微型智能低空速传感器的设计

利用大气中的两个物理参量大气静压力、大气动压力和空速的关系,分别用两个高精度压阻式绝对压力传感器对大气静压力和大气动压力进行测量,再用温度传感器对两个绝对压力传感器的测量值进行温度修正,将修正值作为多层感知机神经网络的输入,空速值作为输出.对标准或实验数据采用动批量法进行网络训练,得到网络各层的权值和偏置值,由此可以确定在任意静压力和动压力输入作用下,网络输出估计的空速值,最后借助数字信号处理器芯片实现微型智能低空速传感器的设计.实验结果表明通过训练、学习的传感器具有更高的精确度,同时能够很好地抑制时间漂移.并且很好地解决了低空速测量误差大的问题.

基于多层感知机神经网络的智能高度传感器设计

基于大气中的两个物理参量:大气静压力、大气温度以及它们和几何高度的关系,借助于压阻式压力传感器和温度传感器对大气静压力和温度进行测量,并以两个传感器作为多层感知机网络的输入,以几何高度作为网络的输出.利用标准数据采用动批量法(MOBP算法)对网络进行训练,得到网络各层的权值和偏置值,由此可以确定在任意静压力和温度输入作用下,网络输出的精确几何高度值,神经网络的算法可借助DSP芯片实现.实验表明采用该方法设计的传感器比采用曲面拟合的方法具有更高的精确度和抑制传感器的温度漂移和时间漂移的优势.