《基于灰色神经网络的传感器分段标定》PDF+DOC
作者:何伟铭,水洪伟,宋小奇,甘屹,汪中厚,井原透
单位:中国机械工程学会
出版:《中国机械工程》2015年第15期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFZGJX2015150130
DOC编号:DOCZGJX2015150139
下载格式:PDF + Word/doc 文字可复制、可编辑
《蓝宝石晶体高温传感器的信号解调及标定》PDF+DOC2012年第10期 余淼,王晓军,浮洁,朱永
《基于BP神经网络的容错控制技术在通风机监控系统中的应用》PDF+DOC2015年第01期 付娟娟,李天玉,侯秀杰
《基于神经网络的手势识别技术研究》PDF+DOC2006年第05期 江立,阮秋琦
《LabVIEW设计中压力传感器的BP神经网络温度非线形校正》PDF+DOC2006年第04期 朱滨峰,徐桂云,李俊敏
《嵌入DeviceNet总线接口的智能差压传感器系统》PDF+DOC2005年第12期 郑磊,付敬奇,董新平
《非线性传感特性的神经网络学习校正方法及应用》PDF+DOC2004年第06期 朱庆保
《基于MATLAB的传感器建模的实现方法》PDF+DOC2003年第04期 罗成汉
《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
《基于灰色关联度神经网络的雷达型号识别模型》PDF+DOC2007年第10期 杨晓燕,陈军,吴桂芹
《一种基于BP神经网络的多传感器系统信号降噪算法》PDF+DOC2006年第06期 王栋,廖开俊,孙勇
针对大量程高精度传感器不能一次完成标定实验的情况,提出一种将优化灰色GM(1,1)模型与BP神经网络相结合来预测分段标定过程中特征值缺失的方法,从而实现传感器的分段标定。首先,根据实验数据建立传统灰色GM(1,1)模型,对待标定传感器和标准传感器的测量值进行缺失数据的预测;然后,为弱化传统灰色GM(1,1)模型序列变化的幅度,提高模型的预测精度,利用中心逼近的思想对传统的GM(1,1)模型进行优化;最后,利用BP神经网络对优化的灰色GM(1,1)残差序列进行修正,以较高的精度实现对分段标定过程中缺失特征值的预测。结果表明,待标定传感器和标准传感器组合预测模型的平均残差分别为0.023%和0.401%,证明了组合预测模型的有效性。所提出方法为解决大量程高精度传感器分段标定时静态特性曲线的拟合提供了一种新思路。
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。