基于FLNN的加速度传感器动态特性补偿方法

对加速度传感器动态性能进行分析,提出其动态性能补偿的神经网络方法,介绍了补偿原理以及神经网络算法,给出用函数连接型神经网络建立的加速度传感器动态补偿网络的数学模型。结果表明:这种补偿模型精度高、能实现在线修正,有良好的鲁棒性及动态补偿器实现简单等优点。     

基于递归神经网络的热电偶测温滞后的动态补偿

提出了一种基于递归神经网络的热电偶测温滞后的动态补偿方法,利用神经网络良好的非线性映射能力,建立传感器的动态逆模型,实现对传感器的动态补偿。实验结果表明:检测信号经过动态补偿后,能够克服传感器的测量滞后,达到稳态的时间从补偿前的26 s缩短到大约5 s,传感器的动态性能得到较大的提高。     

基于模型参考和神经网络的传感器动态补偿器的设计

为了改善传感器的动态响应特性,提出了一种动态补偿器的设计方法.该方法在传感器后接一基于模型参考自适应方法的动态补偿器,并利用BP神经网络算法不断在线辨识补偿器参数,使其始终工作在最佳参数下,实现动态性能的在线补偿.试验表明,对动态品质较差的双孔悬臂梁式压力传感器进行在线补偿,其到达稳态值的调节时间由0.1 s缩短为0.015 s,动态性能得以较好的改善.该方法为提高传感器性能开辟了新途径.     

基于高阶补偿器的加速度传感器动态误差补偿方法

加速度传感器动态特性对其动态测量结果具有重要影响。为了改善加速度传感器动态性能,减小动态误差,提出了一种基于高阶补偿器的加速度传感器动态误差补偿方法,该方法通过建立加速度传感器ARX模型,利用加速度传感器模型极点确定高阶补偿器的阶次,并应用误差白化算法（EWC）获得高阶补偿器的参数,实现加速度传感器的动态误差补偿。实验结果表明,该方法有效改善了加速度传感器的动态特性,且高阶补偿器的补偿效果优于低阶补偿器的补偿效果。高阶补偿器补偿后传感器输出超调量和残差均是低阶补偿后的三分之一,响应时间是低阶补偿后响应时间的一半左右。     

一种基于改进遗传RBF神经网络的传感器动态特性补偿算法

为了改善传感器的动态特性,减小系统测量误差,分析了传感器动态性能补偿的基本原理,提出了一种基于改进型遗传算法(IAGA)和RBF神经网络相结合的补偿算法,给出了用IAGA-RBF补偿算法建立的数学模型,并应用到瓦斯传感器的补偿环节.实验证明,该补偿算法具有响应速度快、计算精度高和工作频带宽的特点,多项动态特性指标都得到了较大的改善,能够有效地用于传感器的动态特性补偿.     

加速度传感器幅频特性测试及改进

研究了一种具有同灵敏度的加速度传感器本身的幅频特性。基于加速度传感器多次幅值、频率特性的测试,建立了传感器的传递函数模型。依传递函数模型设计动态补偿滤波器,以改善传感器本身的幅频特性,扩展其工作频带。实际测试结果表明：所建立的传递函数模型是正确的,动态补偿滤波器的设计也是成功的。     

石油勘探用MEMS加速度传感器噪声机理研究

针对石油勘探的应用需求,分析了MEMS加速度传感器及其检测电路的噪声源,并对不同电路结构的噪声进行了比较。根据分析结果,采取多种措施进行了改进,振动测试结果表明:传感器分辨力由原来的大于0.01m/s2提高到0.001m/s2,进一步提高了MEMS加速度传感器的性能。     

改进型灰狼算法在热电偶动态补偿中的应用

为解决热电偶传感器在瞬态温度测试过程中因传感器动态性能不足引入动态误差影响测试精度的问题,提出基于改进型灰狼优化算法的热电偶传感器动态补偿方法.通过改变候选解产生策略和引入动态权重因子,对灰狼优化算法(GWO)进行改进,从而进一步提高了热电偶传感器的时间常数.根据热电偶传感器水浴法校准数据寻优获得补偿系统传递函数,并对实测火焰数据进行实验.实验结果表明,水浴法校准数据经补偿后时间常数由0.0685s提升为0.0147s,动态误差减小了近75%.经IGWO寻优获得的动态补偿系统,可有效地改善热电偶传感器的动态特性,减小热电偶传感器的动态误差.     

