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:
标准人工蜂群算法在运算过程中容易随着迭代次数增加丢失优质解,从而降低解的稳定性.已有研究表明引入自适应人工蜂群优化算法可以提高算法稳定性.针对红外气体传感器在工作时环境温度对测量精度影响较大的问题,提出一种基于自适应人工蜂群-BP人工神经网络(AABC-BP)温度补偿方法.利用自适应人工蜂群算法对BP神经网络的阈值和权值进行优化,构造出红外气体传感器温度补偿模型,并将其应用于温度补偿实验研究中.实验结果表明:(AABC-BP)算法可有效提高BP神经网络的收敛速度和计算精度;基于(AABC-BP)混合算法的红外气体传感器温度补偿模型,可以将其温度补偿精度误差控制在5%以内.
推荐文章
基于改进 PSO 算法的红外气体传感器温度补偿
红外气体传感器
温度补偿
粒子群优化
动态拓扑
列维变异
数值仿真
基于红外原理的微型气体传感器
红外吸收
气体检测
热释电
瓦斯
基于BP网络的电涡流传感器非线性补偿
电涡流传感器
非线性
BP神经网络
Multisim
Matlab仿真
基于神经网络融合的传感器温度误差补偿
温度误差补偿
神经网络
数据融合
漏磁检测
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AABC-BP算法的红外气体传感器温度补偿
来源期刊 传感技术学报 学科 工学
关键词 红外气体传感器 温度补偿 自适应人工蜂群 BP神经网络 参数优化
年,卷(期) 2018,(10) 所属期刊栏目 传感器研究
研究方向 页码范围 1472-1477
页数 6页 分类号 TP212
字数 4455字 语种 中文
DOI 10.3969/j.issn.1004-1699.2018.010.003
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 李成兵 西南石油大学机电工程学院 12 93 5.0 9.0
2 毛熙皓 西南石油大学机电工程学院 2 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (160)
共引文献  (193)
参考文献  (16)
节点文献
引证文献  (1)
同被引文献  (13)
二级引证文献  (0)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(5)
  • 参考文献(0)
  • 二级参考文献(5)
2002(5)
  • 参考文献(0)
  • 二级参考文献(5)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(5)
  • 参考文献(0)
  • 二级参考文献(5)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(8)
  • 参考文献(0)
  • 二级参考文献(8)
2008(7)
  • 参考文献(1)
  • 二级参考文献(6)
2009(10)
  • 参考文献(0)
  • 二级参考文献(10)
2010(17)
  • 参考文献(0)
  • 二级参考文献(17)
2011(30)
  • 参考文献(0)
  • 二级参考文献(30)
2012(23)
  • 参考文献(2)
  • 二级参考文献(21)
2013(23)
  • 参考文献(2)
  • 二级参考文献(21)
2014(10)
  • 参考文献(4)
  • 二级参考文献(6)
2015(7)
  • 参考文献(2)
  • 二级参考文献(5)
2016(4)
  • 参考文献(1)
  • 二级参考文献(3)
2017(3)
  • 参考文献(3)
  • 二级参考文献(0)
2018(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)
2020(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
红外气体传感器
温度补偿
自适应人工蜂群
BP神经网络
参数优化
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
传感技术学报
月刊
1004-1699
32-1322/TN
大16开
南京市四牌楼2号东南大学
1988
chi
出版文献量(篇)
6772
总下载数(次)
23
总被引数(次)
65542
论文1v1指导