作者:林剑锋,戚金清,王兢 单位:沈阳仪表科学研究院有限公司 出版:《仪表技术与传感器》2009年第S1期 页数:3页  (PDF与DOC格式可能不同) PDF编号:PDFYBJS2009S11310 DOC编号:DOCYBJS2009S11319 下载格式:PDF + Word/doc 文字可复制、可编辑
《厚膜SnO_2气体传感器的嗅觉特征提取与处理》PDF+DOC2000年第06期 邵应清,邹小波 《气体传感器阵列测试算法研究》PDF+DOC2004年第04期 太惠玲,谢光忠,王涛,徐建华,蒋亚东 《几种神经网络在混合气体预测中的比较》PDF+DOC2010年第06期 林剑锋,戚金清,王兢,征进,吴微 《基于BP神经网络的汽车车载称重系统研究》PDF+DOC2017年第05期 秦伟,徐国艳,余贵珍 《智能气体传感器研究》PDF+DOC1996年第03期 虞承端,梅涛,申飞,倪林 《基于神经网络的光纤传感损伤定位的研究》PDF+DOC2006年第11期 杨艳 《基于改进BP神经网络的矿井CO检测方法的研究》PDF+DOC2016年第01期 代洪 《声表面波CO气体传感器温度误差补偿方法研究》PDF+DOC2010年第01期 张朋,陈明,何鹏举 《基于RBF网络的变风量空调送风量软测量研究》PDF+DOC2010年第12期 杨怡,任庆昌,褚俊英 《ZnO掺杂的SnO_2纳米纤维的制备、表征及气敏机理(英文)》PDF+DOC2014年第04期 唐伟,王兢,姚朋军,杜海英,孙炎辉
  • 气体传感器属于传感器技术领域,在传感器行业中占有重要的地位。然而气体传感器阵列的交叉敏感性严重影响气体传感器对混合气体的测量。基于Matlab平台的神经网络工具箱,分别构建BP神经网络和RBF(径向基)神经网络,对由涂敷不同敏感材料的声表面波振荡器组成的阵列在4种混合气体灵敏度响应数据进行定量识别研究,结果表明RBF神经网络在气体定量识别方面更具优势。

    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。