基于RBF 神经网络提高压力传感器精度的新方法􀀂

传感器的温度漂移普遍存在,提出了一种新的补偿方法.用智能温度传感器DS18B20作为辅助传感器,结合主传感器测量变量,利用径向基函数(RBF)神经网络构建双输入单输出网络模型,采用带遗忘因子的梯度下降算法实现了压力传感器高精度温度补偿,比普通补偿方法精度提高了2～5倍.     

硅压阻式压力传感器的高精度补偿算法及其实现

硅压阻式压力传感器广泛应用于汽车、医疗、航空航天、环保等领域。随着科学技术的发展,各领域对压力测量精度的要求越来越高。但由于半导体材料的固有特性,硅压阻式压力传感器普遍存在零点随温度漂移、灵敏度随温度变化和非线性等问题。为了提高硅压阻式压力传感器测量精度、降低输出误差,对该传感器的几种常用补偿算法进行了对比分析和研究,提出了一种基于最小二乘法的曲面拟合高精度补偿算法。该补偿算法能有效消除硅压阻式压力传感器零点漂移、灵敏度漂移和非线性误差,提高该传感器的输出精度。试验结果表明,在-40^+80℃温度范围内,硅压阻式压力传感器经该补偿算法计算后,测量精度得以大幅度提高,输出误差小于0.01%F·S。     

基于DBN的硅压阻式压力传感器高精度温度补偿模型的研究

硅压阻式压力传感器因对温度具有敏感性,工作时受环境温度的影响会产生温度漂移现象,降低了测量精度,为提升压力传感器的检测精度,提出了一种基于深度信念网络(Deep Belief Network,DBN)的高精度温度补偿模型.研究了压阻式压力传感器的工作原理和温度补偿的数学模型,利用深度学习强大的数据表征能力,设计了区间定位的温度补偿模型构建算法,建立并优化DBN模型的网络结构,将DBN温度补偿模型对实验数据进行训练拟合,结果表明:温度补偿后的满量程相对误差由原来的7.013×10-3提升至8.240×10-5,验证了所提出的方法能具有较好的稳定性和温度补偿效果,较大幅度地提升了传感器的检测精度.     

基于混合优化算法的压力传感器温度补偿

针对压阻式压力传感器存在温度漂移,其测量精度受温度影响很大的问题,使用最小二乘拟合方法与RBF神经网络共同建立压力传感器温度补偿模型.针对低温和高温区域使用RBF神经网络进行补偿,对中间线性区域使用最小二乘拟合方法进行补偿.同时为了提高RBF神经网络拟合效果,使用进化算法和下降梯度算法优化RBF神经网络参数.实验结果表明,本文使用方法与单纯使用RBF神经网络或最小二乘拟合方法进行温度补偿,具有更高的训练效率和温度补偿效果,能够提高压力传感器在各种环境下的测量精度和工作可靠性.     

基于Goldschmidt算法的高性能双精度浮点除法器设计

针对双精度浮点除法通常运算过程复杂、延时较大这一问题,提出一种基于Goldschmidt算法设计支持IEEE-754标准的高性能双精度浮点除法器方法。首先,分析Goldschmidt算法运算除法的过程以及迭代运算产生的误差;然后,提出了控制误差的方法;其次,采用了较节约面积的双查找表法确定迭代初值,迭代单元采用并行乘法器结构以提高迭代速度;最后,合理划分流水站,控制迭代过程使浮点除法可以流水执行,从而进一步提高除法器运算速率。实验结果表明,在40 nm工艺下,双精度浮点除法器采用14位迭代初值流水结构,其综合cell面积为84902.2618 μm²,运行频率可达2.2 GHz;相比采用8位迭代初值流水结构运算速度提高了32.73%,面积增加了5.05%;计算一条双精度浮点除法的延迟为12个时钟周期,流水执行时,单条除法平均延迟为3个时钟周期,与其他处理器中基于SRT算法实现的双精度浮点除法器相比,数据吞吐率提高了3~7倍;与其他处理器中基于Goldschmidt算法实现的双精度浮点除法器相比,数据吞吐率提高了2~3倍。     

一种用RBF神经网络改善传感器测量精度的新方法

介绍一种利用径向基函数(RBF)神经网络和智能温度传感器DS18B20改善传感器精度的新方法。RBF网络具有良好的非线性映射能力、自学习和泛化能力,通过大量的样本数据训练构建了双输入单输出网络模型,采用改进的算法实现了传感器高精度温度补偿。     

基于PSO-BP神经网络光电编码器误差补偿研究

考虑到高精度绝对式光电编码器应用广泛,其角度测量精度对整个系统精度影响较大,但由于角度传感器生产安装过程中产生的误差等原因,使得传感器在实际应用中存在一定的误差.而使用传统误差补偿方法难以得到较好的补偿效果,本文使用一种基于PSO的BP神经网络作为角度传感器误差补偿系统的算法.通过实验验证,该种算法能够对角度传感器误差进行较好的补偿,与补偿前相比,其标准偏差提高了12.5倍,最大误差和平均误差降低到9.6％和8.5％,提高了传感器检测精度.与使用了基于传统BP神经网络和基于多项式拟合算法的误差补偿系统进行对比实验,结果表明,其补偿效果亦优于这两种算法.     

一种超宽温度补偿高精度压力传感器设计

设计了一种用于井下测量的具有超宽温度补偿的压力传感器,该传感器使用基于CPLD实现的多周期同步测频法的双通道频率计完成高精度的压力及温度测量.该仪器包含石英晶体压力传感器、带数字温度补偿晶体振荡器(TCXO)的双通道频率计、含非易失性存储器和用于外部总线通讯的RS485收发器的数据接口,分度拟合系数及数字时钟温度补偿的修正系数保存在微控制器内部的模拟EEPROM中.该压力传感器比国外产品成本低,精度为0.02%F.S..     

基于智能传感器的新型高度与方向测量仪

提出了一种适合野外使用的便携式定向与海拔高度及温度测量的手持解决方案,该手持测量仪可以精确测量方向角、温度以及所在地的气压值进而获得海拔高度值,并采用OLED显示器数字显示.该方案在硬件及软件中采取诸多降低功耗、提高精度的措施包括采用超低功耗CPU以及高精度低功耗的智能传感器,软件流程采用中断方式等.另外采取温度补偿以及基于椭圆假设的磁传感器通道不一致性补偿等误差修正算法,使得该方案具有重量轻、功耗低、精度高、成本低等优点.     

一种基于神经网络算法的高精度拟合传感器温度特性曲线的方法

为了有效改善传感器温度补偿特性,提出了基于傅立叶基函数神经网络算法的温度特性曲线拟合模型.分析了算法的收敛性,为学习率的选择提供了理论依据.给出了对掺杂苯的SnO2纳米传感器的灵敏度-温度特性曲线进行拟合的实例.结果表明基于傅立叶基函数神经网络算法的传感器温度特性拟合曲线具有高的光滑性和高的拟合精度(10-6),因而是一种有效的温度特性曲线拟合方法.