基于神经网络校正的NTC热敏电阻传感器系统

NTC热敏电阻具有高非线性特性,BP神经网络具有较强的非线性映射的能力,试验应用BP神经网络对NTC热敏电阻传感器进行非线性校正,将电阻值在输入训练网络前进行归一化处理,并利用网络对实际的温度采集系统进行校正,得到了理想的结果.此方法实现简单,精度高,在实际应用中有较高的应用价值.     

基于LabVIEW和神经网络的压力传感器温度补偿系统

经典传感器的输入输出特性大都存在非线性，且易受工作环境温度的影响。本文提出了采用BP神经网络技术和虚拟仪器技术相结合的方法，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。     

采用BP神经网络提高压力传感器的输出准确度

针对压力传感器在实际应用中,输出数据不仅仅与目标参量(压力)有关,而且还受非目标参量(温度)影响的问题,笔者提出了采用BP神经网络技术对其进行数据融合处理的方法,以消除非目标参量的影响。研究结果表明该方法是可行的。     

基于BP神经网络的压力传感器数据融合研究

压力传感器由于输出电压值易受环境温度、电压扰动等非目标参量的影响而导致精度大大降低。该文采用BP神经网络对压力和温度2个目标参量进行数据融合处理,减小了两者相互交叉干扰敏感度。结果表明,采用BP神经网络进行数据融合,能够提高传感器的稳定性及其精度,仿真验证了该方法的有效性和可行性。     

基于遗传小波神经网络的多传感器信息融合技术的研究

依据小波函数的非线性逼近能力和神经网络的自学习特性,提出一种小波神经网络。为使小波神经网络具有更高的学习精度和更快的收敛速度。利用遗传算法对小波神经网络权阈值的优化,设计了遗传小波神经网络。将该网络用于多传感器信息融合设计了遗传小波神经网络多传感器信息融合系统。压力传感器数据融合系统的仿真表明该方法能有效的提高传感器的输出准确度,消除非目标参量对传感器输出结果的影响,此系统还可用于其他多传感器信息融合系统,具有实际应用价值。系统设计实现简单,适合工程应用。     

基于神经网络模型的传感器非线性校正

讨论了BP神经网络模型在传感器非线性补偿中的应用.给出了相应的补偿方法,即采用两个相同的传感器对同一被测量进行不同的测量,其测量结果作为神经网络模型的输入,经过补偿后的传感器具有线性的输入输出关系.采用递推预报误差算法(PRE)训练神经网络,具有收敛速度快、收敛精度高的特点.以距离传感器为例,将基于BP神经网络的校正方法应用于减少距离传感器的非线性输出误差.实验结果表明,将训练后的神经网络接入距离传感器可以得到线性的输入-输出关系,增加神经网络隐层节点的数目可以提高校正精度.当隐层节点数取为40时,用于距离传感器非线性校正的神经网络模型在训练100步后的误差指数(EI)为9.6×10-6.结果表明:本文提出的基于神经网络模型的传感器非线性校正方法是行之有效的.     

基于RBF神经网络的热敏电阻温度传感器非线性补偿方法

针对热敏电阻温度传感器应用中存在的非线性问题,本文提出了应用RBF神经网络强非线性逼近能力进行非线性补偿的方法。文中介绍了非线性补偿的原理和网络训练方法。该方法不依赖于传感器的模型,而是根据传感器的输入和响应数据,建立补偿模型。结果表明,这种非线性补偿模型具有误差小、精度高、可在线标定、鲁棒性强,与基于BP神经网络的非线性补偿模型相比,网络训练时间短等优点,从而方便了热敏电阻温度传感器在测控系统中的应用。     

基于BP神经网络的Kalman滤波算法的改进

针对传统的Kalman滤波算法在机动较强的目标跟踪中误差变大甚至发散的缺点,考虑到BP神经网络具有较强的非线性逼近能力,提出了用BP神经网络辅助Kalman滤波的新算法,仿真表明该算法优于传统的Kalman滤波算法.     

虚拟仪器设计中压力传感器的BP神经网络温度非线形校正

压力传感器的输入输出特性大部存在非线性，且易受工作环境温度的影响。利用LabVIEW图形化编程语言，辅以多参量数据采集卡，采用了基于BP神经网络压力传感器非线性校正的模型、算法和实现方法，探讨了虚拟仪器系统中对压力传感器特性进行温度非线性校正。通过计算机仿真与应用，显示了在虚拟仪器系统中使用这种方法不但使压力传感器的性能得到了改善，而且计算时间短，准确度高，有实际应用价值。     

电磁力平衡传感器非线性的温度影响与补偿

电磁力平衡传感器的非线性输出主要由动圈附加磁场的影响产生,且随温度变化较大,远不能满足0.1 mg及以下分辨力的电子天平分析称量要求。分析了电磁力平衡传感器非线性产生机理,细致探究了温度对非线性输出的影响,提出了基于双磁钢的新型电磁力平衡传感器温度补偿方法,利用磁路结构的对称性将动圈产生的附加磁场分为上、下两部分形成对消,大大降低了传感器非线性输出。在单温度点下通过对传感器进行非线性校正,能快速、有效地减小补偿误差。实验结果表明,本文采用上述方法研制的电磁力平衡传感器在20℃温度下进行校正后,在温度范围为10~30℃、温度变化速率小于0.3℃/h的恒温室中进行量程50 g、分辨力0.01 mg的半微量分析称量,传感器的示值误差峰值不超过0.05 mg,大大降低了非线性补偿的计算复杂度。