10.16579/j.issn.1001.9669.2016.06.016
基于改进RBF神经网络的传感器温度补偿系统研究
考虑到目前常用的温度补偿方法是使用智能算法建立温度补偿模型,并使用群智能优化算法进行优化,提高补偿精度,对于传感器非线性温漂段具有较好的补偿效果,但是对于具有较好的线性使用这种方法的效率较低,而使用常规的线性最小二乘直线拟合方法即可得到较好的补偿效果,因此本文将最小二乘直线拟合方法与RBF神经网络模型进行融合,研究一种对压力传感器进行温度补偿模型,使用蚁群算法对常规RBF神经网络进行优化,提高补偿模型的性能.通过MPX53型压阻式压力传感器进行实验研究,结果表明,使用本文研究的温度补偿方法后,传感器在各个温度下同样基本不受温度的影响,与使用全程蚁群优化RBF神经网络温度补偿方法效果相差不大,但是由于中间温度区域采用直线拟合方法,整体温度补偿的效率有所提高.
温度补偿、压力传感器、RBF神经网络、蚁群算法
38
TP212.6(自动化技术及设备)
教育部职业院校信息化教学研究项目2015LX029资助.The project supported by the Research Project of Information Teaching in Vocational Colleges of Ministry of Education of China No.2015LX029.
2017-01-11(万方平台首次上网日期,不代表论文的发表时间)
1225-1228