《L-M贝叶斯正则化BP神经网络在红外CO_2传感器的应用》PDF+DOC
作者:赵久强,王震洲
单位:河北科技大学
出版:《河北工业科技》2018年第04期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFHBGY2018040090
DOC编号:DOCHBGY2018040099
下载格式:PDF + Word/doc 文字可复制、可编辑
《BP神经网络在红外CO_2体积分数测量中的应用》PDF+DOC2015年第03期 赵映,陈小平
《高稳定性红外吸收式CO_2传感器》PDF+DOC2016年第03期 李秀茹,齐娜,沈广楠,孙权,黄刚,钱力
《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AABC-BP算法的红外气体传感器温度补偿》PDF+DOC2018年第10期 李成兵,毛熙皓
《基于神经网络的传感器非线性误差校正》PDF+DOC2002年第01期 林康红,施惠昌,卢强,奉玲
《采用BP神经网络及其改进算法改善传感器特性》PDF+DOC2002年第03期 张永怀,刘君华
《基于小波分析和BP神经网络的多传感器遥感图像融合算法的研究》PDF+DOC2012年第08期 陈鑫
《BP算法在位移传感器测量精度方面的应用》PDF+DOC2010年第02期 杨帆,肖贝,唐路,程雯
《一种改进BP网络及其在智能传感器非线性校正中的应用》PDF+DOC2006年第02期 周国栋,胡延霖,于克振
《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
针对温度会影响红外CO_2传感器的输出电压,造成对CO_2的浓度检测误差较大的问题,提出了一种基于L-M贝叶斯正则化BP神经网络的温度补偿方法。实验中将传感器输出电压比和温度作为神经网络的输入,CO_2浓度作为神经网络的输出,并通过L-M算法和贝叶斯正则化对神经网络进行优化。经过实验仿真证明,在温度补偿后红外CO_2传感器测量输出的浓度值最大相对误差为4.557 8%,具有较高的精确度。因此L-M贝叶斯正则化BP神经网络能对红外CO_2传感器进行有效的温度补偿,可为相关红外传感器仪器的改进提供参考。
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。