《基于PSO-BP模型的扩散硅压力传感器温度补偿》PDF+DOC
作者:崔萌洁,卢文科,左锋
单位:中国测试技术研究院
出版:《中国测试》2019年第11期
页数:7页 (PDF与DOC格式可能不同)
PDF编号:PDFSYCS2019110180
DOC编号:DOCSYCS2019110189
下载格式:PDF + Word/doc 文字可复制、可编辑
《压力传感器的温度补偿研究及其应用》PDF+DOC2016年第18期 李扬,刘明光,钱学成,陈佳,王昕
《用BP神经网络法对压力传感器进行温度补偿》PDF+DOC2015年第01期 李佳君,卢文科
《基于PSO-LSSVM模型的扩散硅压力传感器的温度补偿》PDF+DOC2017年第12期 杨婷,卢文科,左锋
《基于BP神经网络温度补偿的压力传感器无线数据采集系统》PDF+DOC2008年第01期 张耀锋,孙以材
《基于BP神经网络模型的压力传感器温度补偿》PDF+DOC2019年第04期 乔维德
《多重优化的分布式无线覆盖探测算法》PDF+DOC2020年第02期 王红军,向庭立,潘继飞
《基于NSGA-Ⅱ&BP的应变片式压力传感器温度补偿研究》PDF+DOC2020年第06期 郭志君,卢文科,左锋,张珏,丁勇
《微电脑智能压力测量方法的研究》PDF+DOC1995年第05期 石卫平
《压阻式微型动态压力传感器的灵敏度温度补偿》PDF+DOC1983年第04期 李景平
《基于最小二乘与粒子群算法的压力传感器动态补偿方法》PDF+DOC2014年第10期 轩春青,轩志伟,陈保立
硅的电导率易受温度影响,导致扩散硅压力传感器的输出电压随温度变化产生漂移,需对该传感器进行温度补偿,针对该问题提出粒子群优化的BP神经网络算法(PSO-BP)。通过二维标定实验,利用温度传感器监测实验环境温度,得到扩散硅压力传感器在不同工作温度下的输入输出特性曲线,建立PSO-BP模型。该模型利用粒子群算法全局寻优的能力为BP神经网络算法初始权值和阈值选取最优解,弥补传统BP神经网络初始值随机选取的弊端,克服容易局部陷入极值的缺陷。实验结果表明,经过PSO-BP模型补偿后的输出零位温度系数和灵敏度温度系数均减小一个数量级,证实该模型能够有效降低温度对扩散硅压力传感器的影响。
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。