共查询到20条相似文献,搜索用时 114 毫秒
1.
2.
基于支持向量机的传感器的非线性校正 总被引:1,自引:0,他引:1
铜热电限的非线性影响到它的测温准确度和测温范围,针对这个问题提出了采用支持向A机(SVM),建立了铜热电阻传感器的逆模型进行非线性校正,并且与以往采用的BP网络和最小二乘校正方法进行了比较;结果表明,采用支持向f机的非线性校正方法的最大误差为±0.0287%左右,与BP人工神经网络取得的结果(最大误差为± 0.0523%左右)和最小二乘法取得的结果(最大误差为±0.0865%左右)相比,精度高于以上2种校正方法;同时,SVM方法有较好的泛化能力,在很大程度上提高了传感器的线性度,并且补偿曲线更顺滑,预测性更强,它为铜热电阻传感器的非线性动态补偿提供了一种新方法. 相似文献
3.
4.
针对路灯节能调控系统中传感器的固有误差和系统误差,使其测量值易受非线性干扰而引起矢量误差问题,提出一种路灯节能控制系统矢量传感器误差修正方法.利用BP神经网络的非线性映射能力,建立补偿逆模型,为传感器提供理想的线性特性,同时根据网络层次间取值结果,引入梯度下降法,依据结果调整权值和阈值取值,令其无限接近非线性函数,考虑... 相似文献
5.
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。 相似文献
6.
本文比较了定长系数线性回归分析法和BP神经网络算法用于补偿温度对光纤光栅压力传感器的影响的效果。回归分析法可以起到一定的补偿作用,但对个别数据点补偿效果不理想。BP网络融合处理后的数据,其零位温度系数和灵敏度温度系数从补偿前的34.5%℃-1和34.2%℃-1分别下降到0.02%℃2-1和0.07%℃-1,提高了近3个数量级,充分证明BP神经网络对光纤光栅压力传感器进行温度补偿的有效性。 相似文献
7.
8.
本文导出了电感式线位移传感器主要参数及其几何尺寸之间关系的表达式,讨论了由于绕组矩形分布引起的输出特性非线性误差,并提出了一种改善其线性度的补偿方法和理论依据。对于多数的计算结果及非线性误差的补偿办法进行了试验验证。 相似文献
9.
基于神经网络的多传感器系统误差校正方法 总被引:5,自引:1,他引:5
为提高传感器的准确度,减少传感器的研制成本,提出了基于神经网络多传感器误差补偿的方法。该方法利用BP网络较强的非线性映射能力,网络通过学习能实现对传感器系统误差的补偿。通过实例及仿真证明了该方法的有效性。 相似文献
10.
11.
卟啉传感器阵列系统可以检测肺癌呼出气体中特定的标志性气体,不同标志性气体检测输出的差值图谱不一样.介绍了一种结合反向传播(BP)神经网络和主成分分析(PCA)的肺癌标志性气体种类识别算法,并将其应用在卟啉传感器阵列系统中.通过计算卟啉传感器阵列中各点的主成分得分选出敏感点,保留各气体敏感点的值,并组成识别模板作为BP神经网络的输入层,达到去除冗余数据的目的.通过实验对比聚类分析结果、未降维数据的BP神经网络识别结果及已经PCA降维后的数据作为输入的BP神经网络识别结果,证明提出的算法可以更加精确地识别不同的肺癌标志性气体. 相似文献
12.
13.
针对目前汽车发动机的传感器易损坏而导致发动机状态分析的结果产生重大偏差的特点,对人工神经BP网络模型做了改进,使其具有很强的自适应能力而能使网络的收敛方向和速度得到优化,并编制了相应的程序.作为实例,文章对某一实际发动机进行了仿真试验,结果表明该改进的BP网络具有很强的自适应能力,所有的误差控制在3%以内,可以满足工程实际的需要.由于人工神经网络在实际应用中不涉及具体的物理模型,因此该模型对发动机的状态参数在线仿真、减少传感器的维护量,特别是对发动机故障诊断技术水平的提高有很大的意义. 相似文献
14.
15.
16.
17.
针对目前常见的多元有害气体检测问题,设计并搭建了一种基于传感器阵列和集成 BP神经网络相结合的传感器阵列检测系统。在该系统中采用集成BP神经网络对传感器阵列的三种混合有害气体的响应信号进行回归分析。为了提高集成BP神经网络的预测准确性,又利用Adaboost算法对集成BP神经网络进行了优化。结果显示:该系统能够准确地检测气体组分,通过Adaboost算法对集成BP神经网络优化后,预测的平均相对误差小于2%,能够有效解决气体传感器的交叉敏感问题,提高传感器的选择性。 相似文献
18.
针对自动气象站采用的HMP45D型温湿一体化传感器在实际应用过程中易受温度影响的问题,提出了基于粒子群优化算法(PSO)的BP神经网络温度补偿模型,利用粒子群优化算法对BP神经网络的初始权值阈值进行全局寻优,将粒子群优化算法优化好的权值阈值赋给BP神经网络,对BP神经网络进行训练。根据不同温度条件下测得的多组湿度传感器数据,通过建立模型,实现温度补偿,与传统BP神经网络补偿结果进行比较。实验表明,与传统BP神经网络模型相比,利用PSO-BP神经网络模型进行温度补偿后所得的误差绝对值之和降低了10.3887%RH,PSO-BP神经网络可以克服传统BP神经网络易陷入局部极值的局限,补偿精度更高,能更加有效地补偿温度对湿度传感器的影响。 相似文献
19.