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。

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。