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:
针对电涡流传感器的温度漂移对其测量精度带来较大影响的问题,提出了基于遗传优化小波神经网络(GA-WNN)算法对电涡流传感器进行温度补偿修正模型.通过对电涡流传感器做标定实验,并且利用LM35温度传感器监测其工作温度,建立GA-WNN神经网络模型.该模型用遗传算法对小波神经网络的权、阈值进行全局的优化,改善了小波神经网络训练速度慢的问题,克服了易陷入局部最优的缺陷.研究结果表明,补偿后的灵敏度温度系数由8.69×10-3/℃提升到3.48×10-4/℃;零位温度系数由4.78×10-3/℃提升到1.85×10-4/℃,均提高了一个数量级,成功实现了温度补偿的目的.
推荐文章
基于GA-WNN模型的差动螺管电感式位移传感器的温度补偿
差动螺管式电感位移传感器
温度补偿
遗传优化小波神经网络算法
预测精度
电涡流传感器的温度补偿
电涡流传感器
温度补偿
差动
基于PSO-SVM的电涡流传感器温度补偿的研究
电涡流传感器
温度补偿
支持向量机
粒子群
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
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GA-WNN的电涡流传感器的温度补偿
来源期刊 测控技术 学科 工学
关键词 电涡流传感器 温度漂移 遗传优化小波神经网络算法 温度补偿
年,卷(期) 2019,(3) 所属期刊栏目 智能感知与仪器仪表
研究方向 页码范围 71-75
页数 5页 分类号 TP212
字数 2715字 语种 中文
DOI 10.19708/j.ckjs.2019.03.015
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 陆腾云 东华大学信息科学与技术学院 2 0 0.0 0.0
4 冯阳 东华大学信息科学与技术学院 6 8 1.0 2.0
5 吴子恒 东华大学信息科学与技术学院 2 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (57)
共引文献  (26)
参考文献  (9)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2005(5)
  • 参考文献(1)
  • 二级参考文献(4)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(8)
  • 参考文献(0)
  • 二级参考文献(8)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(4)
  • 参考文献(1)
  • 二级参考文献(3)
2012(6)
  • 参考文献(1)
  • 二级参考文献(5)
2013(5)
  • 参考文献(2)
  • 二级参考文献(3)
2014(4)
  • 参考文献(1)
  • 二级参考文献(3)
2015(3)
  • 参考文献(2)
  • 二级参考文献(1)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(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)
研究主题发展历程
节点文献
电涡流传感器
温度漂移
遗传优化小波神经网络算法
温度补偿
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
测控技术
月刊
1000-8829
11-1764/TB
大16开
北京2351信箱《测控技术》杂志社
82-533
1980
chi
出版文献量(篇)
8430
总下载数(次)
24
总被引数(次)
55628
论文1v1指导