PSD空间定位的非线性误差补偿模型及归一化

PSD是一种高分辨率、实时性好的光电位置敏感器件，因而具有广泛的应用前景.但在光照度变化条件下，输出信号存在非线性飘移，因而影响了作为位置检测传感器的检测精度，尤其在3D测量时适用性受到了限制.针对这个问题，提出了一种PSD位置传感器的非线性误差补偿方法.该方法针对目标的空间距离变化所产生的PSD输出非线性飘移，采用归一化模型进行误差修正，很大程度上改进了PSD的输出一致性，使基于PSD的3D测量系统性能得以提高.     

基于神经网络算法的一维PSD非线性修正

分析了PSD(position sensitive detetor)的非线性成因,并根据PSD的非线性特点,提出一种基于神经网络的PSD非线性补偿方法,利用神经网络具有逼近任意非线性函数的特点,通过训练使神经网络建立在PSD输出与其理想值之间的非线性映射关系,实现PSD非线性补偿．从而使PSD的非线性区获得了与线性区近似的线性度．实验结果表明,该方法能有效地消除非线性的影响,在神经网络的输出端得到期望的线性输出．     

基于径向基神经网络的压力传感器信息融合技术

因为压力传感器的温度漂移普遍存在,其输出特性容易受环境温度、电压扰动等各种非目标参量的影响,从而大大降低了其性能．利用径向基神经网络构建了双输入单输出网络模型,采用带遗忘因子的梯度下降算法,实现了压力传感器高精度温度补偿,从而大大提高了压力传感器的稳定性和可靠性．     

基于BP算法的光纤传感器非线性位移补偿研究

针对光纤位移传感器应用中存在的非线性问题,提出了以神经网络为补偿环节,结合传感器构成的一种非线性补偿模型.基本思想是采用BP算法,以传感器的输出作为神经网络的输入样本.传感器的输入位移为神经网络的期望输出,通过调整神经网络权值使神经网络的输出与期望值近似,实现位移测量的非线性补偿.实例仿真结果表明该方法有效提高了精度,是一种有效的传感器非线性补偿方法.     

光电位置敏感探测器非线性误差校正方法研究

位置敏感探测器(PSD)以其分辨率高、时间响应性好的优点在光电检测领域得到了广泛的应用,但是PSD在生产过程中产生的非线性误差极大的影响了测量精度和范围,因此对PSD进行必要的非线性误差修正可以大大提高其测量精度和可靠性。     

基于BP算法温度补偿的海水压力数据采集系统的设计

介绍了一种海水压力传感器数据采集的设计方法,用BP神经网络算法对其进行温度的软件补偿.能有效改善传感器的非线性及温度变化所引起的输出的误差,提高了测量精确性和可靠性,算法通过单片机编程进行实现,经过修正的数据由RS232通信端口传输给上位机.     

高精度PSD线性化方法与实验研究

为了提高位置敏感探测器(PSD)的测量精度,减少其非线性带来的误差,设计了基于微位移平台的在线数据采集与校定装置,提出了基于BP神经网络的非线性校正算法,进行了数据采集和线性化实验研究,并对线性化结果进行了误差仿真分析。实验结果表明,设计的线性化算法真实有效,采用该方法校正后PSD的最大线性度误差为3.3μm,大幅减小了PSD的非线性,在不增加成本和设备复杂度的前提下大幅提高了PSD的测量精度和数据置信度,具有很高的实用价值。     

应用数据融合改善压力传感器的静态特性

提出了一种基于RBF神经网络的数据融合方法,并用此方法对电阻应变式压力传感器进行了温度补偿。通过一个实例说明了该方法的应用,并与利用BP神经网络进行补偿的方法进行了比较,进一步说明了该方法的优越性。结果表明当环境温度变化较大时,在不同的压力下该方法能对传感器进行有效的温度补偿。     

