蓝宝石晶体高温传感器的信号解调及标定

为了使用蓝宝石晶体高温传感器对工业烟气温度进行长期在线监测,设计了蓝宝石晶体高温传感器的解调系统,并对其进行了标定。对蓝宝石晶体高温传感器的白光偏振干涉测温原理进行了理论分析,并利用离散腔长变换(DGT)解调算法对光程差信息进行解调。在此基础上建立了一套以热电偶为参照的标定系统,使用S型高温热电偶采集温度数据,得到了光程差-温度样本。分别利用二次多项式拟合法与BP神经网络法对传感器的输出曲线进行了拟合与泛化,并进行了对比。实验结果表明:在800~1 300℃温度范围内,与二次多项式拟合方法相比,BP神经网络的拟合精度较高,拟合残差均值达到0.33℃;泛化能力强,多次泛化结果误差均值为0.56℃,均方误差为0.55℃。最终使用BP神经网络方法对传感器进行标定,使得传感解调系统满足了工业测高温的精度要求。     

基于红外热像的钢水测温模型研究

基于热辐射测温原理,介绍了红外热像仪测温理论,为了提高钢水的测温精度,搭建了实验平台,经过实验获得不同温度下钢水的红外图像。利用Matlab软件提取图像的灰度均值,用最小二乘法和BP神经网络进行温度-灰度拟合曲线,从而得到红外热像测温的模型,使钢水测温误差达到了1%,最终达到测量精度和设计要求,此方法为熔融金属在线红外热像测温的研究打下了坚实的基础。     

基于BP神经网络的汽油机排气温度的标定

近年来随着计算机技术的发展,为其网络优异的函数逼近性能和分类性能应用于工程提供了硬件基础,神经网络由于其大多结构简单,算法易于理解和使用,有利于工程人员应用解决实际问题。本文介绍了BP神经网络在电控汽油机中排气温度的标定的方法,建立了一个基于BP神经网络的汽油机排气温度标定的算法。     

基于改进进化神经网络的双目视觉系统标定

摄像机标定在机器视觉技术中具有重要意义.针对传统三维物标定方法操作繁琐,BP神经网络标定受初始权值和阈值影响的问题,提出一种基于光轴会聚模型的思维进化-神经网络标定方法.利用BP神经网络可逼近非线性函数,思维进化算法具有较强全局寻优能力,有效解决了BP神经网络易陷入局部最小以及初始权值、阈值随机化问题.实验证明,与经典...     

ε-支持向量回归方法在红外测温标定实验中的应用

为了处理红外测温标定实验所得到的数据和建立温度灰度标定数学模型,介绍了ε-支持向量回归机基本原理及其在红外测温标定实验中的应用.在黑体温度从30～72℃变化过程中,采集22组实验样本,其中17组为训练样本,其余为预测样本.在数据处理时引进ε-支持向量回归机方法,且通过训练样本与预测样本在MATLAB下拟合出模型曲线.与传统的最小二乘法比较,ε-支持向量回归方法具有较高的精度,可以成为一种红外测温标定实验数据处理方法.     

一种改进的BP神经网络算法

针对传统BP神经网络存在学习率设置不当与深度神经网络过拟合导致准确率不高的问题,提出改进的BP神经网络算法。该算法引入了drop-out机制来防止神经网络过拟合,并针对学习率设置不当的问题,将用指数衰减学习率代替传统BP神经网络中固定学习率。实验结果表明,改进后的BP神经网络相较于传统BP神经网络有效地提高了3.06%的测试准确率。     

一种可提高红外热像仪测温精度的算法

传统的红外热像仪测温算法具有测温精度低,测得的温度值不是目标物体的真实温度等缺点.从红外热像仪的测温原理入手,重点介绍了产生上述缺点的原因,并分析了黑体标定测温算法的不足之处.在此基础上提出了一种红外热像仪精确测温算法.通过在传统的黑体标定测温算法中引入差值查表标定、测温预处理和真实温度换算等环节,提高了热像仪的测温精...     

