基于IBAS-BP算法的钢筋混凝土中钢筋腐蚀程度预测模型

针对钢筋混凝土内部环境复杂,影响钢筋腐蚀程度的因素较多,而导致钢筋腐蚀程度测量精度不高的问题,利用改进天牛须算法(BAS)收敛特性快和全局搜索能力强的优势来初始BP神经网络的权值和阈值。从钢筋腐蚀机理出发,选取混凝土内部温度、湿度、CO_(2)含量、pH、氯离子含量和腐蚀电位6个影响因素作为输入变量,钢筋腐蚀程度作为输出变量,建立了IBAS-BP预测模型,并利用实测输入数据进行仿真验证。结果表明:相较于BAS-BP、PSO-BP和GA-BP模型,IBAS-BP预测模型的收敛速率快,测试集的最大相对误差为0.025,决定系数为0.9433;IBAS-BP预测模型能更精确地预测钢筋混凝土中钢筋的腐蚀程度。

基于遗传神经网络的机器人腕力传感器动态建模与补偿方法

介绍用于MotomamV3X机器人上的新型多维腕力传感器,比较遗传算法与人工神经网络的特点,将遗传算法的交叉和变异操作进行改进,提出一种融合改进遗传算法(Genetic algorithm,GA)的函数连接型人工神经网络(Functional link artificial neural network FLANN),并将其用于所介绍的新型机器人腕力传感器动态建模与动态性能补偿中。介绍动态建模与动态补偿原理及改进遗传神经网络算法,给出该传感器的动态模型和动态补偿模型。该方法利用腕力传感器的动态标定数据,采用改进遗传神经网络搜索和优化模型参数,保留了遗传算法的全局搜索能力和FLANN结构简单,鲁棒性好,且具备自学习能力的特点,克服了FLANN容易陷入局部极小的缺陷,具有快的网络训练速度及高的动态建模精度。理论分析和试验结果都证实了所提出的动态建模与动态补偿方法的有效性。

振动速度传感器幅频特性改进方法的研究

介绍对磁电式振动传感器幅频特性改进的方法。首先对磁电式振动速度传感器的特性进行了分析 ,列出了传递函数 ,然后设计出与该传递函数相关的函数作为补偿环节 ,与原传感器串联后可得到平坦的输出特性。利用软件设计数字滤波器和用硬件设计模拟滤波器可使传感器的下限工作频率降低 ,满足工程上超低频振动测量的要求。

基于改进遗传神经网络的微硅加速度传感器动态补偿研究

比较遗传算法与神经网络的特点 ,并对将遗传算法用于函数连接型神经网络 (FLNN)的优点进行了研究 .对遗传算法的编码方法、交换和变异操作做了改进 ,提出了一种融合改进遗传算法的FLNN用于微硅加速度传感器动态性能补偿的新方法 .该方法不依赖于传感器的动态模型 ,可根据传感器的动态响应数据 ,建立补偿模型 ,采用改进遗传神经网络搜索和优化补偿模型参数 ,既保留了遗传算法的全局搜索能力 ,又具有神经网络的鲁棒性和自学习能力 .介绍补偿原理及算法 ,给出动态补偿网络的数学模型 .结果表明 ,该补偿方法能克服FLNN收敛速度慢、容易陷入局部极小的缺陷 ,具有网络训练速度快、实时性好、良好的全局搜索能力、精度高。

基于RBF神经网络的热敏电阻温度传感器非线性补偿方法

针对热敏电阻温度传感器应用中存在的非线性问题,本文提出了应用RBF神经网络强非线性逼近能力进行非线性补偿的方法。文中介绍了非线性补偿的原理和网络训练方法。该方法不依赖于传感器的模型,而是根据传感器的输入和响应数据,建立补偿模型。结果表明,这种非线性补偿模型具有误差小、精度高、可在线标定、鲁棒性强,与基于BP神经网络的非线性补偿模型相比,网络训练时间短等优点,从而方便了热敏电阻温度传感器在测控系统中的应用。

加速度传感器的动态性能校正技术

对加速度传感器动态性能进行了分析 ,从应用的角度介绍了其动态性能校正的若干方法 ,给出了每种校正方法的原理和具体的应用实例 ,讨论了这些方法的优点和局限性。

力觉临场感系统中操作环境动力学的小波神经网络模型

在力觉临场感系统中机器人操作环境经常是非线性的和未知的。为使本地操作者了解环境特性,需对操作环境进行建模。为此,进一步研究力觉临场感系统中机器人操作环境动力学模型,提出一种新的基于小波神经网络的环境非线性动力学模型的建立方法,分析网络的拓扑结构,给出网络参数训练和初始化方法。采用引入动量项的最速下降法训练网络权值、尺度因子和平移因子,将小波网络参数的初始化与小波类型、小波时频参数和学习样本等联系起来。结果表明,采用小波神经网络的力觉临场感系统中操作环境模型优于同等规模的BP网络,具有训练方法收敛速度更快、非线性逼近能力更强及建模精度更高等优点。

