红外高光谱大气探测仪(FY-3E/HIRAS-Ⅱ)在轨数据非线性校正方法

风云三号E星(FY-3E)搭载的高光谱大气探测仪(HIRAS-Ⅱ)能够实现大气的垂直探测,具有高光谱、高灵敏度、高精度的特点。仪器在轨之后由于仪器衰减和环境变化的原因产生非线性响应,影响在轨定标精度。针对非线性响应的问题,提出了一种基于带内光谱的非线性校正方法。首先基于带外低频光谱的非线性特征求解非线性校正系数,将此系数作为初值输入到辐射定标模型中,以星上测量的黑体带内光谱与理想光谱的偏差为目标函数,通过迭代优化非线性校正系数。通过辐射定标实验得出,校正后的黑体亮温偏差明显低于未校正和基于带外光谱的校正方法。将HIRAS-Ⅱ的观测数据与IASI进行交叉比对并计算平均亮温偏差和偏差绝对值,经过带内校正法非线性校正后的亮温平均偏差为-0.13 K,优于带外校正方法。

基于误差补偿的光源调频非线性校正研究

由于FMCW光源非线性频率调制的影响,其差频信号的频谱会出现展宽,降低频谱分辨率,因此光源非线性校正是该体制激光雷达精确测距的前提。为了避免现有非线性校正技术系统结构复杂,测量成本高的缺陷,本文提出了基于误差补偿的FMCW光源非线性校正法。该方法通过输出信号与线性回归数据之间的误差,构建与输出信号频率变化趋势相反的校正数据作为激光器的调制信号源。经过若干次循环补偿,逐步将输出信号频率与线性回归数据之间的决定系数提高到0.9995以上。最终通过距离测量实验,验证了该方法的有效性和可行性。

电容悬浮间隙传感器非线性校正研究

针对悬浮间隙传感器输出特性非线性严重的问题,提出一种结合径向基核函数和多项式核函数优点的混核最小二乘支持向量机(HKLSSVM)作为电容悬浮间隙传感器的非线性校正模型并采用浣熊优化算法(COA)对HKLSSVM的惩罚因子和核函数参数进行优化。为验证模型的有效性,分别采用径向基神经网络模型、传统LSSVM模型、粒子群优化(PSO)算法-HKLSSVM模型以及COA-HKLSSVM模型进行非线性校正仿真分析。结果表明,COA-HKLSSVM模型在电容悬浮间隙传感器非线性校正的应用中表现出最佳的校正精度与稳定性,校正后的电容悬浮间隙传感器线性度为0.43%,均方根误差为0.022 mm,最大误差为0.068 mm,满足悬浮控制系统对悬浮间隙传感器的线性要求。

基于遗传改进神经网络的煤矿井下传感器非线性校正方法

煤矿井下的工作环境十分恶劣,包括高湿度、高温、持续振动和大量粉尘等因素,这些因素都可能对传感器造成非线性干扰,使其输出结果与实际值产生显著偏差。这种偏差如果不加以校正,会严重影响煤矿的生产安全和效率。为此,该研究提出一种基于遗传算法优化的神经网络方法,旨在校正煤矿井下传感器非线性误差。根据已获取的传感器非线性误差数据,确定校正模型的输入与输出。以神经网络为核心构建校正模型,并利用遗传算法对校正模型的权值和阈值参数进行优化,以提高模型的校正性能。在模型训练完成后,将其应用于实际煤矿井下传感器非线性校正中。实验结果表明,经过该研究方法校正后,瓦斯浓度值更接近标准瓦斯浓度值,误差显著降低,这充分证明了该研究方法在实际应用中的有效性和可靠性。

改进型BP神经网络对电容称重传感器的非线性校正

针对电容称重传感器电容检测电路的输出电压与载荷质量之间的非线性特性问题,基于贝叶斯正则化的L-M算法建立BP神经网络改进模型,实现了电容称重传感器的非线性特性的校正,并与传统的梯度下降算法建立的BP神经网络模型的校正结果进行了仿真对比。仿真结果表明:改进型BP神经网络具有较快的收敛速度、较高的精度和较好的推广能力,有利于准确实现电容称重传感器非线性特性的有效校正。

