作者：翟玉千,贾石峰 单位：东方国际科技传媒有限公司 出版：《智能机器人》2010年第06期 页数：3页  （PDF与DOC格式可能不同） PDF编号：PDFSFKZ2010060240 DOC编号：DOCSFKZ2010060249 下载格式：PDF + Word/doc 文字可复制、可编辑

    • 依据压力传感器样本，提出了一种采用最小二乘支持向量机(LS-SVM)辨识传感器逆模特征的校正压力传感器非线性误差的方法，该方法将实测数据由径向基函数把非线性逼近问题转化为线性逼近问题，不需逆模型函数形式的先验知识，能够保证得到的极值解就是局最优解，具有较好的泛化能力。实验结果表明，采用该方法校正后的传感器的检测精度可达到1%，效果令人满意。

    📙 相关资料

    1. 《基于最小二乘支持向量机的矿用振弦式称重传感器非线性校正》PDF+DOC 依据矿用振弦式称重传感器样本，提出了一种采用最小二乘支持向量机辨识传感器逆模特征的校正矿用振弦式称重传感器非线性误差的方法。该方法不需逆模型函数形式的先验知识，能够保证找到的极值解就是局最优解，具有较好的泛化能力。实例应用表明，其检测误差小于1.0%。...
    2. 《优化RBF神经网络在压力传感器中的应用》PDF+DOC 针对压力传感器在应用中出现温度误差大这一缺点，提出了通过采用径向基函数(RBF)神经网络较强的非线性逼近能力，实现其非线性校正和温度补偿的网络方法，并对该法进行改进。通过仿真可看出，改进方法校正的系统能自动补偿非线性误差，具有误差小，精度高等优点。因此，提出的改进的RBF神经网络法对压力传感器的非线......
    3. 《基于最小二乘支持向量机的瓦斯传感器非线性校正》PDF+DOC 依据瓦斯传感器样本，文章提出了一种采用最小二乘支持向量机辨识传感器逆模特征的校正瓦斯传感器非线性误差的方法，详细介绍了SVM回归估计校正方法和LS-SVM校正方法的原理。该方法不需逆模型函数形式的先验知识，能够保证找到的极值解就是局最优解，具有较好的泛化能力。实例应用表明，采用该方法校正后的传感器的......
    4. 《基于最小二乘支持向量机的车用铂电阻温度传感器非线性校正》PDF+DOC 依据铂电阻温度传感器样本，提出了一种采用最小二乘支持向量机辨识传感器逆模特征的校正铂电阻温度传感器非线性误差的原理和方法.该方法不需逆模型函数形式的先验知识，能够保证找到的极值解就是局最优解，具有较好的泛化能力.实例应用表明，其检测精度可达到0.1℃，铂电阻温度传感器非线性校正效果好。...
    5. 《半导体压力传感器非线性处理的研究》PDF+DOC 用样条函数方法对传感器的非线性处理作了研究。以二次样条函数为基函数，用四归分析方法对BP型传感器的一组试验数据进行了计算，结果证明了本文所用方法的优越性。...
    6. 《RBF神经网络在传感器校正中的应用》PDF+DOC 提出了一种基于 RBF神经网络的传感器非线性校正方法。传感器的输出及待测物理量的实际数值用于训练 RBF神经网络 ，以得到非线性校正用的逆模型。只需较少的神经元就可构成上述逆模型 ，便于单片机软件实现或“固化”在硬件中。通过一个二维位移传感器的例子表明 ，采用 RBF神经网络的传感器非线性校正精度和......
    7. 《双孔平行梁式称重传感器非线性校正研究》PDF+DOC 针对双孔平行梁式称重传感器检测过程中受温度和电路干扰等因素引起的非线性问题，提出了基于SVM(support vector machine：支持向量机)理论的非线性补偿方法。分析了存在于传感器测量值中的非线性特性，建立了以检测电压参数为输出、以重量参数为输入的SVM逆模型。通过SVM逆模型与自适应模......
    8. 《基于最小二乘支持向量机的压力传感器温度补偿》PDF+DOC 压力传感器的输出不仅随压力变化，而且易受环境温度的影响，因而限制了传感器的测量精度。为了克服压力传感器的上述缺陷，本文提出了一种基于最小二乘支持向量机的温度补偿方法，并用虚拟仪器技术予以实现。与常用的误差反传神经网络方法相比，最小二乘支持向量机可获得更好的泛化性能，不易发生局部最优及过拟合现象。因此......
    9. 《基于LS-SVM的传感器智能校正及温度补偿》PDF+DOC 提出一种基于最小二乘支持向量机(LS-SVM)的传感器非线性校正及温度补偿的新方法，并给出了相应的过程和算法。在该方法中，LS-SVM被用作构建逆模型，并通过该模型映射传感器非线性特性，同时实现了传感器的温度补偿和非线性校正。通过实际电容式压力传感器校正的实验结果表明：所提模型建模速度比SVM模型高......
    10. 《基于支持向量机的传感器非线性误差校正》PDF+DOC 提出了一种用支持向量机校正传感器非线性误差的原理和方法。该算法只依据样本就可以正确辩识传感器逆模型特征，而不需关于逆模型函数形式的任何先验知识，并将原问题转化为一个凸二次优化问题，能够保证找到的极值解就是全局最优解，具有较好的泛化能力。通过对电容式湿敏传感器误差校正的应用表明：该算法可取得较好的效果......

    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。