基于遗传优化的BP神经网络法在甲烷检测中的应用

针对传统的最小二乘法拟合红外传感器的输出特性曲线时存在误差大、计算复杂,传统的BP神经网络法拟合红外传感器的输出特性曲线时存在网络收敛速度慢、易陷入局部极小的问题,通过分析改进的最小二乘法和改进的基于遗传优化的BP神经网络法的拟合效果,指出改进的BP神经网络法拟合度较高,并给出了改进的BP神经网络法在甲烷体积分数检测中的实验结果。结果表明,该方法能够拟合出理想的曲线,有效提高了红外传感器的检测精度及响应速度。     

乙基橙偶氮苯聚合物的全光开关特性曲线拟合中的应用

BP神经网络通过调节连接权重可以实现以任意精度逼近非线性函数,利用这一特点可以对非线性函数关系进行拟合。偶氮苯聚合物的全开关特性曲线是非线性,很难用数学函数表达式来描述。因而本文首先介绍神经网络的基本原理和BP算法神经网络,然后BP神经网络应用于的全光开关特性曲线拟合,在MATLAB环境下,利用实验数据进行了实验测试,结果表明该方法处理数据精度高,拟合效果好。     

基于BP训练数据选取的压气机特性曲线计算

基于BP神经网络方法,研究了压气机特性曲线的拟合及BP神经网络结构设计。对不同训练数据选取方法和比例情况下的BP神经网络进行了计算,分析BP神经网络数据选取与网络泛化能力之间的关系。分析结果表明,均匀顺序选择的BP神经网络在压气机特性曲线仿真上具有更优的泛化能力。     

Matlab在反射式光纤传感器设计中的应用

为了满足仪表开发的需求,同时减轻开发人员的繁重劳动,提出了应用M atlab拟合反射式光纤传感器特性曲线的方法,结合实例详细叙述了建立反射式光纤传感器数学模型的步骤,得到了拟合曲线和拟合误差曲线。实践证明该方法的有效性,且还可用于其他线性传感器特性曲线的拟合。     

微位移系统中压电陶瓷驱动器迟滞建模

针对超精密微位移系统中压电陶瓷驱动器的迟滞非线性问题,提出了一种基于遗传反向传播(BP)神经网络的压电陶瓷迟滞非线性建模方法.通过电涡流位移传感器获取压电陶瓷驱动器不同电压值下所对应的位移值;利用六次多项式拟合获得迟滞的数学模型,从而建立基于遗传BP神经网络的迟滞,模型.实验结果显示:该迟滞模型在神经网络测试下的最大误差为0.082 1 μm,平均绝对误差为0.0158 μm.表明,所建的迟滞模型能够较精确地反映出压电陶瓷驱动器的迟滞特性,同时为微位移控制系统设计提供了一定的理论基础.     

传感器非线性的一种拟合方法

介绍了非线性传感器的一种曲线拟合方法。通过对某霍尔位移传感器位移、电压值的多项式拟合曲线的特点进行分析,发现该传感器曲线具有抛物线的特点,所以采用含开方项的多项式拟合。最后对所得曲线的各参数用逼近法进一步优化,得到比普通多项式拟合更实用的、偏差更小的拟合曲线。这种处理数据的方法对于求具备开方特性的传感器拟合曲线有一定的借鉴意义。     

Matlab在反射式光纤传感器设计中的应用

本文提出了应用Matlab拟合反射式光纤传感器特性曲线的方法,结合实例详细叙述了建立反射式光纤传感器数学模型的步骤,得到了拟合曲线和拟合误差曲线.结果表明该方法具有程序简单,便于调整参数等优点.     

一种基于神经网络算法的高精度拟合传感器温度特性曲线的方法

为了有效改善传感器温度补偿特性,提出了基于傅立叶基函数神经网络算法的温度特性曲线拟合模型.分析了算法的收敛性,为学习率的选择提供了理论依据.给出了对掺杂苯的SnO2纳米传感器的灵敏度-温度特性曲线进行拟合的实例.结果表明基于傅立叶基函数神经网络算法的传感器温度特性拟合曲线具有高的光滑性和高的拟合精度(10-6),因而是一种有效的温度特性曲线拟合方法.     

基于 ＰＳＯ￣ＢＰ 神经网络的增量式拉线位移传感器误差补偿方法

拉线位移传感器将拉绳的位移转变为滑轮的转动,通过角度测量得到拉线自由端的位移,安装方式和使用环境都会对测量结果产生影响。本文基于拉线位移传感器的工作原理建立了拉线的力学模型,分析了误差影响因素,同时分析了其角度测量部件-增量式旋转编码器引入的误差。由于目前比较普遍的误差补偿模型优化算法难以获得较好的补偿效果,本文提出了一种基于粒子群算法（PSO）优化的BP神经网络模型的误差补偿方法。以KS120系列拉线位移传感器为研究对象,并进行了实验研究,结果显示：在全量程范围内,使用该方法进行误差补偿后的拉线位移传感器精度由0.136%FS提高到0.007%FS,提高了95%。最后将本模型与基于多项式拟合算法和传统BP神经网络算法的补偿系统进行实验对比,结果显示补偿效果亦优于这两种方法。     

采用BP 神经网络及其改进算法改善传感器特

本文采用BP多层前馈神经网络及其改进算法对传感器特性进行补偿 .提出附加动量法、自适应参数变化法为主要内容的BP神经网络改进算法 ,有效地改善了BP网络传统算法收敛慢、容易收敛到局部最小点的缺陷 ,并编制了训练程序 .结果表明 ,经BP改进算法处理后 ,传感器性能大幅度改善 ,改进的BP算法拟合精度更高 ,计算时间更短     

