基于RBF神经网络的静电电位动态测试仪波形重建

• 作者: 王向东 肖志伟 陈翔 魏明
• 来源期刊: 计算机测量与控制
• 关键词: 静电高压 波形重建 系统辨识 RBF神经网络 非线性 泛化能力
• 年，卷（期）: 2010,（5）
• 所属期刊栏目: 智能仪表与传感器
• 页码范围: 1202-1205
• 分类号: O441.1
• 语种: 中文

摘要

为降低静电电位动态测试仪采集波形的失真,提出利用基于RBF(Radial Basic Function)神经网络的系统辨识方法进行波形重建;使用静电高压动态电位标准装置进行试验,将输入的标准方波脉冲信号和经过静电电位动态测试仪后的畸变信号作为黑箱系统的输出和输入信号;利用基于RBF网络的系统辨识方法进行建模,根据所得网络模型预测不同高压脉冲下的重建波形,并与实测波形对比;结果表明基于RBF神经网络的系统辨识方法较好地还原了输入的标准方波脉冲信号,为静电高压动态电位波形校准提供了新的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏明	军械工程学院静电与电磁防护研究所	102	799	16.0	22.0
2	陈翔	军械工程学院静电与电磁防护研究所	21	141	7.0	11.0
3	王向东	军械工程学院静电与电磁防护研究所	6	58	3.0	6.0