基于Elman神经网络的压力传感器温度补偿的研究

当受到温度、电磁波等外界因素的影响,压力传感器的测量精度较低,测量值容易有较大的波动。因此,当压力传感器运用于汽车等移动设备时性能下降。以对温度极其敏感的CYJ-101压力传感器为例,建立18组样本数据在Elman模型的神经网络中进行温度补偿训练。仿真结果显示,通过Elman神经网络的温度补偿,传感器的测量误差降低约20%。

基于RBF神经网络的汽车玻璃防雾系统的研究

通过描述汽车挡风玻璃起雾在汽车行驶中的危害性,引出一种新型的基于传统传感器技术与RBF神经网络的汽车玻璃智能防雾系统概念。根据对汽车挡风玻璃起雾原因的分析,通过传统传感器技术的应用,设计出相应的RBF神经网络。通过实验,建立48组样本数据在RBF模型的神经网络中进行露点测试训练并进行仿真测试。MATLAB仿真结果显示,通过RBF神经网络在该系统中的应用,能够快速、精确地达到汽车玻璃防雾的功能。

Elman网络在汽车智能换挡判别中的研究

为了改善汽车行进中的换挡品质,使汽车在相应的环境工作中能够实现自动切换档位,根据人工神经网络和汽车换挡规律的特点,需对汽车的油门开度、速度、加速度进行分析;基于Elman神经网络建立汽车自动变速三参数控制模型,并利用Matlab进行了测试分析和仿真模拟,得出了仿真结果。仿真结果表明,采用Elman神经网络对汽车自动换挡判别时优于BP网络。