《基于PSO-LM-BP神经网络的压力传感器温度补偿方法》PDF+DOC
作者:伍川辉,蒋荣伟
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》2018年第02期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFYBJS2018020320
DOC编号:DOCYBJS2018020329
下载格式:PDF + Word/doc 文字可复制、可编辑
《压力传感器温度补偿技术分析》PDF+DOC2014年第10期 陈慧颖
《基于LDIW-PSO算法的BP神经网络在压力传感器中的应用》PDF+DOC2014年第09期 温阳东,李龙剑
《基于PSO的BP神经网络在压力传感器温度补偿中的应用》PDF+DOC2014年第03期 孙艳梅,苗凤娟,陶佰睿
《压力传感器温度补偿各种算法的比较分析》PDF+DOC2013年第10期 杨雪,刘诗斌
《基于改进RBF神经网络的传感器温度补偿系统研究》PDF+DOC2016年第06期 宋瑞娟
《基于AFSA-BP神经网络的湿度传感器温度补偿》PDF+DOC2017年第08期 郭敏,行鸿彦,张冬冬,张兰
《基于BP神经网络的压力传感器温度补偿方法研究》PDF+DOC2020年第05期 刘贺,李淮江
《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
《基于蚁群聚类算法的RBF神经网络在压力传感器中的应用》PDF+DOC2013年第06期 孙艳梅,都文和,冯昌浩,刘道森,卢俊国,崔全领,苗凤娟,宋志章
《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
为了提高高速列车表面压力测试的准确性,补偿温度对压阻式压力传感器的影响,克服BP神经网络收敛速度慢、易陷入局部极小值、稳定性差的缺陷,提出PSO-LM-BP神经网络补偿传感器温度误差的方法。首先,使用粒子群优化(PSO)算法,筛选BP网络的权值和阈值;然后使用LM算法作为BP网络的训练算法进行训练;最后,综合对比BP网络、LM-BP网络、PSO-BP网络和PSO-LM-BP网络的性能。结果表明,PSO-LM-BP网络收敛速度快、精度高、稳定性好,兼具3种算法的优点,有效抑制了温度对传感器的影响。
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。