共查询到20条相似文献,搜索用时 250 毫秒
1.
为了提高高分子PTC热敏电阻测温的准确性,采用BP神经网络对高分子PTC热敏电阻进行非线性校正.首先,对高分子PTC热敏电阻进行数据标定;然后建立BP神经网络模型;最后,应用此模型对高分子PTC热敏电阻进行非线性校正.经实验证明,该方法大大提高了PTC热敏电阻温度传感器的测温准确性,其测量误差在±0.08℃以内. 相似文献
2.
高精度铂电阻测温非线性校正方法 总被引:7,自引:0,他引:7
介绍了铂电阻测温非线性校正方法.该方法不是采用传统方法,而采用对象非线性特性函数的对称函数作为校正函数.利用该方法,能有效提高铂电阻测温精度. 相似文献
3.
4.
5.
介绍了用神经网络校正传感器系统非线性误差的原理和方法,提出了一种基于RBF神经网络的传感器非线性校正模型及其算法,并与采用BP神经网络校正非线性误差进行了比较,并给出一个仿真实验,实验结果表明:采用RBF神经网络的传感器非线性校正精度和网络训练速度均大大优于BP神经网络,能满足实用要求. 相似文献
6.
基于递归神经网络给出了仅含一个非线性环节的一类非线性系统的自适应控制方案。该方案采用递归神经网络辨识非线性系统中的未知非线性环节。沿用广义最小方差自校正控制方法,可以解决非线性环节未知和工作点变化时传统方法无法控制的自适应控制问题。理论分析和仿真结果表明,该方法具有很好的控制效果。 相似文献
7.
在工业现场影响热电偶测温精度的因素是多方面的,除热电偶本身误差外,主要是输入通道误差、冷端补偿误差和分度表非线性校正误差;围绕以上3个主要因素,设计了一种可应用于复杂工业环境的高精度热电偶温度测量电路,结合设计方案针对于前两种因素在深入分析误差内在机理基础上给出误差计算公式;针对非线性校正误差提出一种等精度最小二乘拟合校正算法,使用该算法可根据校正精度要求,将测温范围自动划分等精度区间与传统插值法相比,在不增加计算量的前提下大大提高了校正精度;提出的误差计算公式和非线性校正方法,对于高精度热电偶测温电路的设计具有适用性和重要的指导性,经实际应用验证设计方法满足了复杂工业环境下高精度的测温要求。 相似文献
8.
基于遗传小波神经网络的压力传感器的非线性校正研究 总被引:1,自引:0,他引:1
为了消除压力传感器受非目标参量的影响而呈现的非线性特性,利用小波神经网络来完成压力传感器的非线性校正.利用遗传算法对小波神经网络权阈值优化,以提高网络精确度和训练速度,设计了遗传优化小波神经网络,将该网络用于压力传感器的非线性校正.仿真结果表明该方法能有效消除非目标参量对传感器输出结果的影响.压力传感器的精度和准确度都得到提高.该系统不但可以用于各类传感器的非线性校正,还可用于其它类似系统.且设计、实现简单,适于工程应用,具有实际应用价值. 相似文献
9.
10.
11.
介绍了一种具有DeviceNet现场总线通信功能的智能差压传感器的设计,探讨了传感器输入输出特性曲线的非线性校正方法。通过内嵌的总线控制器(SJA1000)、报文收发器(82C251)和P89C668单片机等,该传感器可直接作为一个DeviceNet从节点工作;对传感器的输入输出特性曲线进行了建模,以软件手段实现高精度的非线性自校正功能。测试结果表明:该智能差压传感器不但具有DeviceNet现场总线输出功能,且经过多项式或神经网络建模的传感器非线性误差分别可达0.04%FS和0.02%FS。这为高精度传感器的制作提供了一种可行的方法。 相似文献
12.
基于DSP技术的传感器非线性校正 总被引:3,自引:1,他引:3
针对系统内含有DSP(数字信号处理)芯片的检测系统,提出了运用DSP芯片对传感器进行非线性校正的方法。与传统校正方法进行比较可以表明,此方法简化了设计,提高了通用性和灵活性。并且通过最小二乘法在DSP芯片上实现非线性校正的实例说明其可行性。 相似文献
13.
针对实际传感器的非线性问题,结合遗传算法和模拟退火算法的优点,提出了一种基于退火遗传算法的传感器非线性校正方法.该算法通过计算传感器自校正方程中的待定常数,实现非线性特性的线性化.实验结果表明:该方法不但可以实现非线性校正,而且校正后的精度也高于传统的最小二乘法. 相似文献
14.
15.
16.
17.
18.
针对人工神经网络等传统方法的不足,提出了一种利用最小二乘支持向量机(LS-SVM)的热电偶非线性校正方法。在该方法中,根据正反馈原理构造形式为幂级数展开模型的非线性补偿器,并利用LS-SVM线性回归算法辨识该补偿器幂级数序列模型的系数。通过该补偿器之后,热电偶可得到理想的线性特性。最后,对铂铑30—铂铑6热电偶(B型)进行非线性校正实验,实验结果表明:在0~1 820℃范围内,校正后系统的线性度小于0.035 3。因此,所提方法有效,且能应用于其他相似系统的非线性校正。 相似文献
19.
针对传感器受温度影响的复杂非线性输入输出特性,利用对角递归神经网络(DRNN)建模,并实现了温度补偿和非线性校正。对于权值的训练采用LM算法,克服了BP算法收敛慢的缺陷,使其在保证收敛的前提下,提高了收敛速度。实验表明:应用DRNN对传感器建模是一种行之有效的方法。 相似文献