《基于改进遗传神经网络的微硅加速度传感器动态补偿研究》PDF+DOC
作者:俞阿龙,黄惟一
单位:东南大学
出版:《东南大学学报(自然科学版)》2004年第04期
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFDNDX2004040070
DOC编号:DOCDNDX2004040079
下载格式:PDF + Word/doc 文字可复制、可编辑
《遗传算法结合FLNN实现加速度传感器动态特性补偿》PDF+DOC2005年第04期 俞阿龙
《基于FLNN的加速度传感器动态特性补偿方法》PDF+DOC2004年第12期 俞阿龙
《改进遗传算法结合FLANN在加速度传感器动态建模中的应用》PDF+DOC2006年第02期 俞阿龙
《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》PDF+DOC2006年第12期 俞阿龙,黄惟一,秦刚
《基于遗传算法的RBF神经网络在热敏电阻温度传感器非线性补偿中的应用》PDF+DOC2005年第08期 俞阿龙
《神经网络在传感器动态补偿中的应用》PDF+DOC2010年第17期 邢璐,张君
《基于遗传神经网络的电容称重传感器非线性补偿方法》PDF+DOC2010年第06期 俞阿龙
《基于RBF神经网络的加速度传感器动态补偿研究》PDF+DOC2007年第04期 俞阿龙
《基于递归神经网络的加速度传感器动态特性补偿》PDF+DOC2007年第07期 刘刚,刘学仁
《基于遗传神经网络的加速度传感器动态建模方法》PDF+DOC2006年第03期 俞阿龙
比较遗传算法与神经网络的特点 ,并对将遗传算法用于函数连接型神经网络 (FLNN)的优点进行了研究 .对遗传算法的编码方法、交换和变异操作做了改进 ,提出了一种融合改进遗传算法的FLNN用于微硅加速度传感器动态性能补偿的新方法 .该方法不依赖于传感器的动态模型 ,可根据传感器的动态响应数据 ,建立补偿模型 ,采用改进遗传神经网络搜索和优化补偿模型参数 ,既保留了遗传算法的全局搜索能力 ,又具有神经网络的鲁棒性和自学习能力 .介绍补偿原理及算法 ,给出动态补偿网络的数学模型 .结果表明 ,该补偿方法能克服FLNN收敛速度慢、容易陷入局部极小的缺陷 ,具有网络训练速度快、实时性好、良好的全局搜索能力、精度高、鲁棒性好及动态补偿器实现简单等优点
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。