一种冲击波压力传感器的准静态校准神经网络模型

• 作者: 商飞 孔德仁 王胜强 赵传荣
• 来源期刊: 振动与冲击
• 学科: 物理学
• 关键词: 冲击波压力传感器 RBF神经网络 准静态校准 拟合模型
• 年，卷（期）: 2017,（13）
• 页码范围: 92-95,139
• 页数: 5页
• 分类号: O385
• 字数: 3436字
• 语种: 中文
• DOI: 10.13465/j.cnki.jvs.2017.13.014

摘要

由冲击波压力传感器准静态校准原理,间接比对式校准的精度取决于重锤的落高与压力拟合模型的精度,本文采用RBF神经网络建立了以落高为输入量、冲击波压力峰值为输出量的神经网络模型.选用典型标准压力传感器,在7~30 MPa量程范围开展校准实验;通过对测试样本进行分析,结果表明:该神经网络模型预测的最大相对误差不超过0.04%,比多项式拟合模型和指数拟合模型高一个数量级.落高与压力拟合模型引入的不确定度是构成冲击波压力传感器动态测量不确定度的一个重要分量,通过建立高精度的重锤落高与冲击波压力峰值神经网络拟合模型,为进一步提高冲击波压力传感器的测量精度奠定了基础.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孔德仁	南京理工大学机械工程学院	153	840	15.0	19.0
2	商飞	南京理工大学机械工程学院	22	66	5.0	7.0
3	王胜强		27	114	8.0	10.0
4	赵传荣	安徽工业大学电气与信息工程学院	3	7	2.0	2.0