传感器非线性硬件校正技术

针对传感器的非线性问题,介绍了几种非线性硬件校正方法,如正反馈校正方法和四象限乘法器校正方法等方法. 并讨论了这些方法的局限、优点及应用技巧.     

静水压活塞高压装置压力校正数据采集系统

高压装置的压力定标至关重要，在压力定标的过程中，一般采用精密电桥来测量压力传感器定标物质的电阻，易产生测量误差。压力校正采用数据采集适时处理系统．可以克服传统电桥测量方法所带来的误差，提高了测量高压装置压力的精度。     

智能式压阻压力传感器的设计

智能传感器(Integrated Smsrt)是传感器与微处理器的结合、兼有信息检测与信息处理功能的传感器.在对压阻压力传感器进行智能处理以后,传感器具有自校正功能,能对外界信息进行检测、判断和自诊断;具有数据存储、记忆和信息处理功能;具有随机整定和自适应能力,还具有与主机相互对话和自行决策处理功能.其精度、稳定度、可靠性、分辨力和信噪比都高于传统传感器.     

传感器在高中生物学实验教学中的应用

本文介绍了电导率传感器、二氧化碳传感器和气体压力传感器在生物学实验教学中的应用。     

一种基于高斯算法自动校准的多传感器磅秤系统

为了简化传统多传感器磅秤系统的调试校正流程,本文基于线性高斯算法,使用微控制器自动采集传感器数据并进行数据拟合,求解出多组较优应变参数,从而替代手动调节过程,实现了多传感器磅秤系统的调试校正自动化.     

用于大功率器件开关损耗实验测量的传感器响应特性

电压与电流传感器的响应特性对准确测量高速电力电子器件的功率损耗至为关键。本文通过建立传感器的传递函数模型 ,具体分析了其响应特性对器件损耗测量的影响 ,给出了测量传感器的选取原则。提出了基于传感器传递函数的测量误差数值校正方法 ,为提高器件损耗的测量准确度提供了理论依据。     

FBG传感技术在土木工程压力监测中的应用

近年来,重大工程结构安全事故时有发生,"结构健康监测"这一概念逐渐走进大众视野,应用于土木工程中的光纤光栅压力传感器作为一个重要分支,也在迅猛发展。本文总结了土木工程压力监测的几种情况,并分别针对各种工程条件下的FBG传感器进行了探究,分析了现今光纤光栅压力传感器的应用情况,进一步推进基于光纤光栅传感技术的智能监测系统的开发及应用。     

对称式微波功率传感器的幅度调制测量（英文）

为了减小失配造成的测试误差,在测量调制信号的微波功率时提出了一种直流校正方法.在传感器左端输入微波功率,右端输入直流功率,微波功率存在的寄生损耗和电磁耦合造成了失配误差,而直流功率不存在失配误差,所以通过右端输入的直流功率可以校正左端微波功率的失配误差.测试了在不同调制率和调制深度的校正因子.测试结果表明,载波频率是造成幅度调制测试误差的主要因素,校正后载波频率和调制率对输出电压的影响很小,频率响应在20GHz范围内变得相对平滑,而且灵敏度平均提高了大约0.12mV/dBm.因此,该直流校正方法对于终端式微波功率传感器具有一定的参考意义.     

传感器动态响应实验的课堂实现

为了解决传感器动态实验的困难,提高"传感器与检测技术"课程的教学质量,采用数字信号处理器,研制传感器动态校正系统.根据现场采集的动态实验数据,基于普通实验室具备的信号发生器和示波器,将动态响应再现,送入传感器动态校正系统,进行动态补偿,实现了在课堂上进行动态响应和补偿实验.     

