作者:张媛媛,徐科军,许耀华 单位:中国振动工程学会;上海交通大学;上海市振动工程学会 出版:《振动与冲击》2009年第01期 页数:5页  (PDF与DOC格式可能不同) PDF编号:PDFZDCJ2009010010 DOC编号:DOCZDCJ2009010019 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于FLANN的腕力传感器动态建模方法》PDF+DOC2000年第01期 徐科军,殷铭 《基于FLANN的传感器动态特性研究方法》PDF+DOC1999年第04期 殷铭,徐科军,戴先中 《基于支持向量机的传感器动态建模方法》PDF+DOC2005年第10期 吴德会,王晓红 《基于FLANN的动态称重法》PDF+DOC2004年第03期 刘飞飞,杨忠,缪周 《传感器动态建模FLANN方法改进研究》PDF+DOC2009年第02期 吴德会,赵伟,黄松岭,郝宽胜 《LS-SVM构造FLANN逆系统的传感器动态补偿方法》PDF+DOC2007年第03期 吴德会 《传感器动态建模的最小二乘支持向量机方法》PDF+DOC2006年第07期 汪晓东,张长江,张浩然,冯根良,许秀玲 《基于传感器动态检测和神经网络的气体识别》PDF+DOC2005年第05期 李广义,黄家锐,苏润,黄行九,刘锦淮 《神经网络技术在称重传感器中的应用》PDF+DOC2009年第05期 杨青锋 《基于有理数倍采样的异步数据融合算法研究》PDF+DOC2006年第03期 葛泉波,汪国安,汤天浩,文成林
  • 将改进的粒子群优化(PSO)算法和函数联接型神经网络(FLANN)相结合,实现传感器的动态线性建模。利用传感器的动态标定实验数据,首先训练FLANN神经网络,网络训练结束后的权值作为粒子群中某个粒子的初始值,而后利用改进的PSO算法继续寻优,得到的全局最优值即为所求的传感器动态模型的系数。实验结果表明,该方法结合了PSO和FLANN两者的优点,建模精度高。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。