Elman神经网络多传感器融合技术的研究与应用

由于重力传感器容易受环境温度等各种非目标参量的影响,其输出性能大大降低,为此,采用Elman神经网络多传感器融合技术加以解决.传感器信息融合是对多种信息的获取、表示及其内在联系进行综合处理和优化的技术.多传感器信息经过融合后能够完善、准确地反映环境的特征.采用Elman神经网络补偿由系统的非线性和外界干扰引起的误差.仿真试验表明,该算法计算量小、拟合程度好、精确度高.     

基于神经网络的传感器数据融合处理

为消除压力传感器在实际应用中输出数据受非目标参量(温度、供电电压波动)的影响提出了采用BP神经网络技术对其进行数据融合处理.研究结果表明,利用神经网络实现压力传感器数据融合对消除非目标参量对传感器输出的影响是有效的.     

基于神经网络的压力传感器数据融合

针对压力传感器在实际应用中受多个非目标参量的影响而导致其输出数据不仅仅与目标参量有关,提出了应用神经网络技术对多传感器数据进行融合以消除非目标参量对传感器输出的影响;研究结果表明,利用神经网络实现多传感器数据融合消除非目标参量对传感器输出的影响是可行的.     

基于神经网络的压力传感器数据融合

针对压力传感器在实际应用中受多个非目标参量的影响而导致其输出数据不仅仅与目标参量有关，提出了应用神经网络技术对多传感器数据进行融合以消除非目标参量对传感器输出的影响；研究结果表明，利用神经网络实现多传感器数据融合消除非目标参量对传感器输出的影响是可行的。     

基于BP神经网络的压力传感器静态特性数据融合

针对压力传感器在实际应用中受非目标参量(温度)的影响而导致其输出数据不仅仅与目标参量(压力)有关，提出了采用BP神经网络技术对其进行数据融合处理，以消除非目标参量对压力传感器输出的影响。研究结果表明，利用神经网络实现传感器数据融合消除非目标参量对传感器输出的影响是可行的。     

基于高阶累积量的模拟电路故障诊断

结合信息融合技术,提出一种基于高阶累积量的模拟电路故障诊断方法.对待测电路施加正弦激励信号,从待测电路的输出终端提取原始电压和电流信号,求出峰度和斜度作为故障特征向量,将其输入改进的反向传播神经网络进行故障诊断.实例结果表明,该方法具有较高的诊断准确率.     

基于遗传小波神经网络的压力传感器的非线性校正研究

为了消除压力传感器受非目标参量的影响而呈现的非线性特性,利用小波神经网络来完成压力传感器的非线性校正.利用遗传算法对小波神经网络权阈值优化,以提高网络精确度和训练速度,设计了遗传优化小波神经网络,将该网络用于压力传感器的非线性校正.仿真结果表明该方法能有效消除非目标参量对传感器输出结果的影响.压力传感器的精度和准确度都得到提高.该系统不但可以用于各类传感器的非线性校正,还可用于其它类似系统.且设计、实现简单,适于工程应用,具有实际应用价值.     

基于多传感器信息融合的油品水分检测系统

在油品含水量智能检测系统中，基于水的介电常数远远大于油的介电常数，因而两者所呈现的射频阻抗特性不相同的原理，使用了射频电容传感器，但在测试过程中发现传感器的输出不但决定于含水量一个参量，环境温度发生变化时系统的输出值也会发生变化，即系统对温度存在交叉灵敏度，从而影响系统性能和测量准确度，因此在油品含水量智能检测系统中，通过对温度和水分两个参量进行监测，并采用多传感器信息融合技术对传感器输入信息温度和水分，输出信息温度电压和水分电压进行融合处理以提高目标参量的测量准确度和测量系统的温度稳定性。     

基于数据融合的压力传感器静态特性研究

通常传感器的输出值不仅决定于目标参量,还会受到非目标参量的影响。为此,采用BP神经网络技术对其进行数据融合处理,以消除非目标参量对传感器输出值的影响。试验结果表明:该方法很好地抑制了传感器的交叉灵敏度,提高了其测量准确度。     

基于目标识别的光电多传感器信息融合技术

依靠多个光电传感器采集目标数据,需要解决各类数据信息的融合分析问题。基于这种认识,从特征提取、融合和识别等方面,对基于目标识别的光电多传感器信息融合技术展开分析,介绍了技术应用前景,指出需要采用不同算法完成不同光电传感器特征信号提取,同时,通过融合计算得到融合特征量,为目标识别提供信息数据支撑,确保准确识别目标。     

压阻式压力传感器实时自校正方法研究

目前的传感器误差校正方法,由于都是以传感器初始标定数据作为依据,从而随着使用时间的增加,传感器参数发生变化,其校正误差会逐步增大。针对这种情况,研究了用多基准恒流源模拟标准压力自动对传感器进行标定得到实时输出特性曲线,并据此求得测量压力。实验结果表明:该校正方法切实可行,若采用4个基准源校正,可在一定的温度和压力范围内实现0.15%的精度。     

