基于FLANN的腕力传感器动态补偿方法

根据“逆模型”的思想,利用神经元网络良好的逼近能力,提出了基于函数联接型神经网络的传感器动态补偿方法。该方法设计的动态补偿器实现简单,实时性好;不依赖于传感器的模型,鲁棒性强;可以优化补偿器的参数。该方法的补偿效果比零极点配置方法的好,是一种非常有效的新方法,值得推广应用     

基于FLANN的腕力传感器动态建模方法

本文将联接型神经网络（ＦＬＡＮＮ）引入传感器动态特性的研究。,利用神经元网络良好的逼近能力,建立腕力传感器的动态数学模型。该方法所建模型阶次低,准确度高,对数据个数和采样频率无特殊要求,比其它更为有效和实用。     

电容压力传感器的FLANN建模方法

旨在开发一种计算简单的电容压力传感器的模型，以便经济、可靠地应用。分析表明采用新型函数链接型神经网络建立的电容压力传感器模型能够精确读出应用压力，它是一种能实现输入到输出的高度非线性映射并且运算高效的非线性网络，在建立传感器模型的类似性能上比多层感知器具有更高的运算优势。     

基于人工神经网络的数字式涡流传感器建模方法

为了解决数字式涡流传感器的非线性问题,介绍了利用函数连接型神经网络进行建模的原理以及神经网络权值调整的算法。从实测数据出发,建立了数字式涡流传感器的数学模型。结果表明,这种模型误差小、精度高、有良好的鲁棒性以及可在线标定等优点,比最小二乘法更具有实际意义,在测控系统中有广泛的应用前景。     

基于遗传神经网络的机器人腕力传感器动态建模与补偿方法

介绍用于MotomamV3X机器人上的新型多维腕力传感器,比较遗传算法与人工神经网络的特点,将遗传算法的交叉和变异操作进行改进,提出一种融合改进遗传算法(Genetic algorithm, GA)的函数连接型人工神经网络(Functional link artificial neural network, FLANN),并将其用于所介绍的新型机器人腕力传感器动态建模与动态性能补偿中。介绍动态建模与动态补偿原理及改进遗传神经网络算法,给出该传感器的动态模型和动态补偿模型。该方法利用腕力传感器的动态标定数据,采用改进遗传神经网络搜索和优化模型参数,保留了遗传算法的全局搜索能力和FLANN结构简单,鲁棒性好,且具备自学习能力的特点,克服了FLANN容易陷入局部极小的缺陷,具有快的网络训练速度及高的动态建模精度。理论分析和试验结果都证实了所提出的动态建模与动态补偿方法的有效性。     

传感器非线性动态模型及其辨识的研究

0 引 言 本文针对一种典型的非线性传感器——力平衡式闭环传感器,研究了其非线性动态模型及辨识问题。在分析了该传感器动态非线性的产生机理后,给出了传感器非线性动态模型的数学描述,研究了非线性传递函数的频域估计方法,最后通过传感器实验证明了上述研究方法的可行性。     

基于静动态分离的MAF传感器动态非线性建模

热膜式空气质量流量传感器广泛用于汽车发动机,但是,在有些工况下,传感器的动态响应速度不能满足控制的要求.在研究中发现,传感器的动态特性有明显的非线性.本文基于传感器的静态和动态实验,提出了基于静动态分离的Hammerstein两步法的动态非线性建模方法,建立了大小流量和正负阶跃统一的数学模型,更加准确地描述传感器的动态非线性特性.     

基于FLANN的三轴磁强计误差校正研究

提出一种基于函数链接型神经网络(FLANN)的三轴磁强计误差修正方法.由于三轴非正交、灵敏度不一致及零点漂移所引起的误差降低了三轴磁强计的测量精度,因此有必要进行校正.本文先对与三轴磁强计系统参数有关的测量进行详细分析和理论计算;然后,设计矩阵形式的数学模型对该误差进行修正.通过构造相应的FLANN网络结构,实现对模型参数矩阵的辨识.用实际地磁场测量数据进行测试,结果表明,三轴磁强计的转向误差由800 nT修正到12 nT以下.因此,该研究为提高三轴磁强计性能提供了一种可行方法.     

应用递推神经网络的传感器动态建模研究

根据动态校准实验结果建立传感器的动态数学模型 ,以研究传感器的动态性能 ,是动态测试的一个重要内容。研究了递归神经网络模型在传感器动态建模中的应用。递归神经网络模型采用具有输入层、中间层、输出层的三层网络结构 ,整个网络的特性决定于相邻层间的连接权。采用递推预报误差算法训练神经网络 ,具有收敛速度快、收敛精度高的特点。由于其反馈特征 ,使得递归神经网络模型能获取系统的动态响应特性。该方法特别适用于传感器非线性动态建模 ,而且避免了传感器模型阶次的选择的困难。试验结果表明 ,应用递归神经网络对传感器进行动态建模是一种行之有效的方法     

EGO传感器及其动态标定与建模方案

介绍了氧传感器的物理构造、工作原理和动态特性.由于该传感器存在动态非线性问题,且动态响应速度转慢,影响了废气中氧含量的实时测量.为了研究氧传感器的动态特性,文中设计了动态标定的实验方案,并提出采用块联模型的建模方法解决其动态非线性问题.     

