基于SSA-BP神经网络的重力式矿浆浓度检测算法

为了克服现有矿浆浓度检测技术的不足,提高矿浆浓度检测技术在复杂选矿环境中的精度和适应性,在对现有矿浆浓度检测技术进行分析的基础上,提出重力式矿浆浓度检测方法,利用麻雀搜索算法(SSA)改进BP神经网络算法优化关键参数,进行了系统设计、算法研究和应用测试,结果表明:算法具有检测精度高、适应性强、稳定性好等优点。

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。

BP神经网络用于光镊力的非线性修正

提出了运用BP神经网络法对光镊力的测量和标定进行非线性修正。针对BP算法收敛慢的缺点,采用LM算法改进BP神经网络算法。结合常用的流体力学法进行了实验研究,证实了所提出的方法使光镊力的测量范围扩大了30%。与多项式拟合方法相比,该方法的精度更高。研究结果表明,采用神经网络算法在不需增加或更换实验设备的前提下,可以有效地提高光镊系统的性能指标。

基于改进型BP神经网络的瓦斯传感器的非线性校正

提出了一种基于改进型BP神经网络的瓦斯传感器的非线性校正方法,利用神经网络良好的非线性映射能力,逼近反非线性函数完成非线行校正。仿真实验结果表明:与传统的分段线性与BP算法相比,改进型的BP神经网络收敛速度快、逼近精度高,准确度由原来分段线性校正的±5.020%提高到现在的±0.130%,且易于动态调校。

医用内窥镜图像校正的BP神经网络方法

用传统的畸变校正法对内窥镜图像进行校正存在畸变模型复杂、计算量大、易产生误差等问题.该文利用标准模板,提取样本点在标准图像和内窥镜拍摄的畸变图像中的坐标,分别作为BP神经网络训练的输入和目标,通过神经网络的训练拟合成像镜头的畸变模型,从而确定标准图像和畸变图像上像素点的位置关系.再通过图像插值的方法进行图像恢复,实现图像校正.实验结果表明该方法简单有效,具有精确性.

基于BP网络的图像畸变校正技术研究

图像判读中由于摄像装置所处角度、摄像镜头差等原因常使获取的图像存在非线性几何畸变。为获取图像的准确信息,本文提出一种基于BP神经网络的图像几何畸变校正的方法,该方法克服了插值拟合不能真实描述图像非线性畸变等缺点。仿真结果表明,该方法使网格图像畸变校正精度<1m。

基于BP网络微位移传感器误差修正研究

对微位移传感器非线性误差的修正存在诸多问题,该误差是提高微位移传感器测量精度的"瓶颈"。本文介绍了用神经网络校正传感器系统非线性误差的原理和方法,提出了基于BP神经网络传感器非线性误差校正对测量数据进行修正。修正结果表明该方法是准确有效的,而且网络结构简单,准确度高。

BP神经网络自抗扰控制器在套印系统中的应用

针对凹版印刷机套印纠偏系统参数变化范围大的特点,将神经网络嵌入到自抗扰控制器中,提出基于神经网络的自抗扰控制策略,并应用于凹版印刷机套印纠偏系统的控制中。对该控制器的结构及应用神经网络的训练样本、方法进行了分析和讨论。并得出了有益的结论。仿真结果表明,应用基于神经网络的自抗扰控制器较单一的自抗扰控制器具有参数适应性更大、动态特征更好等优点。

虚拟仪器设计中压力传感器的BP神经网络温度非线形校正

压力传感器的输入输出特性大都存在非线性,且易受工作环境温度的影响。利用LabVIEW图形化编程语言,辅以多参量数据采集卡,采用了基于BP神经网络压力传感器非线性校正的模型、算法和实现方法,探讨了虚拟仪器系统中对压力传感器特性进行温度非线性校正。通过计算机仿真与应用,显示了在虚拟仪器系统中使用这种方法不但使压力传感器的性能得到了改善,而且计算时间短,准确度高,有实际应用价值。

基于改进型BP神经网络的瓦斯传感器的非线性校正

提出了一种基于改进型 BP 神经网络的瓦斯传感器的非线性校正方法,利用神经网络良好的非线性映射能力,逼近反非线性函数完成非线性校正。仿真实验结果表明:与分段线性校正和传统 BP 算法相比,改进型的 BP 神经网络收敛速度快、逼近精度高,准确度由原来分段线性校正的±5.02%提高到现在的±0.130%,且易于动态调校。

LabVIEW设计中压力传感器的BP神经网络温度非线形校正

介绍了LabVIEW设计中采用BP神经网络校正压力传感器系统的温度非线性校正的原理和方法,通过计算机仿真与应用,显示了这种方法使压力传感器的性能得到了改善,网络结构简单,准确度高,有实际应用价值。

