基于灰色神经网络的传感器分段标定

• 作者: 井原透 何伟铭 宋小奇 水洪伟 汪中厚 甘屹
• 来源期刊: 中国机械工程
• 关键词: 传感器分段标定 优化灰色 GM(1,1)模型 BP 神经网络 曲线拟合
• 年，卷（期）: 2015,（15）
• 所属期刊栏目: 信息技术
• 页码范围: 2056-2061
• 页数: 6页
• 分类号: TP212|TH7
• 语种: 中文

摘要

针对大量程高精度传感器不能一次完成标定实验的情况,提出一种将优化灰色 GM(1,1)模型与 BP 神经网络相结合来预测分段标定过程中特征值缺失的方法,从而实现传感器的分段标定。首先,根据实验数据建立传统灰色 GM(1,1)模型,对待标定传感器和标准传感器的测量值进行缺失数据的预测；然后,为弱化传统灰色 GM(1,1)模型序列变化的幅度,提高模型的预测精度,利用中心逼近的思想对传统的GM(1,1)模型进行优化；最后,利用 BP 神经网络对优化的灰色 GM(1,1)残差序列进行修正,以较高的精度实现对分段标定过程中缺失特征值的预测。结果表明,待标定传感器和标准传感器组合预测模型的平均残差分别为0??023％和0??401％,证明了组合预测模型的有效性。所提出方法为解决大量程高精度传感器分段标定时静态特性曲线的拟合提供了一种新思路。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	甘屹		83	427	10.0	18.0
2	汪中厚		90	366	10.0	16.0
3	水洪伟		2	2	1.0	1.0