高超声速飞行器的神经网络动态逆控制研究

针对通用的高超声速飞行器的纵向动力学设计一个神经网络动态逆补偿控制方法,并对其进行了分析;这种飞行器模型具有高度非线性、多变量、不稳定的特性,包括6个不确定参数;在4.5903km高度和15马赫的平衡巡航条件下的仿真研究,评价了飞行器对高度和空速的阶跃变化的响应;阶跃变化为速度30 m/s,高度40 m;通过仿真结果表明,采用神经网络补偿逆误差,弥补了非线性动态逆要求精确数学模型的缺点,而且可以简化动态逆控制律的设计,改善整个控制系统的性能。     

改进的动态模糊神经网络及其在人脸识别中的应用

结合动态模糊神经网络和补偿模糊神经网络,提出一种改进的动态模糊神经网络。首先介绍动态补偿模糊神经网络的结构和学习算法,然后将其用于人脸识别。对Weizmann人脸数据库和ORL人脸数据库的人脸图像识别实验表明,动态补偿模糊神经网络分类器算法性能优于一般的动态模糊神经网络。     

Infrared thermometer sensor dynamic error compensation using Hammerstein neural network

A novel dynamic neural network structure based on Hammerstein model is proposed and applied to dynamic error compensation for infrared thermometer sensor in this paper. First, the devices of dynamic calibration for infrared thermometer sensor are designed and the calibration experiments with continuous excitation are carried out. Then, the non-linear inverse system of the sensor dynamic compensator is expressed by a non-linear static subunit followed by a linear dynamic subunit—Hammerstein model. A novel neural network structure is designed, the weights in which are corresponding with the parameters of Hammerstein model. Finally, The iterative algorithm is derived, through which the non-linear static and linear dynamic subunit in Hammerstein model can be optimised and the coefficients of the dynamic compensator are gotten. The dynamic calibration data of the uIRt/c sensor are used to test and the experiment results show that the stabilizing time of the sensor is reduced less than 6 ms from 26 ms and the dynamic characteristic is obviously improved after compensation.     

提高NGIMU性能的加速度计动态补偿器的研究

无陀螺惯性测量技术是利用加速度计代替传统的陀螺,构成无陀螺惯性测量组合(NGIMU)实现制导的.首先,基于NGIMU九加速度计配置方案,根据加速度计的动态特性,推导了模型的动态导航方程,然后通过对加速度计进行动态补偿达到提高系统导航精度的目的,最后进行了系统三个方向角度运算的仿真验证.仿真结果表明,当加速度计输入信号的动态特性越强,NGIMU的导航误差越大,在动态补偿后系统的导航精度得到了有效提高.     

基于椭球假设的三轴加速度计误差标定与补偿

为提高三轴加速度计测量精度,根据其误差来源和产生机理,建立了误差模型;通过对误差模型分析,指出三轴加速度计输出轨迹符合椭球假设,提出一种椭球拟合法确定误差模型,实现对加速度计误差补偿。三轴加速度计捷联安装到三自由度转台进行误差标定和补偿,实验结果表明:加速度计最大、最小绝对误差可以减小100倍左右,精度达到10-3m/s2。该方法对采集数据的姿态没有太高要求,补偿效果显著,简单易行。     

加速度计温度补偿模型的研究

研究了加速度计的温度特性.通过温度实验,分别得到了加速度计的零偏、标度因子和IF转换电路的温度补偿模型,并在捷联系统中得到应用.结果表明,得到的模型可以有效地补偿加速度计温度误差,通过温度补偿,缩短了系统的预热时间,提高了系统的精度.     

基于GWO-BP方法的加速度计动态模型研究

针对高g值加速度计动态模型问题,基于Hopkinson杆的校准系统所测的输入输出数据建立系统模型,提出了GWO-BP神经网络动态建模方法。利用灰狼种群算法优化BP神经网络建立的加速度计动态模型,对模拟输入输出信号进行仿真。最后,利用Hopkinson杆标定系统对加速度计的输入输出进行实测。结果表明,相比于BP神经网络算法,该算法经过优化改进后,求解精度提高了43.6%,证明了该方法的可行性。     

石英挠性加速度计的误差补偿模型的研究

为了确保捷联惯导系统中加速度计的性能,研究了CHJN-2A石英挠性加速度计的静态输出特性.通过大量的重复性静态实验测试,分析了石英挠性加速度计的误差来源,并建立了影响导航系统定位精度的主要误差补偿的数学模型.结果表明,CHJN-2A石英挠性加速度计的输出特性具有较好的重复性,可以通过软件进行补偿提高它的精度.     

Neural network compensation control for mechanical systems with disturbances

Two novel compensation schemes based on accelerometer measurements to attenuate the effect of external vibrations on mechanical systems are proposed in this paper. The first compensation algorithm exploits the neural network as the feedback-feedforward compensator whereas the second is the neural network feedforward compensator. Each compensation strategy includes a feedback controller and a neural network compensator with the help of a sensor to detect external vibrations. The feedback controller is employed to guarantee the stability of the mechanical systems, while the neural network is used to provide the required compensation input for trajectory tracking. Dynamics knowledge of the plant, disturbances and the sensor is not required. The stability of the proposed schemes is analyzed by the Lyapunov criterion. Simulation results show that the proposed controllers perform well for a hard disk drive system and a two-link manipulator.