纸浆浓度传感器非线性估计和动态标定的一种新方法

本文提出了一种基于人工神经网络的纸浆浓度传感器非线性估计和动态标定新方法。该方法用４次幂级数多项式拟合浓度传感器的非线性模型，多项式的系数可由神经网络学习算法得到。当环境条件发生变化时，只要给出几组测量数据对，该方法可自动重新训练网络，获得新的多项式系数。

基于人工神经网络铂电阻非线性估计方法的研究

本文提出了一种基于人工神经网络的铂电阻传感器非线性估计方法．该方法用二次幂级数多项式拟合温度传感器的非线性模型，多项式的系数可由神经网络学习算法得到．当条件发生变化时，只要给出几组测量数据对，通过该方法可自动重新训练网络，获得新的多项式系数，实现传感器的非线性估计．

模糊集合论和神经网络在油井测试中的应用方法研究

提出了一种基于模糊集合论和人工神经网络处理油井测量问题的方法 .首先利用模糊集合论中的模糊聚类方法 ,将所使用的各种传感器根据灵敏度特性曲线进行分档归类 ,然后利用人工神经网络对各档次的传感器进行非线性估计 ,并在此基础上形成了一套完整的算法 ,对于油井测试中测量精度的提高具有一定的实用意义 .

神经网络非线性估计在浆计量仪中的应用

给出了一种基于人工神经网络的传感器非线线估计新方法。该方法用幂级数多项式拟合传感器的非线性模型，多项式的系数可由神经网络学习算法得到。当环境条件发生变化时，只要给出几组测量数据对，该方法可自动重新训练网络，获得新的多项式系数，实现传感器的在线标定。该方法保证了纸浆浆量计量仪的计量精度。