基于径向基神经网络的电涡流传感器输出特性拟合研究

针对电涡流传感器的输出特性参数非线性较大,不能精确地反映被测物理量的问题,提出了一种采用径向基神经网络对电涡流传感器的输出特性参数进行拟合的方案。该方案采用newrb函数创建一个径向基神经网络,以被测物理量作为输入矩阵、电涡流传感器输出电压作为输出矩阵,对该径向基神经网络进行训练,从而可得到均方根误差小且光滑的电涡流传感器输出特性拟合曲线。实验结果表明,只要选择合适的创建函数和扩展系数,径向基神经网络能有效地实现电涡流传感器输出特性的拟合。     

一种混合步进电机优化波形控制器设计

设计了一种基于人工神经网络的步进电机驱动电压波形控制器,对步进电机原有的驱动控制电压脉冲进行修正,提高步进电机的运行速度稳定度,该方案使用人工神经网络模拟输入输出样本即角位移与电压脉冲的映射关系,使经过训练后的网络对非样本输入有好的泛化能力;该方案只使用步进电机测量角位移不需要精确获取电机内部参数,实验证明,该驱动电压波形控制器方案是一种快速、简便、有效的设计,对电机低速空载和负载效应下的速度稳定度都有好的提高。     

基于BP神经网络的浓度传感器非线性校正

提出基于BP神经网络的浓度传感器非线性误差校正方法。文中详细给出了BP神经网络算法原理及训练方案。当替换传感器或环境条件发生变化时,只要获取一组输入输出样本对,便可重新训练网络,获得新的输入输出样本关系,从而实现传感器非线性校正和动态标定,提高传感器的互换性,有实际应用价值。     

Applications of artificial neural network on signal processing of optical fibre pH sensor based on bromophenol blue doped with sol–gel film

In this paper, the applications of artificial neural network (ANN) in signal processing of optical fibre pH sensor is presented. The pH sensor is developed based on the use of bromophenol blue (BPB) indicator immobilized in a sol–gel thin film as a sensing material. A three layer feed-forward network was used and the network training was performed using the back-propagation (BP) algorithm. Spectra generated from the pH sensor at several selected wavelengths are used as the input data for the ANN. The bromophenol blue indicator, which has a limited dynamic range of 3.00–5.50 pH units, was found to show higher pH dynamic range of 2.00–12.00 and with low calibration error after training with ANN. The enhanced ANN could be used to predict the new measurement spectra from unknown buffer solution with an average error of 0.06 pH units. Changes of ionic strength showed minor effect on the dynamic range of the sensor. The sensor also demonstrated good analytical performance with repeatability and reproducibility characters of the sensor yield relative standard deviation (R.S.D.) of 3.6 and 5.4%, respectively. Meanwhile the R.S.D. value for this photostability test is 2.4% and it demonstrated no hysteresis when the sensor was cycled from pH 2.00–12.00–2.00 (acid–base–acid region) of different pH. Performance tests demonstrated a response time of 15–150 s, depending on the pH and quantity of the immobilized indicator.     

Damage assessment of structures using hybrid neuro-genetic algorithm

Techniques for detecting elemental level damage using the traditional methods receive the setback because of the difficulties in formulating the problems mathematically, specially in case of inverse problems. Artificial neural networks (ANN) have been proved to be an effective alternative for solving the inverse problems because of the pattern-matching capability. But there is no specific recommendation on suitable design of network for different structures and generally the parameters are selected by trial and error, which restricts the approach context dependent. A hybrid neuro-genetic algorithm is proposed in order to automate the design of neural network for different type of structures. The neural network is trained considering the frequency and strain as input parameter and the location and amount of damage as output parameter. The performance is demonstrated using two test problems: (i) clamped-free beam and (ii) plane frame. The outcomes of the results are quite encouraging and prove the robustness of the proposed damage assessment algorithm.     

基于DE优化BP的压阻式压力传感器的温度补偿研究

压阻式压力传感器存在温度漂移的问题,因此需要对该传感器进行温度补偿。为此,首先从标定实验中获取被测压力值、压阻式压力传感器的输出电压值以及环境温度值、温度传感器的输出电压值,然后用差分进化算法（DE）优化的BP神经网络算法从该标定数据中得到补偿后的数据。实验结果表明,所提出的温度补偿方法对压阻式压力传感器进行温度补偿后,其灵敏度温度系数提高了一个数量级,相对误差也得到很大的改善,因而其具有显著的理论意义和应用价值。     

基于ANN和单个三轴加速度传感器的汽车运动姿态测量

汽车车身姿态测量一直是汽车技术的关键一环。提出了一种无陀螺实时车身姿态测量方案,利用单个三轴加速度传感器通过BP人工神经网络(ANN)映射出实时车身姿态。方案巧妙地根据汽车行驶的特性作出物理模型以及算法的精简,利用神经网络的非线性函数学习和泛化推理能力,对输入的三轴加速度值进行惯性有害分量滤除和系统误差补偿然后映射输出...     

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BP网络的厚膜压力传感器非线性校正

简述了厚膜压力传感器结构原理和力学模型、传统非线性校正方法,以及用神经网络进行非线性校正的原理,探讨用BP神经网络实现厚膜压力传感器的非线性校正,并通过MATLAB神经网络工具箱进行仿真。研究结果表明:采用该方法对弹性体应变量与压力关系的非线性校正可以将标准误差减小2个数量级,简单而有效地实现传感器非线性校正。