了基于BP神经网络压力传感器非线性校正的模型、算法和实现方法,探讨了虚拟仪器系统中对压力传感器特性进行温度非线性校正。通过计算机仿真与应用,显示了在虚拟仪器系统中使用这种方法不但使压力传感器的性能得到了改善,而且计算时间短,准确度高,有实际应用价值。 相似文献
10.
为实现光纤位移传感器的光强补偿及非线性校正,确立并构造了两输入单输出的BP神经网络。讨论了基于L-M优化算法的BP网络的优点,说明了神经网络的权值修正方法及网络的具体训练步骤,阐明了用神经网络实现光纤位移传感器光强波动补偿及传感器非线性校正的原理。最后使用Matlab实现了神经网络,并将该网络应用于实际测量,结果表明该网络很好地实现了传感器的光强补偿及非线性校正。 相似文献
11.
智能检测仪器非线性误差神经网络校正研究 总被引:3,自引:0,他引:3
本文描述了一种智能检测仪器非线性误差的神经网络校正方法,阐述了校正原理,提出了一种CMAC神经网络的改进算法,最后,给出了一个应用实例,其结果表明,经过神经网络非线性校正后,检测仪器的非线性误差减小十倍以上。 相似文献
12.
13.
RBF神经网络在传感器校正中的应用 总被引:17,自引:4,他引:17
提出了一种基于RBF神经网络的传感器非线性校正方法,传感器的输出及待测物理量的实际数值用于训练RBF神经网络,以得到非线性校正用的逆模型,只需较少的神经元就可构成上述逆模型,便于单片机软件实现或“因化”在硬件中,通过一个二维位移传感器的例子表明,采用RBF神经网络的传感器非线性校正精度和网络训练速度均大大优于BP神经网络,能满足实用要求。 相似文献
14.
15.
A Novel Artificial Neural Networks Force Model for End Milling 总被引:2,自引:1,他引:2
V. Tandon H. El-Mounayri 《The International Journal of Advanced Manufacturing Technology》2001,18(10):693-700
The physical process of multipoint metal cutting depends on a large number of parameters that are strongly interlinked. A
number of empirical and semimechanistic models are described in the literature. This paper uses the artificial neural networks
(ANNs) approach to evolve a comprehensive model for critical process parameters, such as cutting force, based on a set of
input machining conditions. A set of eight input variables is chosen to represent the machining conditions, and process parameters
(such as maximum force and mean force) are predicted. Exhaustive experimentation is conducted to develop the model and to
validate it. The model is tested for a typical machining scenario found in industry, namely pocket-milling. Excellent agreement
between the simulated and experimental forces is found. 相似文献
16.
M.A. Karkoub A.H. Elkholy O.M. Al-hawaj 《The International Journal of Advanced Manufacturing Technology》2002,20(12):871-882
The process of applying fluid pressure to form metal sheets into desired shapes is widely used in the industry and is known
as hydroforming. Similar to most other metal forming processes, hydroforming leads to non-homogeneous plastic deformation
of the workpiece. Predicting the amount of deformation caused by any sheet metal forming process leads to better products.
In this paper, a model is developed to predict the amount of deformation caused by hydroforming using an artificial intelligence
technique known as neural networks. The data used to design the neural network model is collected from an apparatus that was
designed and built in our laboratory. The neural network model has a feedforward architecture and uses Powell’s optimisation
techniques in the training process. Single- and two-hidden-layer feedforward neural network models are used to capture the
nonlinear correlations between the input and output data. The neural network model was able to predict the centre deflection,
the thickness variation, and the deformed shape of circular plate specimens with good accuracy.
ID="A1"Correspondance and offprint requests to: Dr M. Karkoub, Mechanical and Industrial Engineering Department, College of Engineering and Petroleum, Kuwait University,
PO Box 5969, Safat 13060, Kuwait 相似文献
17.
通过分析目前CAD专家系统中存在的问题,对人工神经网络在智能CAD中应用的理论和方法进行了探讨。文中介绍了人工神经网络在模拟形象思维、知识获取、知识表示等方面的应用,并对存在的一些问题进行了详细的讨论。 相似文献
18.
用人工神经网络求取铂热电阻测温电路最佳参数的计算方法 总被引:2,自引:0,他引:2
文中建立了铂热电阻正反馈非线性校正电路与单结点神经网络之间的联系,利用神经网络训练的方法巧妙地解决了非线性解析表达式最小二乘拟合问题,求解精度高,编程方便。此方法也可用于其它有关领域。 相似文献