《非线性MIMO传感器信号重构中粗差的探测与修复》PDF+DOC
作者:刘丹,魏国,孙金玮,刘昕
单位:北京无线电技术研究所
出版:《电子测量技术》2008年第07期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFDZCL2008070390
DOC编号:DOCDZCL2008070399
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于RBF神经网络和定性趋势分析的传感器故障诊断》PDF+DOC2011年第04期 张洪萍,税爱社,谢敏,沈鑫
《基于RBF神经网络的水下机器人传感器状态监测方法研究》PDF+DOC2005年第06期 张铭钧,孙瑞琛,王玉甲
《基于RBF神经网络的热电偶建模方法》PDF+DOC2005年第24期 蔡兵
《基于神经网络的传感器故障诊断方法与应用》PDF+DOC2003年第10期 王军,吕震中,曹荃
《神经网络在机车测速传感器故障诊断中的应用》PDF+DOC2012年第06期 谢彬,李国宁,冯涛,李博
《基于鲁棒输入训练神经网络的非线性多传感器故障诊断方法及其应用》PDF+DOC2011年第03期 司风琪,李欢欢,徐治皋
《基于神经网络的机车速度传感器故障诊断方法研究》PDF+DOC2010年第01期 周桂法,王坚
《一种基于改进遗传RBF神经网络的传感器动态特性补偿算法》PDF+DOC2010年第09期 王军号,孟祥瑞
《高速磁浮车间隙传感器非线性校正方法研究》PDF+DOC2013年第12期 靖永志,肖建
《CO传感器神经网络补偿模型》PDF+DOC2013年第07期 贺玉凯
本文以多输入多输出(MIMO)非线性传感器系统为背景,在Ferguson-Srikantan检验法和RBF神经网络拟合法的基础上提出了一种训练样本集中粗差定位与修复方法。传统粗差检验方法以残差作为诊断统计量,容易对高杠杆点和粗差点产生误判。而建立在学生氏残差和外学生氏残差基础上的F-S检验法能高效地区分两者,并定位粗差点,然后利用RBF神经网络拟合法估计并替换粗差点,从而完成训练样本集的修复。实验表明,该方法具有很强的鲁棒性,在精确定位和准确修复粗差数据的同时提高了传感器信号重构的效率。
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。