湿敏电容器的温度补偿方法研究

为了精确辨识湿敏电容器的温度补偿模型,减小系统测量误差,分析了湿敏电容器的温度补偿原理,提出了一种基于改进的遗传算法(GA)和支持向量机(SVM)相结合的补偿算法.基于湿敏电容器,建立了GA-SVM补偿模型,并与BP神经网络方法进行了比较.共144个样本点,经过补偿后GA-SVM和BP模型的相对误差绝对值小于3％的个数分别为143,110;最大分别为0.34％,19.68％.结果表明:改进的GA-SVM算法有效地补偿了温度影响,提高了湿敏电容器的测量精度,同时该算法的逼近能力和泛化能力均要优于BP神经网络.因此,该方法用于湿度传感器温度补偿是有效可行的.     

增强现实系统中电磁跟踪器注册精度校正研究

针对电磁跟踪器磁场空间数据之间的复杂的模糊关系,提出基于T-S模糊系统的BP神经网络和最小二乘支持向量机相融合的方法对电磁跟踪器的注册精度进行校正。方法首先采用K-means对空间数据进行聚类分析,随后在局部上采用T-S模糊系统进行预处理,再从全局上利用BP神经网络进行训练,根据最终校正精度动态调整BP神经网络的训练目标,初步校正后再采用最小二乘支持向量机进行求解。实验结果表明,该方法适用于非线性空间数据校正,能有效提高电磁跟踪器的注册精度,有助于提高增强现实系统的交互精度。     

基于改进型BP神经网络的瓦斯传感器的非线性校正

提出了一种基于改进型BP神经网络的瓦斯传感器的非线性校正方法,利用神经网络良好的非线性映射能力,逼近反非线性函数完成非线行校正。仿真实验结果表明:与传统的分段线性与BP算法相比,改进型的BP神经网络收敛速度快、逼近精度高,准确度由原来分段线性校正的±5.020%提高到现在的±0.130%,且易于动态调校。     

基于虚拟仪器的多通道湿敏电容自动测试系统设计

针对目前影响湿敏电容产量和产品质量的产品批量检测问题,采用四线制测量方法,集成LCR测量仪、多通道开关、测试夹具及上位机软件,可同时测试8路湿敏电容器.利用开路、短路及负载补偿的方法,消除系统误差.通过上位机软件,可采集测试数据,对数据进行分析、计算、显示并回放.实验结果表明:系统界面友好,使用方便,在一定的频率范围内,整个系统测试精度可达到0.8%,有效提高了湿敏电容器的测试效率和精度.     

基于神经网络的瓦斯传感器的非线性校正

文章提出了一种基于改进型BP神经网络的瓦斯传感器的非线性调校方法,该方法利用神经网络良好的非线性映射能力逼近反非线性函数,从而完成非线性校正。仿真结果表明:与传统的分段线性方法和BP算法相比,改进型BP神经网络收敛速度快、逼近精度高,准确度由原来分段线性校正的±5.02%提高到现在的±0.130%,且易于动态调校。     

基于缓变场景的复杂神经网络非均匀性校正

针对遥感数据定量化应用对多元红外探测器非均匀性校正的高精度需求,提出了一种基于缓变场景的复杂神经网络非均匀性校正算法,在两点校正基础上,进一步降低图像非均匀性。与经典BP神经网络非均匀性校正及其改进算法相比,复杂神经网络非均匀性校正算法突破单一层学习神经元结构限制,采用双层学习神经元结构,第一层学习神经元采用大邻域中值滤波作为期望函数,第二层学习神经元采用小邻域均值滤波作为期望函数,通过多层学习神经元配合,兼顾非均匀性校正效果并避免图像边缘模糊。经实拍红外图像非均匀性校正实验证明,复杂神经网络校正与经典BP神经网络校正相比,取得了更好的非均匀性校正效果,非均匀性评价结果UN=0.75%,次优算法非均匀性评价结果为UN=0.77%,与次优算法相比,复杂神经网络校正算法有更高的像素平均梯度评价值,达到28.49,而次优算法只有28.30,非均匀性评价结果低并且像素平均梯度高说明复杂神经网络校正算法在降低图像非均匀性同时更好地避免了图像边缘模糊：这是复杂神经网络校正算法采用双层学习神经元的特点与优势。方法改善了多元红外探测器非均匀性校正的效果,提高了红外遥感图像的质量,促进了红外遥感的应用。     

湿度传感器温度补偿法的研究

通过对湿敏电阻器的特性分析,找出湿敏电阻阻值随温度的指数变化关系,采用附加对数运算电路进行硬件补偿,使其脱离指数状态,低湿性能得到改善;基于EE06型高分子湿敏电容器特性的研究分析,分别在0℃以上和0℃以下分段采用数学模型拟合的软件算法进行温度补偿,使湿敏元件的测湿方程的显著度分别为5 668.579 0和2 416.919 00,均大于F0.01(9,8),在0.01显著水平上是高度显著的。2种温度补偿措施都使湿敏元件的测湿准确度大大提高。     

基于神经网络的传感器非线性误差校正

介绍了用神经网络校正传感器系统非线性误差的原理和方法,提出了一种基于RBF神经网络的传感器非线性校正模型及其算法,并与采用BP神经网络校正非线性误差进行了比较,并给出一个仿真实验,实验结果表明: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.     