基于BP神经网络的温度预测方法

针对环境试验温度测量精度不高,测温延时较大的问题,提出了基于BP神经网络的温度预测方法。该方法通过测量瞬时温度变化率,利用BP神经网络的温度预测模型,对温度进行预测。在MATLAB中仿真表明,该方法对温度测量的精度有了明显的提高,对测温延时有了明显的改善。     

一种基于差分进化的BP神经网络学习算法

提出了一种基于改进差分进化算法和BP神经网络的计算机网络流量预测方法。利用差分进化算法的全局寻优能力,快速地得到BP神经网络的权值和阈值;然后利用BP神经网络的非线性拟合能力获得高精度的网络流量预测结果。实验结果表明,此方法能在较短的时间内获得较高精度的预测结果,具有较好的应用价值。     

双波段比色精确测温技术

非接触红外辐射测温具有响应速度快、准确、便捷等优势。为实现中低温(50~400℃)物体温度的精确测量,根据双波段比色测温原理,搭建了双波段比色测温试验系统。首先对试验系统所用的试验器件进行精确标定,得到拟合曲线,用多种插值算法对曲线进行校正。然后,用设定温度的面源黑体作为试验目标来进行试验温度数据采集。实验结果表明:搭建的双波段试验系统不需要知道目标发射率,也能较为精确地得到中低温物体的真实温度。当系统标定置信度为0.95 时,物体的标准偏差在3℃以内。验证了搭建测温系统的正确性,实验装置的搭建对中低温物体真实温度的精确测量具有重要的研究意义。     

基于红外CCD的钢水红外测温模型分析

为了快速精确地在线测量钢水温度,采用红外CCD相机测温技术来测量钢水表面温度。利用红外CCD相机采集钢水在不同温度下的图像,计算出图像中与热电偶测温相近位置点区域的灰度均值,引入黄金分割寻优法对广义回归神经网络中扩展系数的确定进行了改进,并用传统的最小二乘法与改进的广义回归神经网络方法对灰度比和温度之间的非线性关系拟合曲线进行对比。结果表明,用改进的广义回归神经网络建立的测温模型有效地提高了在线温度测量精度,使钢水温度测量误差控制在0.1%范围内,符合工业设计要求。该研究为广义回归神经网络应用在钢水测温领域提供了参考。     

基于神经网络校正算法的酒精非接触测量方法

为了解决酒精气体测量过程中其他外界因素对测量浓度影响的问题,本文结合酒精气体在红外谱段吸收的特性以及BP神经网络算法的非线性处理方法提出了一种基于神经网络校正算法的酒精气体非接触测量方法.该算法考虑气体吸收过程中温度、湿度对光强的影响,把其作为神经网络的输入和测量参数一起进行训练,同时与常规的数据拟合模型算法进行对比实...     

基于热电偶动态校准的非线性拟合方法研究

为了提高热电偶动态校准的准确性,采用半导体激光器、红外探测器和被校准热电偶组成新的热电偶动态校准系统,分析了动态校准中红外探测器静态校准目的。根据反向传播神经网络原理,确定了反向传播神经网络的结构和参量,同时针对普通K型铠装热电偶进行了动态校准实验,得到红外探测器静态校准数据,由此数据采用最小二乘法和反向传播神经网络分别进行数据的非线性拟合,对两种方法的拟合结果进行了分析,并给出了拟合曲线。结果表明,在样本数据少、分布不均匀的情况下,反向传播神经网络拟合效果优于传统的最小二乘法,减小了由于数据拟合所带来的误差,能够更加准确地获得热电偶动态特性,实现热电偶动态补偿。这一研究结果对于热电偶动态特性研究具有重要的参考价值。     

基于BP神经网络的水蒸气红外透过率仿真

针对在计算大气透过率方法中利用经验公式误 差大和专业软件复杂低效等问题,提出了一种基于 贝叶斯正则化BP(back propagation)神经网络的水蒸气红外透过率的计算方法。利用BP 神 经网络良好的非线性拟合特点,建 立大气参数与水蒸气透过率之间的关系模型。以实测温度、压强和湿度作为输入向量,中红 外平均水蒸气 透过率作为输出,构建3-7-1式的BP神经网络。仿真结果表明: 在相同的大气参数下,与逐线积分法相比, 本文方法在运算过程大幅简化的同时相对误差很小;与经验公式法相比,本文方法对透过率 的计算精度大幅提升。     

