作者:行鸿彦,郭敏,张兰,张一波 单位:中国微米纳米技术学会;东南大学 出版:《传感技术学报》2018年第03期 页数:6页  (PDF与DOC格式可能不同) PDF编号:PDFCGJS2018030110 DOC编号:DOCCGJS2018030119 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 《粮情测控系统中传感器布局的改进离散粒子群算法》PDF+DOC2016年第11期 廉飞宇,张李建 《一种新的温度传感器湿度补偿方法》PDF+DOC2016年第06期 邹水平,行鸿彦,于祥 《引入粒子生存值的SPSO-BP气体传感器补偿算法》PDF+DOC2020年第08期 程洋,李柏林,欧阳,罗建桥,黄翰鹏 《改进粒子群算法在桥梁结构损伤识别传感器优化布设中的应用》PDF+DOC 戴乐诚,俞阿龙,周星宇,范广济 《一种磁性液体加速度传感器模型的参数辨识方法》PDF+DOC2019年第02期 杨永明,陈世强,李强 《基于改进BP网络的弹药库房有害气体检测》PDF+DOC2014年第01期 刘建国,安振涛,张倩,赵志宁 《基于粒子群支持向量机的湿度传感器温度补偿》PDF+DOC2013年第11期 叶小岭,廖俊玲,高大惟,王飞帆 《基于MPSO-BP神经网络方法的人体步态识别》PDF+DOC2017年第21期 孙楠,骆敏舟,王玉成,赵汉宾 《基于混合粒子滤波的温控传感器故障诊断方法》PDF+DOC2012年第09期 田梦楚,陈志敏,魏秀明,周清,王振丽
  • 针对在实际使用中湿度影响温度传感器准确性的问题,通过对基本粒子群算法的分析,得出不受速度向量影响的简化粒子群算法,同时采用线性递减惯性权重,提出了一种改进SPSO-BP神经网络温度传感器的湿度补偿方法。通过改进的简化粒子群算法的不断迭代,优化BP神经网络的权阈值,直到得到最优权阈值,并赋给BP神经网络。根据湿度影响实验中测得的数据,运用此方法建立湿度补偿模型,与BP神经网络方法对比分析。结果表明,改进SPSO-BP神经网络的模型结构简单、补偿精度高,收敛速度快,有效地对温度传感器进行了湿度补偿。

    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。