基于神经网络的瓦斯传感器非线性校正

瓦斯传感器输出非线性问题的原因很多,其中包括敏感元件温度变化所带来的影响,但即使使用恒温瓦斯检测技术,非线性误差仍然存在,影响了瓦斯检测的准确性。在简述用神经网络进行非线性校正的原理的基础上,探讨了用BP神经网络实现瓦斯传感器非线性校正的模型、MATLAB算法和实现程序,通过计算机仿真,其结果表明采用该方法能够得到令人满意的结果,且结构简单,准确度高。     

基于L-M算法的正交Stewart平台位姿正解的初值补偿

针对牛顿拉夫逊迭代法求解正交Stewart六自由度平台位姿正解对迭代初值依赖的问题,提出基于Levenberg-Marquardt(L-M)算法改进的BP神经网络模型,进而实现对Stewart平台位姿正解的迭代初值补偿值计算,并与基于BFGS拟牛顿算法、SCG量化共轭梯度算法、GDA梯度下降自适应算法所建立的BP神经网络模型进行对比分析,重点分析模型的适应性、预测输出、误差性能等。结果表明:采用提出的基于L-M算法改进的BP神经网络模型对正交Stewart六自由度平台位姿正解的迭代初值校正后,收敛速度有显著提升,初始值校正误差低于0.1%,校正结果满足预期要求。     

BP算法在位移传感器测量精度方面的应用

在较高精度位移测量中,需要对位移传感器的输出进行温度补偿。采用BP(Back Propagation)网络的多传感器数据融合方法,把位移传感器和温度传感器的输出作为网络的输入向量送入融合中心,通过BP网络训练,然后将标定样本送入训练好的神经网络,得到比较准确的位移输出。为克服传统BP网络算法收敛慢、容易收敛到局部最小点的缺陷,采用BP多层前馈神经网络改进算法对传感器特性进行补偿,用MATLAB仿真所得到的结果与原有的实验数据相比较,在相同的温度波动情况下,位移传感器的输出误差比原来的减小了3倍,而且大幅度地节省了时间。     

一种基于恒光程的二维小角度测量系统

大多数光电自准直仪在非恒光程的精密测量中,光电接收器件所接收到的光斑形状随接收位置的变化而变化,导致信号接收误差,设计了一种新型的光路系统,以保持激光束光路的光程恒定,使接收光斑形状的稳定.采用这种系统实现二维小角度的测量,可实现对阿贝误差的实时动态补偿.     

Study on Adaptive Control with Neural Network Compensation

A scheme of adaptive control based on a recurrent neural network with a neural network compensation is presented for a class of nonlinear systems with a nonlinear prefix. The recurrent neural network is used to identify the unknown nonlinear part and compensate the difference between the real output and the identified model output. The identified model of the controlled object consists of a linear model and the neural network. The generalized minimum variance control method is used to identify parameters, which can deal with the problem of adaptive control of systems with unknown nonlinear part, which can not be controlled by traditional methods.Simulation results show that this algorithm has higher precision, faster convergent speed.     

模拟量电流传感器

本文叙述了模拟量电流传感器的工作原理,给出了实验数据,并对其5-5HZ 输出制式进行了分析,说明它是一种检测和传榆精度较高的传感器。     

基于神经网络逆模型的过热汽温补偿控制研究

为改善大型电站锅炉的过热汽温控制效果,提出一种基于人工神经网络扩展逆系统模型的过热汽温补偿控制方案.首先结合锅炉的结构和运行特性,分析影响过热汽温的主要因素,确定神经网络逆系统扩展模型的输入和输出参数.借助MATLAB神经网络工具箱建立过热汽温系统的动态逆过程模型(IDPM),运用历史运行数据完成神经网络模型的训练.以...     

基于模糊神经网络的水下潜器多变量解耦控制研究

潜器在水下进行特殊作业时，需保持空间六自由度的定位姿态，对定位的控制存在叉影响，因而给潜器的精确控制带来困难。针对这一控制非线性系统，提出了一种基于模糊神经网络(DFN)控制方法，该方法对非线性多变量动态系统具有较强的处理能力；它将多输入多输出的复杂系统转变成神经网络设计和耦合补偿结构，预估补偿器方法是通过预定试验的离线学习，获得耦合的预估知识，然后在线完成补偿，仿真结果显示该方法具有很好的鲁棒性。