用神经网络技术实现的精密微长度检测系统

描述了一种用神经网络技术实现的精密微长度检测系统 ,该系统用神经网络技术减小非线性误差 ,用微机数字滤波技术减小重复误差。与传统技术相比 ,系统的量程扩大 30 %以上 ,非线性误差几乎减小到零 ,重复误差也大幅减小 ,应用效果显著     

智能检测仪器非线性误差神经网络校正研究

本文描述了一种智能检测仪器非线性误差的神经网络校正方法,阐述了校正原理,提出了一种ＣＭＡＣ神经网络的改进算法,最后,给出了一个应用实例,其结果表明,经过神经网络非线性校正后,检测仪器的非线性误差减小十倍以上。     

神经网络与回归相结合实现传感器特性线性化

本文提出了一种用多个改进的BP神经网络与回归相结合的技术去实现传感器非线性误差校正的方法。该方法将传感器的特性曲线分为一个直线段和两个非线性低,并自适应的确定线性段的区间,在线性段,用回归方法拟合出直线方程。在非线性段则用两个改进的BP神经网络分别映射其反函数作为校正环节,从而实现非线性误差校正。仿真和试用表明,这种方法可使传感器的非线性误差减小近十倍。最后,给出了一些仿真实验及其结果。     

基于神经网络的误差复映参数算法

提出一种用人工神经网络解决机械加工中的误差复映问题的方法。分析了误差复映产生的机理,利用人工神经网络的非线性映射能力对输入样本进行分类,并用模糊理论对输出结果进行处理。对模糊理论和神经网络在机械加工中的应用作了一定的探索。     

称重传感器非线性误差的RBFNN补偿

称重传感器的输入与输出成非线性关系,需进行非线性补偿。文中阐述了称重传感器的非线性误差,并提出了一种基于径向基函数神经网络(RBFNN)的称重传感器非线性误差补偿方法,利用RBFNN构建了称重传感器输入Fx与输出Uox的反函数,实现了称重传感器的非线性误差补偿。实验表明:采用这种方法补偿后,称重传感器大秤量段的非线性相对误差减少了一个数量级,提高了称重准确度。     

基于自适应模糊神经网络辨识的电液伺服系统L2增益设计

为克服电液伺服系统不确定性、非线性、估计误差和干扰等因素对系统稳定性和精度的影响，提出了基于自适应模糊神经网络辨识的电液伺服系统L2增益设计方法。用自适应模糊神经网络在线估计包括系统不确定性和非线性在内的未知动态特性，同时用增益自适应变结构补偿自适应模糊神经网络的估计误差，用系统L2增益设计方法抑制干扰对系统的影响，以期使系统对不确定性和非线性具有鲁棒性，而且从干扰到描述系统跟踪误差的评价函数的L2增益小于指定值。     

Preisach迟滞逆模型的神经网络分类排序

为了补偿影响压电陶瓷执行器纳米定位系统精度的迟滞非线性,提高系统的控制精度,开展了基于压电陶瓷执行器的迟滞非线性逆模型的研究。兼顾到迟滞的擦除特性和建模的精确度,提出了一种Preisach逆模型分类排序法的神经网络实现方法,用神经网络取代了传统的反查值方法,以避免插值误差。建立三层BP神经网络,运用实测数据进行训练,确定各层权值;然后,结合排序得到的电压和位移极值信息,通过神经网络方法拟合出较精确的输入电压值。运用若干组实验数据检验了此逆模型的有效性,结果表明,该神经网络的实现方法将逆模型的平均误差降低到了1.5V以下,最大误差绝对值降低到了2.7V以下。与反查值方法相比,神经网络实现方法有效提高了压电陶瓷执行器纳米定位系统的迟滞逆模型的精度。     

基于神经网络的电动舵回路容错控制方法研究

为了克服电动舵回路故障和非线性因素的影响,提出一种基于神经网络误差反馈学习的电动舵机容错控制器设计方法,根据电动舵机系统动力学特征建立系统非线性数学模型,采用反馈误差学习控制律进行神经网络容错控制,由参考信号和实际输出信号对比产生的误差信号驱动神经网络学习从而产生控制信号,以达到实现容错重构控制的目的,仿真结果表明,神经容错网络控制器能够达到满意的控制效果。     

