改进PSO算法结合FLANN在传感器动态建模中的应用

将改进的粒子群优化（PSO）算法和函数联接型神经网络(FLANN)相结合,实现传感器的动态线性建模。利用传感器的动态标定实验数据,首先训练FLANN神经网络,网络训练结束后的权值作为粒子群中某个粒子的初始值,而后利用改进的PSO算法继续寻优,得到的全局最优值即为所求的传感器动态模型的系数。实验结果表明,该方法结合了PSO和FLANN两者的优点,建模精度高。     

遗传算法结合FLNN实现加速度传感器动态特性补偿

对加速度传感器动态性能进行分析,利用遗传算法与函数链神经网络相结合实现其动态性能补偿的方法,介绍补偿原理以及算法,给出了用遗传算法和函数链神经网络相结合建立的加速度传感器动态补偿网络的数学模型。结果表明,这种补偿模型具有精度高、有良好的鲁棒性以及动态补偿器实现简单等优点,在测试领域中有很好的应用前景。     

基于加速度传感器的丝杠传动系统建模及控制研究

提出了基于加速度传感器的丝杠传动系统建模及控制策略,可以通过实验测量存在结构非刚性因素时丝杠系统的模型。基该模型可以进一步设计基于加速度传感器的控制策略,加速度反馈可以控制系统的扰动力对丝杠传动控制精度的影响,实验结果表明提出的方法可以有效地提高丝杠系统的性能。     

模糊LS-SVM在加速度传感器动态补偿中的应用

提出一种基于模糊LS-SVM传感器的非线性动态误差补偿器设计措施,在传感器与参考模型对输入激励响应的实测数据基础上,运用模糊LS-SVM回归算法构造补偿器,减小微硅加速度传感器因带宽有限引起的动态测量误差.既克服人工神经网络非线性动态补偿过程中易出现的局部极小问题,又减小在标准LS-SVM中一些非主要数据对模型精度的影响,在测试领域中有较好的应用前景.     

基于SVR构造FLANN的传感器动态补偿研究

提出了一种利用支持向量回归机(SVR)对函数链接型神经网络(FLANN)进行构造的新方法,并将其应用于传感器动态补偿.文中将SVR的解与常规FLANN估计进行对比,发现两者具有相同的问题形式,因此,在适当的参数条件下可通过SVR对FLANN进行优化构造.与常规FLANN构造方法比较,SVR-FLANN具有明显特点,即将权值迭代逼近问题转化为二次规划问题求解,使得在整个训练过程中有且仅有一个全局极值点,确定了所构造FLANN补偿器的唯一性.实际压力传感器动态补偿实验结果表明:用该方法构造的补偿器与常规方法相比,具有更高的精度、更强的抗干扰能力及更稳定的补偿效果.因此,更适合传感器动态补偿.     

加速度传感器的检测应用研究进展

加速度传感器在工业、军事、航天和民用领域检测中有着广泛的应用。本文综述了加速度传感器的研究概况,总结了其六种检测感应功能应用进展,并提出发展趋势。     

无线加速度传感器在人体运动参数测量中的应用研究

针对实验室环境中的人体运动参数测量手段在户外测量中的不足,本文利用无线加速度传感器,设计了一种人体运动参数的测量方案,可以在户外方便有效地测量人体运动。利用该方案,对人体步态运动和振动环境中的人体运动进行了测量实验。实验结果证明了无线加速度传感器在人体运动参数测量中应用的可行性。     

谐振梁在高量程加速度传感器非线性测试中的应用

介绍了一种高量程加速度传感器非线性的新测量方法。用谐振梁与振动台系统组成新的谐振系统．这一系统对振动台的振动信号具有放大作用,从而解决了用小量程振动台标定大量程加速度传感器非线性的难题。详述了用谐振梁法测量高量程加速度传感器非线性的实际操作过程,总结了试验过程中的方法和经验,对高量程加速度传感器非线性测量具有实际指导作用。     

基于FLANN的动态称重法

根据“逆模型”的思想 ,利用神经元网络良好的逼近能力 ,基于函数联接型神经网络 ( FLANN)的传感器动态补偿方法和最小二乘法 ,提出了一种车辆动态称重解决新方法     

基于微型杠杆结构谐振式差分微加速度传感器的理论建模

为了提高灵敏度和消除交叉轴串扰,提出了一种包括有效的微型杠杆结构的谐振式差分微加速度传感器,分析了该结构差分检测和消除交叉轴干扰的原理．推导了该设计的理论模型,包括结构建模和轴向力作用下谐振微梁的固有频率偏移的推导,得到了待测加速度与输出固有频率偏移的关系．使用有限元模拟来证实理论模型．模拟结果说明,该设计的灵敏度每重力加速度g高于4kHz．探讨了具体结构参数的选取与输出频差的关系,说明通过调整微型杠杆的尺寸可以进一步提高本设计的灵敏度．     

基于FLANN算法的速度传感器动态补偿

磁电式速度传感器由于自身工作原理,其固有频率下限值受到结构和体积的限制.应用于振动测试时常需对其工作频带进行补偿扩展,以使其能检测固有频率以下的速度信号.本文针对磁电式速度传感器,建立了其动态数学模型,给出了一种基于函数链人工神经网络(FLANN)算法的动态补偿策略.分析对比了采用传感器输入输出设计的FLANN算法补偿器与采用零极点配置法进行动态补偿的效果.结果表明,采用FLANN算法设计的补偿器具有更小的补偿误差,且有效扩展了速度传感器的使用频带,很好地满足了工程上超低频振动测量的要求.     

