共查询到16条相似文献,搜索用时 62 毫秒
1.
刘二林 《工业仪表与自动化装置》2012,(4):7-11
压力传感器由于输出电压值易受环境温度、电压扰动等非目标参量的影响而导致精度大大降低。该文采用BP神经网络对压力和温度2个目标参量进行数据融合处理,减小了两者相互交叉干扰敏感度。结果表明,采用BP神经网络进行数据融合,能够提高传感器的稳定性及其精度,仿真验证了该方法的有效性和可行性。 相似文献
2.
在阐述了神经网络数据融合优势的基础上,分析了将神经网络数据融合应用于汽车传感器的可能性,并以汽车自适应悬架控制系统为例,建立了其BP神经网络模型,通过实验仿真,验证了该方法的可行性。 相似文献
3.
4.
5.
针对压力传感器在实际应用中,输出数据不仅仅与目标参量(压力)有关,而且还受非目标参量(温度)影响的问题,笔者提出了采用BP神经网络技术对其进行数据融合处理的方法,以消除非目标参量的影响。研究结果表明该方法是可行的。 相似文献
6.
7.
8.
神经网络在多传感器信息集成与融合中的应用 总被引:1,自引:0,他引:1
多传感器信息集成与融合在处理信息中呈现出较好的实用性和优越性。介绍了有关多传感器信息集成与融合方面的基本知识,分析了传统的信息融合与运用神经网络实现多传感器信息融合的差异、实质,并给出了神经网络实现多传感器信息集成与融合的步骤。通过自动化程度很高的智能机器人对外界信息的集成与融合,用实验证明了神经网络比传统方法更能准确、可靠地描述传感器所获得的信息。 相似文献
9.
10.
基于BP神经网络的传感器特性补偿新算法的研究 总被引:3,自引:1,他引:2
在用人工神经网络对传感器特性进行补偿的基础上,进行了一些改进与简化,提出了一种简化的快速算法,通过多步继承法、神经元功能函数平移法、停止条件比较法等措施,对BP神经网络本身的一些缺陷,如收敛速度慢、容易收敛到局部最小点等进行了弥补,并用MATLAB语言编制了训练程序。结果表明,该算法可以进一步提高数据拟合的精度,而且大幅度地节省了时间。 相似文献
11.
基于BP网络的压力传感器信息融合 总被引:10,自引:2,他引:10
压力传感器输出特性容易受环境温度、电压扰动等各种非目标参量的影响,从而大大降低了其性能。BP算法是一种最速下降的静态寻优算法,而对其改进的算法LMBP算法克服了标准BP算法的固有缺点,不但学习速度快,而且精度高。利用LMBP算法对压力传感器的输出进行融合,有效地消除了非目标参量特别是温度对压力传感器输出的影响,最后利用MATLAB软件对样本数据进行训练和仿真,通过对融合结果分析可知:BP网络的LMBP算法不仅提高了压力传感器的精度,而且提高了压力传感器的稳定性和可靠性。 相似文献
12.
为了满足智能仪表的开发需求,减轻开发人员的繁重工作,提出利用BP神经网络逼近传感器的特性曲线,用该方法建立了传感器的数学模型,实际应用表明该方法方便准确、可靠。 相似文献
13.
14.
15.
16.
张学军 《仪表技术与传感器》2011,(1)
将BP神经网络与数据融合理论中的D-S证据有机融合,提出一种决策级火灾报警识别方法.通过模拟实际输入信号的仿真结果发现,将BP神经网络和D-S证据理论相结合的多传感器数据融合技术,可以显著提高火灾的识别能力,有效降低火灾误报率,而且该系统具有良好的适应性,达到了预期效果. 相似文献