基于神经网络的铂电阻温度传感器非线性校正方法

简单介绍了当前铂热电阻应用存在的问题,提出了应用前向多层神经网络建立热电阻的逆模型进行非线性补偿,使得铂电阻的静态特性线性化。文中采用MATLAB为工具,对神经网络进行训练,获得权值、阈值,并以SIEMENS的S7-200为控制器,对加热炉进行控制。设计及实际应用表明,这种方法简单、实用、有效,大大方便了铂电阻温度传感器在测控系统中的应用。

基于反拟合法的电容称重传感器非线性校正

本文针对电容称重传感器电容检测电路的输出电压值与载荷质量之间的非线性特性,在测试系统中增加了非线性校正环节,利用多项式拟合法,求取传感器反非线性特性,进行曲线拟合实现非线性校正,并给出逼近多项式系数的最小二乘求解方法。实际应用表明,其测量载荷的精度可以达到要求,非线性校正效果明显,具有良好的应用和推广价值。

MPSO-SVM的压力传感器的非线性校正研究

为了消除压力传感器受温度变化和电压波动的影响而产生的非线性特性,提出了改进粒子群优化支持向量机(MPSO-SVM)非线性校正,利用改进粒子群首先对支持向量机的参数进行搜索寻优,通过建立压力传感器输出特性与其实际电压值之间非线性映射关系的校正模型,再根据支持向量机具有逼近任意非线性函数的特点,实现压力传感器非线性校正。实验结果表明,压力传感器的最大相对波动从原来的22.2%降为0.12%,有效地消除了温度和电压波动的影响,此方法实现简单、成本低,具有实用价值。

磁梯度张量系统的非线性校正方法

针对磁梯度张量系统中存在的零点偏移、灵敏度不一致、三轴非正交等单传感器误差和传感器之间的非对准误差,提出了磁梯度张量系统的非线性校正方法。该方法基于磁梯度张量的差分测量理论,建立了包含单传感器误差参数和传感器间非对准误差参数的张量测量数学模型;然后基于标量校正原理、张量不变量理论和点积不变量理论,提出了关于磁标量场、磁矢量场和磁张量场的4种不同的非线性约束准则,并给出了磁梯度张量系统的输出坐标系与标准正交坐标系间的非对准误差约束条件,进而建立了包含磁梯度张量系统误差参数的非线性方程组;最后,利用非线性最小二乘法求解方程组的未知参数,不仅实现了误差参数的准确估计,而且可以将磁梯度张量的输出校正到标准正交坐标系下。仿真和实验结果验证了方法的有效性,实际张量系统的张量各分量均方根误差平均值由1097.52降到14.19 nT/m。

基于遗传神经网络的传感器系统的非线性校正

针对最小二乘等传统方法的不足 ,提出了解决传感器系统非线性校正问题的遗传神经网络算法。计算机仿真表明 ,采用这里所提出的观点和方法 ,其拟合精度远高于传统上应用最为广泛的最小二乘法 ,并且具有较强的鲁棒性。而且 ,从所做的研究显示 。

基于B样条递推最小二乘的温度传感器非线性校正

提出一种基于B样条递推最小二乘的温度传感器非线性校正方法。利用具有低阶光滑特性的B样条函数进行逆向建模,有效地提高了校正精度;考虑到在线应用的实际需求,采用易于微处理器实现的递推最小二乘估计控制参数。分别对铂电阻和热电偶温度传感器进行了非线性校正,表明所提出的非线性校正方法具有样本点少、校正精度高、简单实用等优点,符合传感器向智能化、灵巧化方向发展的需求。

一种铂电阻测温电路的非线性校正方法

为克服铂电阻温度传感器的非线性带来的误差,在对铂电阻的非线性特性研究的基础上,设计了以恒流源非平衡电桥为基础的测温电路来代替传统的测温电桥。同时,采用分段最小二乘法拟合反向分度函数,以减小铂电阻自身的非线性带来的测量误差。最后给出基于stm32f103vbt6微控制器测温系统的实验结果,结果表明,铂电阻的非线性误差在0.03%以内,测温误差在0.25℃,满足大多数场合需要。

基于BP神经网络的浓度传感器非线性校正

提出基于BP神经网络的浓度传感器非线性误差校正方法。文中详细给出了BP神经网络算法原理及训练方案。当替换传感器或环境条件发生变化时,只要获取一组输入输出样本对,便可重新训练网络,获得新的输入输出样本关系,从而实现传感器非线性校正和动态标定,提高传感器的互换性,有实际应用价值。