神经网络曲线拟合在温补晶振上的应用

石英晶振作为重要的频率源器件,其频率稳定度至关重要。但温度对石英晶振的影响很大。传统的微处理器温度补偿晶振中在拟合曲线时算法简单,导致软件引起的误差较大。利用了神经网络算法在曲线拟合上的应用,拟合出补偿电压与温度之间的函数关系,微处理器根据温度传感器采集的温度控制AD芯片产生补偿电压,从而使压控振荡电路输出稳定的频率的目的。实验结果表明:温度在-10⁸0℃时,频率稳定度达到±0.35 ppm,比未补偿时提高了近20倍,比其他曲线拟合方法得出的效果要好。     

基于RBF神经网络的高精度在线激光测厚算法

为进一步提高单CCD双光路激光三角法动态在线测厚系统的测量精度,提出了一种基于RBF神经网络的CCD靶面上光斑位置与被测物厚度之间函数关系的拟合算法。通过理论分析之后,设计了基于RBF神经网络直接拟合CCD靶面上两光斑位置信息与被测物厚度之间关系和现有的最小二乘法拟合三次多项式模型方法进行实验对比,两种方法分别得到了一个网络和一个近似数学模型。通过使用十组标准厚度塞尺在不同位置进行验证实验,发现前者方法计算出的厚度值更加靠近塞尺的客观值。实验结果表明,用RBF神经网络拟合两个光斑坐标和被测物厚度之间的关系,成功地提高了现有系统精度,鲁棒性好,时间复杂度尚可。     

基于串联BP神经网络多函数拟合的研究设计

在研究神经网络对非线性函数拟合的过程中发现一个网络同时只能对一个函数进行拟合,为解决这一问题,通过研究BP算法神经网络提出了串联BP网络来实现多个非线性函数的拟合。通过Matlab自定义网络结构实现串联BP网络,在Matlab下利用此串联网络同时对两个非线性函数进行了拟合,训练样本加入噪声信号,在经过342次训练后拟合误差达到了0.000978。实验测试结果显示本网络能够很好地对两个待拟合函数进行拟合,为同时进行多函数的拟合提供了新的方法。     

基于BP神经网络-Monte Carlo法的结构可靠性分析

提出通过人工神经网络拟合极限状态函数的方法来解决结构可靠性问题。根据多层神经网络映射存在定理,对于任何在闭区间内的一个连续函数都可以用含有一个隐含层的BP网络来逼近。应用此定理,通过人工神经网络拟合极限状态方程,借助神经网络的函数映射关系产生大量的极限状态函数值,作为下一步的分析数据。此过程并不像Monte Carlo法时每一点都做确定性计算,因而达到减少计算工作量的目的。该方法仅采用Monte Carlo法随机抽样的思路,对大范围的数据进行概率分析,通过概率分析得到极限状态函数值的均值和标准差,以便求得结构系统的可靠性指标,进行结构系统可靠性分析。     

基于BP神经网络的红外透过率计算

针对实时条件下中红外波段平均大气透过率的计 算,提出了一种基于贝叶斯正则化BP神经网络的方法。 利用BP神经网络良好的非线性拟合特点,建立大气参数与中红外平均透过率之间的关系 模型,从而可以准确迅速 地得到计算结果。此网络模型是以实测温度、压强、湿度和气溶胶的后向散射系数作为输入 向量,分别以水蒸气和CO₂吸收透过率、气溶胶散射透过率和大气透过率作为输出。仿 真结果表明:在相同的大气参数下,本方法的计算 结果与期望值之间的相对误差较小,且远小于经验公式法,验证了本方法的可行性与有效性 。因此,本方法对大气透过率的准确地快捷计算提供了有益的借鉴。