基于神经网络的气压传感器非线性校正
为了解决气压传感器非线性校正困难、校正结果精度低的问题,基于小波函数建立反向传播(back propagation,BP)神经网络模型,采用Levenberg-Marquardt算法进行网络参数更新,实现了气压传感器的非线性校正.实验结果表明:传统BP神经网络使气压传感器均方根误差由最初的2.10降低到0.68,减少了67.6%的测量误差;而提出的小波BP神经网络则使其降低到0.28,进一步减少了19%的测量误差,更好地满足了高空探测的精度要求,具有良好的泛化能力,可以推广到类似传感器的非线性校正中.
气压传感器、温漂、非线性校正、小波变换、Levenberg-Marquardt(LM)算法、神经网络
47
TP212.1(自动化技术及设备)
国家重点研发计划资助项目;国家自然科学基金资助项目
2021-01-20(万方平台首次上网日期,不代表论文的发表时间)
共10页
40-49