BP神经网络在传感器非线性校正中的应用

针对热电偶和红外辐射温度计的非线性校正问题,介绍了神经网络的基本原理及BP神经网络在非线性拟合中的应用,对其参数的选择和在MATLAB下的实现方法进行了总结和叙述。

基于BP神经网络的高精度陀螺恒流源补偿方法

为了提高陀螺恒流源精度,提出一种基于BP神经网络的陀螺恒流源补偿方法.采用BP神经网络训练恒流源控制指令与恒流源输出之间的非线性映射稳态模型,以实时估计恒流源输出偏差.设计恒流源控制指令补偿判据,当输出偏差超出设定裕度时,按比例对恒流源控制指令值进行实时补偿,使得恒流源输出更接近控制目标值,以实现更优的精度.通过实物在回路仿真验证了上述方案的有效性,并通过与传统对控制指令进行分段线性标定方法相比较,显示了上述方案的恒流控制优势.

基于BP神经网络的铂铑热电偶的非线性校正

热电偶是工业中广泛使用的测温元件,由于其自身的物理特性的限制,其输出热电势与被测温度之间存在着一定的非线性,这将增大温度的测量误差,从而影响测量精度。针对这一问题,提出了基于BP神经网络的非线性校正算法,以热电偶的热电动势为输入信号,以与其相对应的温度值作为输出信号,给出了前馈型BP神经网络的结构和训练权值的方法。通过实验仿真结果对比可知,此方法降低了热电偶测温的非线性误差,便于操作,大大提高了铂铑热电偶在温度测量中的测量精度。

基于神经网络模型的传感器非线性校正(英文)

讨论了BP神经网络模型在传感器非线性补偿中的应用。给出了相应的补偿方法,即采用两个相同的传感器对同一被测量进行不同的测量,其测量结果作为神经网络模型的输入,经过补偿后的传感器具有线性的输入输出关系。采用递推预报误差算法(PRE)训练神经网络,具有收敛速度快、收敛精度高的特点。以距离传感器为例,将基于BP神经网络的校正方法应用于减少距离传感器的非线性输出误差。实验结果表明,将训练后的神经网络接入距离传感器可以得到线性的输入-输出关系,增加神经网络隐层节点的数目可以提高校正精度。当隐层节点数取为40时,用于距离传感器非线性校正的神经网络模型在训练100步后的误差指数(EI)为9.6×10-6。结果表明:本文提出的基于神经网络模型的传感器非线性校正方法是行之有效的。

基于神经网络的传感器非线性误差校正

介绍了用神经网络校正传感器系统非线性误差的原理和方法 ,提出了基于BP神经网络传感器非线性误差校正及其模型、算法与实现技术。通过计算机仿真与应用 ,显示出这种逆模型不但可实现温度补偿和非线性校正 ,而且网络结构简单 。

汽油机进气歧管压力传感器非线性智能校正

为了消除汽油机进气歧管压力传感器在其运行状况中受温度以及电流波动因素干扰的影响,采用神经网络信息融合技术对压力测量过程中的温度以及电流波动等干扰因素进行非线性智能校正实验。结果表明:经非线性智能校正后,压力传感器非目标参量的影响被有效地消除,其输出稳定性比原来提高了约19倍,进气歧管压力传感器测量精度至少提高2.0%。

人工神经网络在传感器非线性校正上的应用

讨论了利用人工神经网络对浓度传感器进行非线性校正的原理以及神经网络权值的调整算法 ,并利用VB编程语言设计了非线性校正参数的计算程序。

基于神经网络的传感器非线性校正方法

BP神经网络是基于数值计算的知识处理系统,具备高度非线性映射的能力。为此,通过BP神经网络对样本数据进行训练,得到非线性校正模型及精度值,然后与传统的曲线拟合方法进行比较分析。结果显示,基于神经网络模型的传感器非线性校正方法具有良好的测试精度和实用性。

位置敏感探测器非线性校正的神经网络设计

为了解决由于位置敏感探测器有效光敏面过小导致的激光通信设备中信标光探测视场过小的问题,提出了一种基于BP神经网络的校正方法,并确定了一种适合FPGA实现的BP神经网络结构。该方法利用神经网络良好的非线性映射能力逼近非线性函数,从而实现非线性校正,增加光敏面可用面积达到增加探测视场的效果。仿真结果表明2-15-15-2结构且传递函数选择Log-sigmod+Log-sigmod函数的BP神经网络可有效抑制位置敏感探测器非线性的影响且易于硬件实现。