作者:行鸿彦,彭基伟,吕文华,徐伟,武向娟 单位:中国微米纳米技术学会;东南大学 出版:《传感技术学报》2012年第12期 页数:6页  (PDF与DOC格式可能不同) PDF编号:PDFCGJS2012120170 DOC编号:DOCCGJS2012120179 下载格式:PDF + Word/doc 文字可复制、可编辑
《虚拟自动气象站湿度传感器的温度补偿》PDF+DOC2016年第06期 韦浩,行鸿彦,徐伟,张强 《基于RBF神经网络算法在重金属浓度测量中的应用》PDF+DOC2015年第10期 李德霞,黄廷磊,林科,翟文军 《基于混合优化算法的压力传感器温度补偿》PDF+DOC2016年第12期 王慧,宋宇宁 《自动气象站数据采集器温度通道的环境温度补偿》PDF+DOC2012年第08期 行鸿彦,武向娟,吕文华,徐伟 《基于BP神经网络的IH3605传感器建模方法》PDF+DOC2010年第05期 黄俊燕,木昌洪 《基于RBF神经网络对电磁力平衡传感器测量精度的研究》PDF+DOC2007年第01期 陆青丽,郑崇苏 《基于改进GA-BP神经网络的湿度传感器的温度补偿》PDF+DOC2013年第01期 彭基伟,吕文华,行鸿彦,武向娟 《一种利用RBF神经网络的传感器建模新方法》PDF+DOC2002年第03期 王雪萍,林康红 《基于模糊神经网络的压力传感器零点漂移补偿法》PDF+DOC2014年第03期 宋志章,孙艳梅,李会,吴金秋,刘文礼,顾丁 《基于蚁群聚类算法的RBF神经网络在压力传感器中的应用》PDF+DOC2013年第06期 孙艳梅,都文和,冯昌浩,刘道森,卢俊国,崔全领,苗凤娟,宋志章
  • 针对自动气象站上湿度传感器在实际应用过程中易受温度影响的问题,提出采用RBF神经网络与最小二乘相结合的融合算法实现湿度传感器的温度补偿。该方法将湿度传感器在温度影响下的特性曲线分为两个非线性段和一个线性段,并且自适应的确定线性段和非线性段,在线性段利用最小二乘方法拟合出直线方程,在非线性段利用RBF神经网络补偿温度产生的影响。仿真结果表明,这种方法简单易行,与一般的BP神经网络和最小二乘多项式方法相比,具有拟合训练速度快,补偿精度高的特点,可以有效用于湿度传感器的温度补偿,提高传感器的测量精度和可靠性。

    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。