提高压力传感器测量物体密度精确度的方法

利用压力传感器和物理天平测量物体的密度,发现压力传感器相对物理天平的精确度要低。为提高压力传感器测量物体密度的精确度,采用了一系列的改进方法:1工作电压选择3~6 V;2测试灵敏度时托盘用金属丝悬挂;3测量物体的密度时选择合适的细棉线悬挂待测物。通过实验验证,采用改进后的方法,用压力传感器测量物体的密度,其精确度有了较大的提高。     

新型神经网络的发展及其应用

人工神经网络是指模拟人脑神经系统的结构和功能,运用大量的处理部件,由人工方式建立起来的网络系统。近几年来,人工神经网络的研究工作十分活跃,取得了很大的进展,研究开发出了几十种神经网络的模型,出现了多种新型神经网络结构。本文重点介绍了近年来几种新型神经网络的基本模型及典型应用,包括小波神经网络、模糊神经网络、进化神经网络、细胞神经网络、混沌神经网络,同时比较了这几种新型神经网络的优势和不足。最后,根据这几种新型神经网络的特点,展望了它们今后的发展前景。     

基于智能诊断技术的发动机故障排查研究进展

智能诊断技术的研发与运用为汽车的故障诊断开辟了新的途径,基于神经网络的发动机故障诊断技术是智能诊断技术的重要组成部分。本文对基于BP神经网络、非BP神经网络及神经网络与其他技术相结合的汽车发动机故障诊断的研究进展进行了综述,并对三种发动机故障诊断技术进行了比较,展现了神经网络技术在智能诊断汽车故障系统中的运用和发展。     

BP神经网络模型及其应用

本文提出了一类神经网络模型,介绍了它的算法及其如何设计出该模型,最后通过神经网络对字符进行识别的例子,说明了神经网络在实际中的应用。     

非线性视角下物联网社区时序预测研究

物联网技术社区时序数据建模是世界各国学者研究的新型热点课题．本研究对非线性物联网技术社区时序数据预测神经网络中存在的几个瓶颈进行分析探讨．提出基于人工神经网络非线性视角下物联网技术社区时序数据预测中的应用研究来优化预测神经网络环境下的瓶颈．并且通过人工神经网络社区数据的仿真实验表明该算法的高效性和实用性．     

模糊神经网络中用于分类的几种误差函数的性能比较

模糊神经网络在分类应用领域有着很好的应用前景，在分类应用中，误差函数的选择对于能否取得好的分类效果至关重要，对几种常用的误差函数的性能进行了比较分析，其结论有助于应用神经网络进行分类时对误差函数的选择．     

BP神经网络在多维非线性函数拟合中的应用

为了解决常规方法拟合多维非线性函数的预测结果精度较低问题,采用非线性映射能力较强的BP神经网络进行多维非线性函数拟合。通过对BP神经网络结构及训练过程的分析,依据给定的两维非线性函数构建BP神经网络模型,并利用MATLAB软件对BP神经网络进行预测。仿真结果表明,BP神经网络对于两维非线性函数有良好的拟合能力,拟合误差小、收敛速度快,也使该方法具有较好的推广性。     

基于人工神经网络的自适应系统研究

研究了人工神经网络技术在自适应系统的应用。在运用人工神经网络原理建立站点模型的基础上,提出一个应用贝叶斯网络技术的自适应系统框架模型。     

BP神经网络及其应用和其推广能力的分析

针对BP神经网络进行了详细介绍,首先从数学上对网络的原理进行了说明,指出了它的局限性,又给出了很多改进方法.并通过例子介绍了BP神经网络的应用,后来还对网络的推广能力问题进行了分析.文中的例子也说明了,MATLAB工具箱的使用降低了网络的设计难度.     

BP神经网络优化算法研究

为解决BP神经网络收敛速度慢和易陷入局部极小值的缺点,利用遗传算法(GA)和基因表达式编程(GEP)的各自特点,基于BP算法提出了两种改进算法:其一是GA-BP算法,即利用GA优化BP神经网络的权值和阈值;其二是GEP-BP算法,即利用GEP对BP网络进行调整,包括网络结构、权值和阈值。用样本数据进行了测试并与基本BP算法进行了比较,结果表明两种改进算法具有很强的可行性和高效性。     

BP神经网络的模型优化研究及应用

随着神经网络在数据分析、预测及生产控制中的应用,神经网络的优化学习成为研究的一个重要课题.通过探讨BP神经网络模型的建立过程,针对BP神经网络的模型优化问题进行了详细研究.并通过对银行客户分类的仿真实验证明,优化模型能够有效地提高BP神经网络的收敛速度及预测精度.