神经网络与回归相结合实现传感器特性线性化

被引：8

作者：

朱庆保

钱刚

机构：

[1] 南京师范大学数学与计算机科学学院!南京,南京师范大学数学与计算机科学学院!南京

来源：

仪器仪表学报 | 2001年 / 04期

关键词：

神经网络; 回归; 自适应; 传感器; 非线性误差; 校正; 仿真;

D O I：

10.19650/j.cnki.cjsi.2001.04.026

中图分类号：

TP212 [发送器（变换器）、传感器]; TP183 [人工神经网络与计算];

学科分类号：

080202 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

本文提出了一种用多个改进的 BP神经网络与回归相结合的技术去实现传感器非线性误差校正的方法。该方法将传感器的特性曲线分为一个直线段和两个非线性段 ,并自适应的确定线性段的区间 ,在线性段 ,用回归方法拟合出直线方程。在非线性段则用两个改进的 BP神经网络分别映射其反函数作为校正环节 ,从而实现非线性误差校正。仿真和试用表明 ,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及其结果

引用

页码：422 / 427

页数：6

共 11 条

[1]

An artificial neural network to linearize a G (tungsten vs. tungsten 26% rhenium) thermocouple characteristic in the range of zero to 2000 degrees C. ATTARI M, BOUDJEMA F, HENICHE M. Proceedings of the IEEE International Symposium on Industrial Electronics . 1995

[2]

[3]

Multichannel calibration technique for optical-fibre chemical sensor using artificial neural network[J] . M.N. Taib,R. Narayanaswamy. &nbspSensors & Actuators: B. Chemical . 1997 (1)

[4] 传感器非线性的二次Bézier曲线自适应分段拟合校正法 [J].