基于神经网络的气动肌肉迟滞建模比较研究

针对气动肌肉运动过程中产生的迟滞现象，采用神经网络方法对其位移/气压迟滞开展了建模比较研究。首先组建了气动肌肉的迟滞特性测试实验平台，采集其位移/气压迟滞实验数据。然后基于BP神经网络和RBF神经网络分别进行了迟滞环的整体和分段建模，并与经典PI模型的建模效果进行了对比。 研究表明，PI模型的建模精度比神经网络差，但计算时间短，神经网络整体建模时存在过拟合现象，而分段建模则可有效避免过拟合现象，BP神经网络的建模与预测精度均优于RBF神经网络。对于BP神经网络，分段建模的平均误差、均方差和最大误差相较于整体建模分别减小了9.07%、14.54%和24.68%，而采用RBF神经网络，其误差分别减小了8.89%、13.03%和19.49%，可见分段建模的预测精度优于整体建模。     

基于BP神经网络的凸轮升程曲线拟合研究

基于BP神经网络方法,研究了凸轮升程曲线的拟合及BP神经网络拓扑结构、运行参数的选取规则。利用BP神经网络可实现复杂的凸轮升程曲线精确拟合,而不必事先假定凸轮升程曲线类型。实例表明采用BP神经网络拟合的凸轮升程曲线具有良好的速度、加速度连续性,保证了凸轮良好的动力性能。     

基于电磁耦合效应的位移传感器设计与实验研究

利用分离式电磁耦合效应设计了一台位移传感器。基于电磁耦合机构的磁路分析,讨论了所设计位移传感器的工作特性。设计了对该传感器实验装置并进行了实验研究,得到了传感器的位移定标曲线和不同位移（空气间隙）范围下的传感器工作性能曲线。实验结果与理论分析基本吻合。     

声表面波压力传感器的温度补偿

基于声表面波传感器(SAW)理论基础,研究了SAW压力传感器的输入-输出特性。并对影响其性能的主要因素———温度进行了理论和实验分析,得到了SAW压力传感器的温度特性曲线。在非线性补偿方法的基础上,采用反向传播(BP)神经网络对其进行温度补偿,达到了减小误差、提高测量准确度的目的。     

最佳拟合与神经网络相结合实现传感器特性线性化

提出了一种传感器特性线性化的方法.该方法把传感器特性分为线性和非线性段,用一种改进的BP神经网络映射传感器特性非线性段的反函数作为校正环节,用最佳拟合方法得到线性段的直线方程,从而实现传感器特性的线性化.经过仿真试用表明,这种方法可使传感器的非线性误差减小近十倍.最后,给出了一些仿真实验和仿真结果.     

基于BP神经网络的水泵全特性曲线拟合

本介绍了水泵全特性曲线绘制的一般方法，提出了一种利用BP神经网络绘制全特性曲线的方法，通过在MATLAB仿真软件上的仿真，得出了神经网络完全可以很好地拟合水泵全特性曲线的结论。     

基于径向基神经网络的电涡流传感器输出特性拟合研究

针对电涡流传感器的输出特性参数非线性较大,不能精确地反映被测物理量的问题,提出了一种采用径向基神经网络对电涡流传感器的输出特性参数进行拟合的方案。该方案采用newrb函数创建一个径向基神经网络,以被测物理量作为输入矩阵、电涡流传感器输出电压作为输出矩阵,对该径向基神经网络进行训练,从而可得到均方根误差小且光滑的电涡流传感器输出特性拟合曲线。实验结果表明,只要选择合适的创建函数和扩展系数,径向基神经网络能有效地实现电涡流传感器输出特性的拟合。     

电容式降雨传感器及其特性曲线拟合方法

针对将电容式传感器应用于降雨测量时,特性曲线的非线性误差较大问题,分别采用最小二乘曲线拟合法和径向基函数(RBF)神经网络对其输出特性曲线进行拟合.结果表明:RBF神经网络模型具有更强的非线性映射能力,其拟合精度明显高于最小二乘多项式模型.     

利用BP神经网络提高光纤光栅压力传感器的选择性

应用BP神经网络技术抑制温度对光纤光栅压力传感器的干扰,从而提高了压力传感器的选择性.以聚合物封装的光纤光栅传感器为例,当温度从19℃变化到75℃时,光纤光栅布拉格波长偏移量是11.315 nm,由此导致传感器输出的引用误差为1 915%.经神经网络融合处理后, 其值降为2%,实现了对压力较为准确的识别.实验结果表明,该方法具有实际应用前景.     

机械式冲床停上死点位置的控制策略设计与实现

机械式冲床进行冲压操作时,上死点位置的精度是最关键的问题之一;为了提高冲床停上死点位置的精度,研究了冲床刹车后由于惯性而转过的角度与刹车时影响因子的关系,拟合出刹车曲线,利用此曲线保证冲床刹车后能准确停在上死点;介绍数据的获取方法及流程,利用BP神经网络对冲床刹车曲线进行拟合,以均方误差作为衡量拟合效果的评价指标,并与最小二乘法拟合的曲线进行比较;分析两种方法对冲床刹车曲线的拟合效果,均方误差分别为0.006 092 3和1.624 7,实验结果表明,使用BP神经网络对冲床刹车曲线拟合的效果较好。