作者:陈远鸣,常建华,沈婉,裴昱,卞晓阳 单位:中国电子学会 出版:《电子测量与仪器学报》2017年第10期 页数:7页  (PDF与DOC格式可能不同) PDF编号:PDFDZIY2017100100 DOC编号:DOCDZIY2017100109 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于RBF神经网络气压补偿的非色散红外SF_6气体传感器》PDF+DOC2018年第03期 裴昱,陈远鸣,卞晓阳,赵勇毅,赵正杰,常建华 《基于GWO-BP神经网络补偿的SF_6红外气体传感器》PDF+DOC2020年第01期 赵正杰,赵勇毅,孔春霞,佘明熹,常建华,沈婉 《基于BP人工神经网络的气体传感器温度补偿》PDF+DOC2017年第04期 刘子骐,杨留方 《基于BP神经网络的温度传感器辐射误差修正》PDF+DOC 吴翼凡,刘清惓,杨杰,戴伟 《BP算法应用于智能传感器的数据处理》PDF+DOC2002年第04期 李力,田爱玲,高虹亮 《BP神经网络补偿三维曲面非接触式测量系统热变形误差研究》PDF+DOC2002年第04期 傅龙珠,陈亚良,狄瑞坤 《基于BP神经网络的三维力传感器静态标定方法研究》PDF+DOC2012年第06期 田强兴,李嘉翊,黄健,程俊 《基于主成分分析法的BP神经网络的应用》PDF+DOC2011年第01期 方健,李自品,彭辉,戴思初,吴晓文 《基于BP神经网络汽车传感器温度补偿技术的研究》PDF+DOC2008年第01期 杨德旭,何凤宇,魏利华 《基于BP神经网络的称重传感器蠕变补偿法》PDF+DOC2014年第04期 尹霞
  • 针对非色散红外SF_6气体传感器测量精度易受环境温度、气压影响的问题,提出采用混合粒子群优化-误差反向传播(PSO-BP)神经网络预测模型对环境温度、气压变化引起的测量偏差进行实时补偿,并与其他补偿方法进行分析比较。实验结果表明,该SF_6气体传感器在气体浓度0~1000×10~(-6)、温度10~40℃、气压100~120 kPa,相对测量误差为1.5%,检测精度小于±15×10~(-6),检测分辨率为1×10~(-6),有效地消除了环境温度、气压波动引起的非线性影响。相比于经验公式法和RBF神经网络补偿方法,该方法具有较高的测量准确度和稳定性,且无需增加电路模块,有利于降低传感器的体积和成本。

    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。