柔性臂坐标测量机动态误差补偿算法研究

针对柔性臂坐标测量机误差因素复杂且误差影响之间呈非线性的问题,分析了误差因素并对部分动态误差进行研究,提出了一种基于模拟退火和神经网络的柔性臂坐标测量机动态误差补偿方法。利用BP神经网络建立动态误差补偿模型,通过模拟退火算法优化权值从而解决了神经网络的收敛速度慢的问题。通过实验获得数据样本,训练所建模型后对测试数据进行误差补偿。与BP神经网络模型进行对比结果表明,补偿测试点后得出的单点重复性测量误差提高了60.85%,长度测量误差的精度提高了54.79%,证明了所提方法的有效性和可行性。     

基于RBF神经网络的电子秤非线性误差补偿

称重传感器、秤盘机械结构的非线性环节影响了电子秤称重结果的准确度。本文分析了电子秤的非线性误差来源与误差机理。在此基础上利用径向基函数神经网络（RBFNN）构建了一种电子秤非线性误差补偿网络,完成了电子秤的非线性校正。经现场检测表明。采用这种方法补偿后的电子秤称重误差小于国家标准《JJG555—1996非自动秤通用检定规程》规定的中级秤允许误差。提高了称重准确度。     

基于最小二乘支持向量机的N型热电偶非线性校正及应用

本文针对具有小样本数据的N型热电偶在应用中存在的问题，提出了一种基于最小二乘支持向量机对热电偶进行非线性校正的方法，并与以往采用的BP网络、RBF网络和ANFIS校正方法进行了比较。结果表明，采用最小二乘支持向量机的校正精度高于以上3种校正方法；同时以阳极焙烧过程中料箱温度为对象进行了仿真和实际应用研究，取得了满意的结果。     

高分子湿度传感器非线性误差校正的神经网络模型设计

本文介绍了湿度测量中传感器误差问题，提出了一种基于人工神经网络的非线性滤波器模型，应用于温湿度传感器非线性误差的校正中。     

用非线性逆滤波改善传感器动态特性的研究

在测量系统中许多传感器存在着严重的非线性静态特性和响应滞后的动态特性，当被测量对象的变化率高于传感器的响应速度时，测量结果与真值之间存在较大的误差。为了补偿这个测量误差。采用了一个由无限响应的IIR滤波器和静态非线性环节构成的非线性滤波器去减小误差。IIR滤波器的系数通过实验数据得到，它是传感器的动态逆模型；非线性静态环节采用模糊小脑神经网络(FCAMC)实现。并通过对热敏电阻动态测量误差的补偿，验证了该方法的有效性。     

智能型控制阀特性校正方法

提出了利用神经网络的高度非线性表达能力，对气动控制阀在制造和使用过程中偏离理想流量特性的情况进行校正，并实现一阀多特性功能的方法。     

LabVIEW下基于BP神经网络的温度补偿虚拟压力测量系统设计

压力传感器的输入输出通常存在非线性，而且输出会因工作环境温度的改变，使其零点、灵敏度均发生漂移。为消除温度对压力传感器测量结果的影响，在LabVIEW下实现虚拟压力测量系统，并应用反向传播（BP，Back Propagation）神经网络，通过样本对网络进行训练，并将该BP网络以动态链接库的形式提供给LabVIEW调用。测试结果表明温度补偿效果非常好，同时具备传感器测量值的转换和非线性校正功能，该应用BP神经网络的虚拟压力测量系统具有很大的实用价值。     

基于MSP430单片机的高精度压力变送器

介绍了以超低功耗单片机MSP430为核心的高精度压力传感器的硬件电路设计,针对压力传感器的温度漂移问题分析了用于温度补偿的BP网络算法,通过单片机对MPM280压力传感器的温度和压力信号采集,构造4层BP神经网络进行离线训练,将训练好的网络模型利用C语言完成编程,研究了单片机软件实现方式。结果表明:利用MSP430单片机减少了系统功耗,其丰富外设减小了传感器体积,利用单片机对传感器的温度和压力A/D采样值离线训练减少了信号误差,利用BP网络算法提高了传感器的精度,传感器的精度为0.1%。