时域有限差分算法与遗传算法在平面螺旋电感设计中的应用

文章通过电磁场时域有限差分(FDTD)算法与遗传算法(GA)相结合进行平面螺旋电感设计。通过优化单元网格大小，可优化设计整个平面螺旋电感（包含空气桥）的结构尺寸。介绍了该方法既能够进行严格的电磁场求解，又可以避免繁杂的实验过程，是优化设计的一种有效而准确的手段。     

MCFC型燃料电池的神经网络建模与基于FGA的模糊控制研究

为了提高燃料电池的发电性能,熔融碳酸盐燃料电池(MCFC)堆的运行温度应该控制在一个合适的范围内。本文首先利用RBF神经网络辨识复杂非线性系统的能力,基于实验的输入输出数据,建立起MCFC电堆的神经网络温度模型;然后设计了MCFC电堆工作温度的一个基于模糊遗传算法的在线模糊控制器,用模糊遗传算法同时优化模糊控制器的参数及规则。最后用神经网络的辨识模型代替实际的电堆进行控制仿真,仿真结果证明建模是有效的,所设计的模糊控制器具有较好的性能。     

大规模物流网络的组合遗传算法研究

在对遗传算法、生成树遗传算法和混合进化方法进行比较的基础上,提出组合遗传算法来解决大规模基本物流网络设计问题.该问题抽象为"选址-分派问题",并进一步分解,且将"分派"镶嵌在"选址"中."选址"和"分派"染色体分别使用二进制编码和矩阵编码、适值采用物流费用.运算结果显示该方法比混合进化方法结果更精确,且在大规模问题求解方面速度优于通常的遗传算法,因此是一种设计大规模物流网络的较好方法.     

基于遗传算法的码垛机器人路径规划应用

目的为了改进传统遗传算法在码垛机器人路径规划中可能出现的局部陷阱和过早收敛问题,以及机器人的能耗和路线平滑性问题,提出一种改进的遗传算法机器人路径规划方法。方法针对传统遗传算法存在的问题,分别对种群初始化、适应度函数、选择算子、交叉算子、变异算子的算法和方式进行调整和改进,对优秀算法进行融合。针对基本遗传算法主要着重于路径最短,从而忽视了机器人的能耗及路径平滑性等问题,设计一种综合考虑距离和转弯次数控制的适应度函数,最后将改进的算法应用于码垛机器人的路径规划中。结果仿真结果表明,相较于基本遗传算法,提出的算法搜索到的路径质量更高,不仅距离更短,同时转弯次数远远小于其他算法,路径更为平滑,验证了该算法的有效性。结论基于该算法的码垛机器人路径在兼顾距离最优的同时,路线更加平滑。由于减少了转向次数,机器人的能耗更低,同时仿真结果表明,该算法的实时性也较好。     

Combining neural networks and genetic algorithms for optimising the parameter design of the inter-metal dielectric process

An inter-metal dielectric (IMD) is deposited between metal layers to provide isolation capability to a device and separate the different metal layers that are unnecessary in the conduction of electricity. Owing to the complicated input/response relationships of the IMD process, the void problem results in electric leakage and causes wafer scraping. In the current study, we combined neural networks, genetic algorithms (GAs) and the desirability function in order to optimise the parameter settings of the IMD process. Initially, a backpropagation (BP) neural network was developed to map the complex non-linear relationship between the process parameters and the corresponding responses. Moreover, the desirability function and GAs were employed to obtain the optimum operating parameters in respect to each response. The implementation of the proposed approach was carried out in a semiconductor manufacturing company in Taiwan, and the results illustrate the practicability of the proposed approach.     

基于遗传算法的结构主动控制

提出了应用遗传算法进行结构主动控制的新方法，该方法能够在线计算控制力，对结构实施控制，并提出了解决该控制系统中时间滞后问题的方法，为该控制系统在实际中的应用打下了基础。     

基于函数连接神经网络的传感器Hammerstein模型辨识研究

针对非线性动态传感器模型辨识问题,提出利用函数连接神经网络算法对非线性系统的Hammerstein模型进行一步辨识的方法。以多项式逼近传感器中的静态非线性环节,同时结合动态线性环节的差分方程,建立关于直接输入输出的离散数据表达式,利用改进FLANN训练求解Hammerstein模型参数。采用变学习因子的方法对FLANN算法进行改进,提高了收敛速率和稳定性。实验结果表明,该辨识方法简单有效且具有更快的收敛速度。