压电陶瓷管的微位移测量与非线性校正

为了对原子力显微镜(AFM)中压电陶瓷管扫描位移进行非线性校正,提出了一种微位移测量与校正的简易方法。采用涡流位移传感器测量微位移,将其放大100倍以提高检测灵敏度;得到了压电陶瓷管的位移-电压曲线,其最高位移分辨率计算值为0.4 nm。根据AFM中压电陶瓷管的工作特点,确定扫描范围下测量得到的位移-电压关系,通过对等间隔像素点施加对应的非等间隔控制电压序列的方法进行非线性校正,依据像素点精度要求通过插值算法获得控制电压序列。系统采用LabVIEW虚拟仪器技术,校正后压电陶瓷管最大位移滞回偏差从10.1%降为0.4%。实验表明:扫描频率和扫描像素分辨率调节方便,同时校正算法复杂度也有所降低。

光纤传感器的神经网络光强补偿及非线性校正

为实现光纤位移传感器的光强补偿及非线性校正,确立并构造了两输入单输出的BP神经网络。讨论了基于L-M优化算法的BP网络的优点,说明了神经网络的权值修正方法及网络的具体训练步骤,阐明了用神经网络实现光纤位移传感器光强波动补偿及传感器非线性校正的原理。最后使用Matlab实现了神经网络,并将该网络应用于实际测量,结果表明该网络很好地实现了传感器的光强补偿及非线性校正。

基于插值计算与优化的铂电阻非线性校正方法

以 0 - 6 0 0℃铂电阻分度函数为基础 ,提出了基于插值计算与最优化的铂电阻非线性误差校正分析新方法。根据此方法得到了满足高精度要求的铂电阻非线性校正简易优化算法。

基于最小二乘支持向量机的N型热电偶非线性校正及应用

本文针对具有小样本数据的N型热电偶在应用中存在的问题,提出了一种基于最小二乘支持向量机对热电偶进行非线性校正的方法,并与以往采用的BP网络、RBF网络和ANFIS校正方法进行了比较。结果表明,采用最小二乘支持向量机的校正精度高于以上3种校正方法;同时以阳极焙烧过程中料箱温度为对象进行了仿真和实际应用研究,取得了满意的结果。

宽带LFMCW扫频源的相对非线性校正方法

提出了一种利用相对非线性实现宽带LFMCW信号扫频非线性校正的方法 ,对该方法的原理进行了推导 ,并进行了计算机仿真和实际系统试验。该方法与以前的方法相比 ,具有不需已知延迟时间参数td 和扫频带宽参数B ,对电调宽带振荡器的原始非线性没有限制 ,其最终的剩余非线性与原始非线性无关等优点。

LFMCW SAR非线性校正成像方法研究

线性调频连续波合成孔径雷达(LFMCW SAR)是一种新近提出来的成像雷达体制,它结合调频连续波与合成孔径成像技术,具有体积小、重量轻、成本低、分辨率高等一系列优点。然而,由于受系统的影响,调频信号的频率和时间并不完全满足线性关系。在详细分析了LFMCW的调频非线性对距离分辨率及FMCW SAR成像质量的影响之后,提出使用分段线性拟合的方法估计调频信号的非线性,并提出了非线性的校正方法,研究了存在非线性时的FMCW SAR成像算法,并给出了仿真结果,验证了该方法的有效性。

基于支持向量机的传感器的非线性校正

铜热电阻的非线性影响到它的测温准确度和测温范围,针对这个问题提出了采用支持向量机(SVM),建立了铜热电阻传感器的逆模型进行非线性校正,并且与以往采用的BP网络和最小二乘校正方法进行了比较;结果表明,采用支持向量机的非线性校正方法的最大误差为±0.0287%左右,与BP人工神经网络取得的结果(最大误差为±0.0523%左右)和最小二乘法取得的结果(最大误差为±0.0865%左右)相比,精度高于以上2种校正方法;同时,SVM方法有较好的泛化能力,在很大程度上提高了传感器的线性度,并且补偿曲线更顺滑,预测性更强,它为铜热电阻传感器的非线性动态补偿提供了一种新方法。