基于RBF神经网络的传感器非线性误差校正方法

介绍了利用人工神经网络进行传感器非线性误差校正的原理。提出了传感器非线性误差校正的径向基函数(RBF)神经网络方法,并与采用BP神经网络校正非线性误差进行了比较。最后给出了一个仿真实验,实验结果表明:采用RBF神经网络可以明显提高网络收敛速度,大大减小传感器非线性误差,校正效果优于BP神经网络。     

水热腐蚀铁钝化多孔硅的湿敏特性研究

采用水热腐蚀铁钝化法在单晶硅片上生长铁钝化多孔硅(IPS)薄膜,以IPS为感湿介质制成湿敏元件。在不同湿度环境以及测试频率下,测出其电容值,得到了IPS的湿敏特性曲线。研究发现,当相对湿度从11%RH逐渐增加到95%RH的过程中,在测试频率为100Hz时,IPS湿敏元件的电容值增大幅度达1500%,电容响应时间在升湿过程和脱湿过程分别为15s和5s,并且IPS湿敏元件的温度系数在15℃到35℃的范围内较小。结果表明:IPS湿敏元件的特性包括灵敏度、响应时间以及温度系数等均优于多孔硅(PS)湿敏元件的特性。     

预测模型在入侵检测中的应用研究

针对目前入侵检测技术中预警这一模块效率不高的问题,通过对Pi-sigma模糊神经网络在降水预测中的应用进行分析比较,首先在理论上探讨了将混合型Pi-sigma神经网络预测模型应用于入侵检测技术中的可行性,并通过分析试验数据说明该模型在入侵检测预警模块中能够起到一定的预测作用,从而提高了预警的效率.     

BP网络和多元回归在葡萄酒质量模型中的应用

利用因子分析法筛选出对葡萄酒质量影响较大的12种理化指标,将其作为多元线性回归的自变量和BP网络输入层神经元,分别用多元线性回归和改进的BP神经网络两种方法建立葡萄酒和酿酒葡萄的主要理化指标与葡萄酒质量的关系模型。比较了两种模型的泛化能力,得出多元线性回归模型对新样本预测的平均相对误差是1.93%,而BP神经网络模型的平均相对误差是0.37%。仿真实验表明,BP神经网络的泛化能力和稳定性明显优于多元回归模型。     

基于PSO-BP神经网络的湿度传感器温度补偿

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。     

超声波热量表流量计量中温度补偿算法研究

针对超声波热量表采用时差法测量流量时,因受温度影响而存在的非线性问题,提出了分别基于曲面拟合和BP神经网络的温度补偿算法。两种算法通过建立温度与流量之间的非线性映射关系,达到补偿流量测量的目的。建模与仿真可知, BP神经网络补偿算法表现出更好的数据融合及预测能力。验证实验表明,相对于现有查表修正算法和曲面拟合补偿算法,BP神经网络补偿算法补偿效果更佳,补偿后流量测量误差在±2.2%以内,绝对误差方差最大值为0.68,补偿效果显著,具有较高的工程应用价值。     

基于改进模糊神经网络的PID参数自整定

针对传统PID整定控制效果差且单纯神经网络整定存在参数学习和调整困难等问题,提出了一种基于改进模糊神经网络的PID参数整定方法。在该方法中,PID控制器的控制参数采用基于Mamdani模型的模糊神经网络进行自适应整定,模糊神经网络参数采用混沌遗传算法离线粗调和BP算法在线细调的方式进行学习和调整,仿真结果表明该整定策略动态响应快、误差控制精度高且网络中各节点及参数物理意义明确。最后分别从模糊规则数的变化及适应度函数的选取两方面提出两种优化方案,仿真结果表明增加模糊规则数或采用不同的适应度函数都有利于进一步减小控制误差。     

地下电缆通道的无线温湿度传感网与BP评估

无线传感网技术线路较少,串绕简单等特点,使得短距离的无线传感技术能很好地解决地下电缆通道电缆线路繁多、运营维护监测困难等问题。通过建立基于无线温湿度传感网的地下电缆通道系统,用温湿度传感器对其进行监测,监测的实时数据用无线传感网技术传回,并通过BP神经网络模型对监测数据进行网格训练,建立优化模型,得到优化前后的权值和阈值训练误差曲线,优化前的训练样本和测试样本的仿真误差分别为0.19和0.30,优化后这两个数值分别为0.17和0.024。随机选取楚雄腰站变电站20组监测数据带入BP模型,得到结果与电缆通道温湿度安全等级对比,准确度达到93.3%。     

模糊神经网络在水质评价中的研究

研究水质评价问题,针对水环境保护和治理,由于水质类型和分级标准存在着模糊性,水质因子与水质类型间存在非线性关系,无法建立传统精确的数学模型。为了提高水质评价的准确性,提出模糊BP神经神经网络水质评价模型。利用模糊理论相对隶属度能反映各因子的质量相对状态,对模糊性具有很强的识别精度,可将水质因子模糊隶属度矩阵输入到BP神经网络中,通过非线性分析处理的BP神经网络进行学习和测试,得到输出水质评价等级。实验结果表明,模糊神经网络较传统的水质评价方法具有较高的识别精度,提高水质评价等级的准确性,使评价的结果更具有科学性。     

基于模糊神经网络火灾探测信号处理方法

针对火灾探测信号的特点,建立了火灾探测系统模型及用于处理火灾信号的模糊神经网络计算模型.利用神经网络构造模糊系统,用神经网络的自学习和自适应能力自动调整模糊系统参数,用改进的BP算法对网络进行学习和训练.根据国家标准试验火数据进行网络的学习和测试,系统误差小于试验火标准误差要求,表明了算法的有效性和可行性.     

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。     

基于变论域模糊控制的温室环境控制系统的设计

详细介绍了基于变论域模糊控制的温室环境控制系统,以温度控制系统为例进行设计。该系统以变论域模糊控制为核心算法,用BP神经网络改变模糊控制的论域。根据误差和误差变化率选择合适的论域,不仅克服了误差过大或过小时对温室控制的影响,还解决了温室多变量难以建立数学模型和隶属度函数选择较难的问题。