热敏电阻传感器线性化的应用

本文介绍对热敏电阻传感器实现高精度线性化应用的一种方法.给出了线性化的理论原理、实现电路以及应用实验结果.     

力传感器输出曲线的线性化处理

本文在分析了诉力传感器静态标定输出曲线的线性化方法的利弊之后，推导出一种新的互性化处理方法，并通过应用实例的加以验证。     

基于非线性传感器智能线性化校正分析方法

详细介绍了有关非线性传感器智能线性化校正的分析方法,以铂电阻非线性特性为例提出三种线性化校正方法,即查表法、数学公式法和比例系数法。可以根据实际测量范围和测量精度的要求选用不同的线性校正方法。在实际电路设计过程中使用前两种方法,得到了很好的线性化结果。在一些应用传感器较多的场合,基于计算机平台完全通过软件开发的虚拟智能线性化传感器,由于其性价比高、使用方便、维护简单、功能扩展容易等优点,非常适合于推广应用。     

传感器线性化电路

报导了一种利用多功能转换器产生的多种传感器线性化校正函数的原理及实现电路。     

一种传感器输出特性的线性化方案

<正> 众所周知,绝大部分传感器的输出特性曲线是非线性的,为了减少误差,提高测量精度,在测量仪表中一般都设置了相应的线性化电路,或校正网络,使其线性化。 我们在实践中,设计了一种传感器的线性化方案,只要传感器的输出特性是单值的,就能得到一个很理想的线性的数字量输出。     

传感器输出信号的线性化处理

在检测装置的组成环节中,往往存在非线性环节,特别是传感器的输出量与被测物理量之间的关系,绝大部分是非线性的.造成非线性的原因主要有二:一是许多传感器的转换原理并非线性,如温度测量,热电阻或热电偶与温度是非线性关系;流量测量,孔板输出的差压信号与流量输入信号之间也是非线性关系;二是采用的测量电路的非线性,例如,测量热电阻用四臂电桥,电阻的变化引起电桥失去平衡,出现的输出电压与电阻之间的关系为非线性.对于这类问题的解决,常规模拟仪表采用的非线性补偿方法,都需要增加若干硬件,如用特别的曲线板,利用二极管、各种集成运算放大器构成非线性补偿电路,采用非线性计数的数字化电路和采用连续线性化A/D转换器等.这些硬件补偿,不但成本高、电路复杂.调试困难,而且精度低、通用性差.在智能仪表中,线性化采用软件方法实现,不必增加特殊的硬件结构,其主要优点有:①充分     

复合测温传感器线性化设计的研究

采用单片机实现对接触非接触复合测温传感器进行线性化设计，通过软硬件相结合的方法，使检测仪表电路结构简单，调试方便，线性度、稳定性和重复性都好。设计可适用于各类传感器实现线性化。     

光纤振动传感器响应线性化的理论研究

通过对传统光纤振动传感器理论耦合模型的剖析,找出了影响传统传感器线性度的原理性因素,进而提出了一种新型光纤振动传感器的结构模型。     

能与诸多传感器精密配套的万能线性化数显表

本文介绍了“万能线性化精密数显表”的万能线性化理论依据、构成和应用。它对简化传感器的制造、改进计量校准方法和提高精密测试水平都是很有意义的。     

Determination of Polynomial Degree in the Regression of Drug Combinations

Studies on drug combinations are becoming more and more popular in the past few decades, with the development of computer and algorithms. One of the most common methods in optimizing drug combinations is regression of a polynomial model based on certain number of experimental observations. In this paper, we study how to determine the degree of polynomials in different circumstances of drug combination optimization. Using cross-validation, we have found that in most cases, a high degree results in failures of accurate prediction, named overfitting. An anti-noise test has also revealed that polynomial model with high degree tends to be less resistant to random errors in the observations.      

