作者:何平,潘国峰,孙以材,赵红东,张银慧 单位:中国仪器仪表学会 出版:《仪器仪表学报》2008年第03期 页数:5页  (PDF与DOC格式可能不同) PDF编号:PDFYQXB2008030240 DOC编号:DOCYQXB2008030249 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于RBF网络的智能气敏传感器温度补偿》PDF+DOC2008年第07期 何平,潘国峰,赵红东,李琳,李晓丽 《压力传感器温度漂移补偿的控制电路设计》PDF+DOC2007年第03期 刘新月,吕增良,孙以材 《基于蚁群算法的RBF神经网络在冲量式谷物流量传感器中的应用》PDF+DOC2019年第15期 刘畅,李志刚,伟利国,王吉中,李阳 《精密压力变送器的研制》PDF+DOC1999年第06期 唐慧强 《高精度数字压力计的研制》PDF+DOC1996年第01期 谢森,莫宇斌 《多晶硅压力传感器的设计》PDF+DOC1994年第06期 牛德芳,闫卫平,马灵芝 《水晶压力传感器》PDF+DOC1984年第01期 贺羽常道,钣塚丰,王大春 《一种用RBF神经网络改善传感器测量精度的新方法》PDF+DOC 赵望达,刘勇求,贺毅 《基于RBF网络的信息融合在SAMS故障诊断中的应用》PDF+DOC2003年第05期 樊春玲,金志华,张静 《称重传感器蠕变补偿的RBF网络模型》PDF+DOC2013年第06期 匡亮,张小瑞,施珮,印晶
  • 压力传感器在实际应用中普遍存在着温度漂移现象,这降低了传感器的测量精度,因此需要采取适当的补偿措施对传感器的温度附加误差进行修正,从而提高测量的准确性。本文针对在压力传感器电路中采用温度硬件补偿措施成本较高且精度不高的情况,建立了RBF网络软件补偿模型。RBF网络具有良好的非线性映射能力和泛化能力,采用带遗忘因子的梯度下降算法进行RBF网络的参数调整,实验表明RBF算法学习速度快,精度高。对实验中采集的数据进行非线性补偿,取得了良好的效果,大大提高了压力传感器的性能和测量精度。

    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。