基于BP神经网络的压力传感器数据融合研究

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。     

神经网络数据融合在车用传感器中的应用

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。     

多传感器数据融合技术在车辆动态称重中的应用

针对车辆动态称重系统的结构和特点,采用一种基于神经网络的多传感器数据融合技术处理方法,并将其应用到动态称重系统中。通过对融合前后的数据进行比较分析,可有效地提高车辆动态称重系统抗干扰能力,以保证参数检测的可靠性和准确性。     

基于神经网络的大直径测量多传感器数据融合

多传感器数据融合技术可以避免单一传感器的局限性,充分利用不同时间和空间的测量数据信息,大大提高测量系统的性能和效率。本文将BP神经网络应用于大直径测量系统的特征层数据融合,得到准确的测量结果。     

采用BP神经网络提高压力传感器的输出准确度

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。     

基于BP网络的机器人多传感器手爪特征级数据融合

机器人手爪上装有多种传感器。为了保证手爪能完全、可靠地抓取工件，必须对这些传感器的数据进行融合。本文介绍了手爪上传感器的配置情况，进行手爪抓取工件实验，将BP神经元网络应用于传感器的特征级融合，得到手爪抓取工件的准确信息。     

神经网络在多传感器信息集成与融合中的应用

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。     

模糊神经网络数据融合在移动机器人导航中的应用

提出一种基于模糊神经网络的多传感器数据融合方法,并将其用于自主移动机器人的导航避障。采用BP神经网络作为基体,将模糊技术和神经网络有机结合组成模糊神经网络控制系统,实现了模糊规则自动提取及模糊隶属度函数的自动生成。实验表明该方法可实现机器人的安全避障。     

基于BP神经网络的传感器特性补偿新算法的研究

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。     

基于BP网络的压力传感器信息融合

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。     

传感器特性的神经网络逼近

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。     

基于BP神经网络的三维力传感器静态标定方法研究

三维力传感器作为测力平台的核心元件,其测量精度直接影响测力平台的使用效果,而维间耦合问题是影响精度的主要方面。文章首先讨论了三维力传感器传统的静态标定方法在消除耦合误差方面的应用,并在方法缺陷分析的基础上,提出了新的三维力解耦方法——基于BP神经网络的解耦方法,继而对两种方法进行误差分析,验证了神经网络方法在多维力传感器解耦中的可行性和优越性。     

BP神经网络的实现及应用

研究了BP神经网络的实现方法和在材料科学上的应用。BP网络经大批样本训练以后，能够对材料性能进行比较精确的预测，这有利于提高试验效率，降低试验成本。     

基于BP网络的工程数据处理

基于BP神经网络的高度非线性映射特性,提出一种改进的BP神经网络及其算法,将其应用于工程图的数据处理,并通过建立渐开线齿轮齿廓线的BP神经网络模型后进行齿轮轮廓线拟合,由仿真曲线可验证此方法的有效性.     

基于BP神经网络和D-S证据理论的火灾报警系统

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.