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:
为实现压力传感器的温度补偿,采用BP神经网络作为压力传感器软件补偿系统的核心算法,但由于BP神经网络算法易陷入局部极值,因此采用具有全局搜索能力的算法—人工鱼群算法(AFSA)进行优化,得到的结果是压力传感器的线性度提升1个数量级,温度灵敏度系数降低2个数量级,得到了很好的补偿效果.
推荐文章
基于BP神经网络的压力传感器数据融合研究
压力传感器
数据融合
BP神经网络
非目标参量
基于BP神经网络的智能压力传感器设计
分布式控制
智能压力传感器
BP神经网络
DS18B20
基于BP神经网络的压力传感器静态特性数据融合
BP神经网络
压力传感器
数据融合
静态特性
基于神经网络的电容式压力传感器非线性校正
神经网络
自动补偿
智能传感器
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 基于人工鱼群BP神经网络算法的压力传感器温度补偿研究
来源期刊 微型机与应用 学科 工学
关键词 压力传感器 温度补偿 人工鱼群算法
年,卷(期) 2016,(9) 所属期刊栏目 软件与算法
研究方向 页码范围 27-29,33
页数 4页 分类号 TP23
字数 2865字 语种 中文
DOI 10.19358/j.issn.1674-7720.2016.09.009
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 卢文科 东华大学信息科学与技术学院 60 216 8.0 12.0
2 左锋 东华大学信息科学与技术学院 26 35 3.0 4.0
3 陈群 东华大学信息科学与技术学院 4 24 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (25)
共引文献  (62)
参考文献  (4)
节点文献
引证文献  (1)
同被引文献  (8)
二级引证文献  (0)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(4)
  • 参考文献(1)
  • 二级参考文献(3)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(4)
  • 参考文献(0)
  • 二级参考文献(4)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(3)
  • 参考文献(3)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
压力传感器
温度补偿
人工鱼群算法
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
信息技术与网络安全
月刊
2096-5133
10-1543/TP
大16开
北京市海淀区清华东路25号(北京927信箱)
82-417
1982
chi
出版文献量(篇)
10909
总下载数(次)
33
总被引数(次)
35987
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导