基于遗传神经网络的加速度传感器动态建模方法

提出了利用遗传神经网络实现加速度传感器动态建模的新方法,介绍动态建模原理以及算法,给出用遗传神经网络建立的加速度传感器动态数学模型。该方法利用加速度传感器的动态标定数据,采用遗传神经网络搜索和优化动态模型参数。这样,既保留遗传算法的全局搜索能力,克服神经网络容易陷入局部极小的缺陷,又具有神经网络局部搜索能力强的特点。结果表明:以上提出的动态建模方法具有建模精度高、鲁棒性好等优点。

径向基函数神经网络在多维力传感器标定中的应用

维间耦合是制约多维力传感器测量精度的主要因素,为了克服传统线性标定方法的局限性,利用径向基函数(RBF)神经网络强非线性逼近能力进行了多维腕力传感器的静态标定,并将其与最小二乘法和BP神经网络标定法作了比较。以研制的六维腕力传感器为对象进行了实验,结果表明,采用RBF神经网络对多维腕力传感器标定比用最小二乘线性标定有更高的标定精度,网络训练速度则大大快于BP神经网络。这种新方法具有一定的实用价值。

基于遗传算法的RBF神经网络在热敏电阻温度传感器非线性补偿中的应用

针对热敏电阻温度传感器应用中存在的非线性问题,提出了应用遗传算法训练径向基函数(RBF)神经网络实现其非线性补偿的遗传神经网络方法,介绍了非线性补偿的原理和网络训练方法。该方法能同时优化网络结构和参数,具有全局寻优能力,补偿精度高。实验结果表明,所提出的热敏电阻温度传感器非线性补偿方法是实用的和可行的。

改进遗传算法结合FLANN在加速度传感器动态建模中的应用

对遗传算法(GA)的交叉和变异操作进行改进,提出利用改进遗传算法(IGA)和函数连接型人工神经网络(FLANN)相结合实现加速度传感器的动态建模的新方法。该方法利用加速度传感器的动态标定数据,采用IGA和FLANN相结合搜索和优化动态模型参数。文中介绍动态建模原理以及算法,给出用IGA和FLANN相结合建立的加速度传感器动态数学模型。结果表明:上面提出的动态建模方法既保留了GA的全局搜索能力和FLANN结构简单的特点,又具有网络训练速度快、实时性好、建模精度高等优点,在动态测试领域具有重要应用价值。

遗传算法结合FLNN实现加速度传感器动态特性补偿

对加速度传感器动态性能进行分析,利用遗传算法与函数链神经网络相结合实现其动态性能补偿的方法,介绍补偿原理以及算法,给出了用遗传算法和函数链神经网络相结合建立的加速度传感器动态补偿网络的数学模型。结果表明,这种补偿模型具有精度高、有良好的鲁棒性以及动态补偿器实现简单等优点,在测试领域中有很好的应用前景。

称重传感器动态补偿器的一种新的设计方法

为了拓展称重传感器的工作频带,把电荷转移器件(CTD)用于其动态补偿器的设计中,设计出具有频率特性可调节的动态补偿器。论述了补偿原理、电路设计及其技术难点和相应的解决方法,理论分析和实验表明了所设计的动态补偿器是有效的,提高了补偿器的通用性和实时性,对补偿器的实用化有重要意义。

热敏电阻温度传感器的一种线性化设计

本文介绍一种线性热敏电阻温度传感器的设计方法并给出实用电路。结果表明:该线性热敏电阻温度传感器温度的输出电压与温度成良好的线性关系,实测结果的最大非线性误差不超过0.5%。

热敏电阻温度传感器的一种线性化设计

文中介绍热敏电阻温度传感器的一种线性化设计方法,并给出实用电路。测试结果表明:该线性热敏电阻温度传感器的输出电压与温度成良好的线性关系。

基于多重小波变换的力微分信号去噪研究

将多重小波变换应用到机器人力控制系统的力微分信号获取中,采用浮动阈值法消除力微分信号中混入的噪声,并将其与传统的低通滤波方法进行比较。结果表明,多重小波变换在用于力微分信号的去噪上比传统的方法具有更好的效果。此研究对提高机器人力控制系统的稳定度和品质具有重要价值。

一种热敏电阻温度传感器的非线性补偿方法

介绍一种热敏电阻温度传感器非线性补偿的原理和实际补偿电路。补偿后传感器的输出电压与绝对温度的比值约为０．１５ｍＶ／Ｋ，最大误差不超过０．５％，基本里线性关系。

LEM电流传感器在开关电源电流检测及保护中的应用

介绍LEM电流传感器的工作原理、特性以及在开关电源电流检测及过流保护中的应用,给出了由LEM电流传感器组成的几种检测与保护电路结构。

高效率可调复合式开关电源

结合实例介绍基于单片开关式稳压器和单片开关电源相组合构成的复合式开关电源。这种电源与普通开关电源相比,输出电压可连续调节;与线性稳压电源相比,体积小、效率高。

基于径向基函数神经网络的涡流传感器非线性补偿方法研究

为了解决数字式涡流传感器的非线性问题,提出利用径向基函数神经网络进行非线性补偿的方法。介绍非线性补偿原理以及算法,并将其与 BP 神经网络法进行比较。从实测数据出发,建立了涡流传感器的非线性补偿模型。结果表明,这种非线性补偿模型误差小、有良好的鲁棒性、能实现在线软补偿,比用 BP 神经网络有更快的训练速度。