多项式密钥预分配协议在传感器网络上的实现

在无线传感器网络中,网络安全通信已逐步得到网络架构人员和研究人员的重视。鉴于无线传感器网络大规模、节点资源非常受限、分布式等特性,该文提出了多项式密钥预分配协议,描述了其具体设计流程及独有的优势,并通过代码设计在TinyOS操作系统上得到了实现。     

基于多项式回归的四带图像偏色校正算法

针对可见光图像在受到红外光串扰的情况下产生的偏色现象,提出了一种基于多项式回归构建解串扰矩阵的四带图像（RGB三带和IR近红外带）偏色校正算法,该算法在特定的光源条件下,利用标准色卡的24个色块,采用多项式回归的思想构建解串扰矩阵.使用该解串扰矩阵对同种光源条件下拍摄的四带图像进行偏色校正,达到去除红外光串扰的目的.实验结果表明,该方法只需进行一次标定校正矩阵,就可以对同种光源条件下拍摄的不同图像进行偏色校正,恢复图像自然的色彩.     

分簇式传感器网络多项式密钥预分配改进方案

针对分簇式传感器网络,提出一种改进的多项式密钥预分配方案。利用二元四次多项式密钥预分配方案,建立簇头节点之间的通信密钥,以解决阈值安全问题,降低节点开销,采用认证机制保证密钥建立过程的安全性,并支持节点加入与撤销。分析结果证明,该方案可以保证网络的连通性和安全性,节点的存储、通信及计算开销均较小。     

快速的多项式平滑型支持向量顺序回归算法

支持向量顺序回归是一种重要的有监督排序学习算法.尽管其优化问题规模与样本数呈线性关系,但在学习大容量数据集时,训练速度仍过慢.为此,提出一种支持二次误差的多项式平滑型支持向量顺序回归(psSVOR)算法,其优化方法包括3个步骤:用两个分段多项式函数分别近似(1+x)+和(1-x)+,优化目标转变为二次可微的无约束问题,从而由Newton-YUAN方法直接求平行的多个决策超平面.给出了分段多项式平滑函数的3个性质及psSVOR的收敛定理.另外引入简约核提高非线性psSVOR的优化速度.多个公开数据集及LETOR OSHUMED的实验表明,与传统方法相比,psSVOR的顺序回归性能并不逊色,而训练速度显著快.     

基于多项式回归算法的飞参记录数据预处理研究

提出利用多项式回归算法对飞参记录数据存在的随机量测误差、野点以及数据丢失等现象进行有效的数据预处理,算法在消除量测误差、剔除和补正野点、补充丢失的数据及数据平滑等方面均具有较高的精度和可靠性并已有效地应用在多型飞机飞参记录数据预处理工作中。利用该算法在Matlab环境下对飞参记录的航姿系统俯仰通道部分数据预处理过程进行了仿真。     

基于混合变分自编码器回归模型的软测量建模方法EI北大核心CSCD

近年来,变分自编码器(Variational auto-encoder,VAE)模型由于在概率数据描述和特征提取能力等方面的优越性,受到了学术界和工业界的广泛关注,并被引入到工业过程监测、诊断和软测量建模等应用中.然而,传统基于VAE的软测量方法使用高斯分布作为潜在变量的分布,限制了其对复杂工业过程数据,尤其是多模态数据的建模能力.为了解决这一问题,本论文提出了一种混合变分自编码器回归模型(Mixture variational autoencoder regression,MVAER),并将其应用于复杂多模态工业过程的软测量建模.具体来说,该方法采用高斯混合模型来描述VAE的潜在变量分布,通过非线性映射将复杂多模态数据映射到潜在空间,学习各模态下的潜在变量,获取原始数据的有效特征表示.同时,建立潜在特征表示与关键质量变量之间的回归模型,实现软测量应用.通过一个数值例子和一个实际工业案例,对所提模型的性能进行了评估,验证了该模型的有效性和优越性.     

基于族群进化计算的多项式回归电力负荷预测

本文提出利用族群进化算法来有效优化多项式回归分析模型的参数以进行短期电力负荷预测。选择某地区2002年至2009年的用电量为训练数据,将本文提出方法的预测结果与季节指数模型的预测结果进行对比,本文提出方法的拟合值与实际值的平均相对误差较季节指数模型小0．66％。对2010年1月份到10月份的用电量,本文提出方法的预测值与实际值的平均误差仅为1．46％,比季节指数模型小2．3％。此实验结果显示基于族群进化算法优化的多项式回归分析模型不仅是可行的,而且是有效的,它显著提高了对短期负荷预测的准确性和可靠性。