作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出了一种传感器特性线性化的方法.该方法把传感器特性分为线性和非线性段,用一种改进的BP神经网络映射传感器特性非线性段的反函数作为校正环节,用最佳拟合方法得到线性段的直线方程,从而实现传感器特性的线性化.经过仿真试用表明,这种方法可使传感器的非线性误差减小近十倍.最后,给出了一些仿真实验和仿真结果.
推荐文章
神经网络和遗传算法相结合实现非线性传感特性的线性化
测量
非线性特性
线性化
误差
神经网络
遗传算法
基于遗传算法和线性神经网络的浓度传感器输出特性拟合
浓度传感器
遗传算法
线性神经网络
动态标定
基于遗传神经网络的传感器输出特性拟合
传感器
遗传神经网络
输出特性
拟合
在线标定
PSO算法结合BP神经网络在传感器静态非线性校正中的应用
计量学
静态非线性校正
粒子群优化算法
空气质量流量传感器
BP神经网络
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 最佳拟合与神经网络相结合实现传感器特性线性化
来源期刊 控制理论与应用 学科 工学
关键词 神经网络 最佳拟合 传感器 线性化 仿真
年,卷(期) 2003,(1) 所属期刊栏目 应用研究
研究方向 页码范围 66-69
页数 4页 分类号 TP212.6
字数 3983字 语种 中文
DOI 10.3969/j.issn.1000-8152.2003.01.014
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 朱庆保 南京师范大学计算机系 78 1563 17.0 38.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (3)
节点文献
引证文献  (18)
同被引文献  (17)
二级引证文献  (36)
1990(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(2)
  • 参考文献(2)
  • 二级参考文献(0)
2003(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2003(1)
  • 引证文献(1)
  • 二级引证文献(0)
2004(4)
  • 引证文献(4)
  • 二级引证文献(0)
2005(3)
  • 引证文献(1)
  • 二级引证文献(2)
2006(6)
  • 引证文献(2)
  • 二级引证文献(4)
2007(4)
  • 引证文献(3)
  • 二级引证文献(1)
2008(3)
  • 引证文献(0)
  • 二级引证文献(3)
2009(3)
  • 引证文献(1)
  • 二级引证文献(2)
2010(4)
  • 引证文献(1)
  • 二级引证文献(3)
2011(3)
  • 引证文献(1)
  • 二级引证文献(2)
2012(5)
  • 引证文献(0)
  • 二级引证文献(5)
2013(4)
  • 引证文献(0)
  • 二级引证文献(4)
2014(4)
  • 引证文献(1)
  • 二级引证文献(3)
2015(2)
  • 引证文献(0)
  • 二级引证文献(2)
2016(2)
  • 引证文献(0)
  • 二级引证文献(2)
2017(3)
  • 引证文献(2)
  • 二级引证文献(1)
2019(2)
  • 引证文献(1)
  • 二级引证文献(1)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
神经网络
最佳拟合
传感器
线性化
仿真
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
控制理论与应用
月刊
1000-8152
44-1240/TP
大16开
广州市五山华南理工大学内
46-11
1984
chi
出版文献量(篇)
4979
总下载数(次)
16
总被引数(次)
72515
论文1v1指导