基于函数联接神经网络的金刚石木工刀具磨削参数的预测研究

建立了金刚石木工刀具电火花磨削工艺参数和表面粗糙度关系的人工神经网络模型,该模型对未知工艺条件下的预测结果最大误差为8.27%,具有较高的预测精度。     

基于动态生成树和改进不敏卡尔曼滤波的传感器网络目标跟踪算法研究

针对在传感器网络目标跟踪的实际应用中,节点感知的数据与目标真实状态之间通常呈现非线性的特点,提出了一种基于改进不敏卡尔曼滤波的传感器网络目标跟踪算法。通过引入粒子群技术对不敏卡尔曼滤波中δ采样点的分布和收敛速度进行优化,使得δ采样点的分布更加接近目标的真实状态,以提高目标跟踪精度。同时,构建了一个随目标移动而动态生成的树形结构作为算法的执行平台。仿真结果表明,采用动态生成树作为算法执行平台提高了节点资源的利用率,降低了网络能耗,采用粒子群优化后的不敏卡尔曼滤波提高了目标跟踪精度,减少了算法运行时间。     

基于改进串联混合建模方法的发酵过程菌体浓度软测量

发酵过程中菌体浓度难以在线实时测量,给控制与优化带来困难.针对这一问题,本文利用软测量技术来实现菌体浓度的在线估计,并提出了一种改进的串联混合建模方法用以建立菌体浓度软测量模型.改进的串联混合建模方法,克服了现有方法需要利用插值所得的数据进行软测量模型构建的不足,从而保证了建模数据的可靠性.利用诺西肽发酵过程生产数据进行仿真研究,仿真结果表明,基于改进串联混合建模方法的软测量模型是有效的,比基于现有方法的软测量模型具有更好的估计性能.     

软测量系统建模的方法研究及应用设计

根据软测量的相关应用建立一个框架式的平台.基于这样一个平台对封装好的软测量算法模块以及相关应用模块进行调度,平台与模块采用数据库与XML文档交互方式,使得二次开发不再受编程语言限制,有效提高了软件的复用性.应用的例子是酵母发酵生物量在线软测量算法设计.     

断路器机构系统等效动力学建模与仿真分析

为提高断路器工作的可靠性与机械寿命,研究机构系统动力学特性。建立了断路器合闸过程等效动力学模型,分析机构系统的机械特性与主要结构参数之间的关系。利用ADAMS仿真分析软件建立机构系统合闸过程仿真模型,并进行仿真分析。为确定仿真模型的有效性,对机构系统的运动学参数进行实验测量。研究及应用结果表明:等效动力学模型用于产品设计的改进是有效的,改变约束参数可以实现系统的优化设计。     

一种六维腕力传感器动态响应的研究

十字梁腕力传感器广泛应用于机器人系统。腕力传感器的响应特性决定了传感应变片的粘贴和传感器的标定方法，也影响机器人系统的动态特性。针对十字梁六维腕力传感器的结构特点，以Lagrange方程为基础，建立六维腕力传感器的动力学模型，研究腕力传感器在力（力矩）作用下的响应特性以及传感器参数对传感器响应的影响。     

Probabilistic dynamic distribution of wireless sensor networks with improved distribution method based on electromagnetism-like algorithm

Performance of the Wireless Sensor Networks (WSNs) depends significantly on coverage area which is determined via the effective dynamic distribution of sensors. Making mobile sensors’ dynamic distributions, which determines their positions within the network effectively, improves performances of WSNs by enabling sensors to form the coverage area more efficiently. In this paper, we initially propose the electromagnetism-like (EM) algorithm as the sensor distribution strategy to increase the coverage area of network after random distribution of sensors. Forming more effective coverage area by using mobile and stationary sensors and probabilistic detection model has been aimed by developing the Optimal Sensor Detection Algorithm that is based on the proposed EM algorithm (OSDA-EM). For this purpose, it has been thought that we would attain to more realistic results, with probabilistic detection model by forming the coverage area more effectively. Additionally, performance of the developed OSDA-EM algorithm has been compared with the Particle Swarm Optimization (PSO) and Artificial Bee Colony (ABC) algorithms which was previously used in the dynamic distribution of WSNs. Simulation results have shown that the developed OSDA-EM can be preferred in dynamic distribution of WSNs that performed with probabilistic detection model.