《基于改进RBF网络的传感器非线性误差补偿》PDF+DOC
作者:仓振杰,姜萍萍,颜国正
单位:中国电子科技集团公司第四十九研究所
出版:《传感器与微系统》2011年第04期
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFCGQJ2011040020
DOC编号:DOCCGQJ2011040029
下载格式:PDF + Word/doc 文字可复制、可编辑
《Consensic推出MEMS电容式压力传感器》PDF+DOC2011年第10期
《基于BP神经网络的压力传感器非线性校正方法》PDF+DOC2005年第04期 蒋小燕,徐大诚
《基于RBF神经网络的传感器非线性误差校正方法》PDF+DOC2004年第03期 侯立群,张智娟,仝卫国
《Lab VIEW设计中压力传感器的RBF神经网络温度补偿》PDF+DOC2004年第06期 毕海军,傅圣雪,冯遵成
《基于RBF神经网络模型和SVM模型的压力传感器温度补偿方法》PDF+DOC2012年第26期 景晓璐,张小栋,耿加民
《优化RBF神经网络在压力传感器中的应用》PDF+DOC2012年第03期 彭继慎,程英
《用RBF神经网络改善传感器输出特性》PDF+DOC2008年第28期 史健芳,龚海燕,汤洪彪
《RBF神经网络在压力测量系统校正中的应用》PDF+DOC2008年第04期 李俊华,蒋东方
《基于BP和RBF神经网络的新型融合技术研究》PDF+DOC2014年第17期 费晶,李赵兴
《基于GSA-BP神经网络的压力传感器温度补偿》PDF+DOC2013年第05期 黄世震,林淑玲
为推动胃肠道动力功能障碍型疾病临床诊查技术的发展,研制了胃肠道多元生理参数无创检测系统,针对该系统中压力传感器的非线性误差补偿问题进行研究。介绍了系统所采用的扩散硅压阻式绝对压力传感器的原理,分析了这类传感器的非线性误差产生原因。在传统的减法聚类算法的基础上,提出基于改进的减法—密度聚类算法的RBF网络的传感器非线性误差补偿方法,对样本数据进行聚类操作,用来确定RBF神经网络的初始聚类中心,并结合梯度下降法对网络参数和权值进行训练。结合实际系统的实验数据进行了方法验证和效果分析。实验结果表明:方法在系统误差纠正方面比传统方法提高至-1~4 kPa,使得测量结果准确性得以较大的提高,满足了系统的应用需求。
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。