基于并联逆的超声波液位传感器故障误差补偿方法

针对过程控制系统(PCS)液位控制单元中超声波液位传感器故障引起的非线性误差,基于神经网络建模方法设计了一种并联逆补偿环节,有效地补偿了故障误差对系统的影响.通过实验分别获得故障传感器与正常传感器测得的液位值,并进行相应的预处理;基于上述离线数据,分别利用LM-BP、径向基函数(RBF)神经网络的非线性逼近特性,设计逆映射中的并联补偿环节;为验证传感器故障误差的补偿效果,基于OPC技术与Matlab搭建了PCS半实体实验平台,将设计的并联补偿环节置于搭建的PCS液位控制单元中进行闭环实验.结果表明,所建方法能有效补偿传感器故障产生的非线性误差,抑制了故障影响在系统中的传播,实体实验也显现了方法的工程可用性.     

神经网络LM算法在X射线探测器中的应用

介绍了1种探测X射线分布和剂量的方法.采用BP神经网络拟合图像灰度值与照射量率的关系曲线,实现了探测器的标定.分析了直接用CMOS图像传感器探测X射线的原理.探讨了神经网络参数选取的方法.利用LM算法优化BP神经网络,得到较为精确的拟合曲线和误差曲线,并且用测试数据验证该系统的误差性能指标.实验证明该算法能够较为精确的测量辐射的剂量信息,可应用于X射线探测器的标定.     

基于BP-LSTM双输入网络的大钩载荷与转盘扭矩预测

考虑影响钩载、扭矩的因素复杂多样及钻井过程的时序性特点,优选BP神经网络和长短期记忆神经网络,设计双输入网络架构,建立大钩载荷与转盘扭矩智能预测模型.该模型同时考虑影响钩载、扭矩的多种复杂参数以及钩载、扭矩等时序数据随时间变化的趋势和前后关联,通过时序性数据和非时序性数据共同预测大钩载荷与转盘扭矩.利用国内某油田钻井现...     

基于BP神经网络模型的压力传感器温度补偿

鉴于压阻式压力传感器温度漂移问题,建立了压力传感器的温度补偿BP神经网络模型,采取人工鱼群-蛙跳算法优化训练BP神经网络.实验结果表明,利用人工鱼群-蛙跳算法优化的BP神经网络模型能快速、准确地实现压力传感器温度补偿,并提高压力传感器的输出精度.     

基于遗传算法和神经网络的攻丝扭矩预测

针对振动攻丝工艺参数与攻丝扭矩之间的高度非线性关系问题,利用神经网络的基本原理,结合遗传算法理论建立了工艺参数和攻丝扭矩之间的关系模型.将网络模型的预测结果与实验结果进行了比较,显示出了GA-BP预测模型的可靠性.     

一种二维力/扭矩传感器的设计

针对用于测试旋转型行波超声电机工作状态下定子、转子摩擦力/力矩的特殊要求,并利用有限元法对传感器进行了结构优化,设计了组合式二维传感器,该传感器的一维测量法向正压力;另一维测量扭矩。法向力的量程为0~200N,准确度为0.09%;扭矩的量程为0~2N.m,准确度为0.41%。满足了试验要求。     

基于误差分级迭代法的基坑变形预测

BP(back propagation)神经网络算法在变形预测方面存在收敛速度慢、学习效率低、容易陷入局部最小值等问题,直接影响预测结果的精准性,利用误差分级迭代法优化的神经网络能够更好地降低误差,提升预测性能.通过对比分析误差分级迭代法与BP神经网络的优势,建立误差分级迭代法模型并编制误差分级迭代法变形预测程序.采用基坑工程实测数据,经过误差分级迭代法优化后神经网络的最大误差为0.96％,与径向基神经网络预测精度相比提高3.5％,利用误差分级迭代法预测基坑变形结果其精准性较高,具有一定的实用价值.     

LMBP和RBF在ECS特性曲线拟合中对比研究

为精确反映数字式涡流传感器的输入输出特性, 为其非线性补偿提供可靠依据, 对传统BP（Back Propagation）神经网络进行改进, 利用LMBP（Levenberg Marquart Back Propagation）神经网络和RBF(Radial Basis Function)神经网络对涡流传感器的输入输出特性曲线进行拟合, 并将两者拟合结果进行对比研究。仿真结果表明, 在训练样本数量相等且中小规模网络的条件下, 采用RBF神经网络比采用LMBP神经网络进行曲线拟合的误差更小、 收敛速度更快且具有更高的拟合精度, 为工程实际中一维数据的拟合方法选择提供了依据。     

神经网络方法在发动机特性仿真中的应用研究

根据发动机特性实验结果研究了发动机扭矩和转速与燃油耗及节气门开启角之间的关系.分析了利用BP神经网络工具箱对该网络进行设计的过程,建立了发动机扭矩和转速与燃油耗及节气门开启角关系的神经网络模型,即基于函数trainbpx和trainlm的模型.结果表明,基于函数trainbpx的模型的稳定性较好,而基于函数trainlm的模型的结构较简单,训练时间较短.     

基于压电石英晶片扭转效应的扭矩传感器原理与研制

发明了一种基于压电石英晶片扭转效应的扭矩传感器,介绍了其理论基础、扭转束缚电荷密度分布规律与电极的粘贴方法,以及扭矩传感器性能标定.该传感器同其他石英扭矩传感器相比,突出特点是采用石英晶片的扭转效应而不是通常采用的剪切效应来建构的.整个扭矩晶组仅由3片普通Y0°切型的石英晶片组成,采用分割电极法布置检测电极,晶组的组成方式能够减小或避免径向力和轴向力的横向干扰,同时又能提高传感器的灵敏度.经标定该传感器的技术指标全面达到CIRP-STCC规定的测力仪使用标准.     

基于递归神经网络模型的传感器非线性动态补偿

讨论了递归神经网络模型在传感器非线性动态补偿中的应用，给出了递归神经网络模型的结构及相应的训练算法．递归神经网络模型本身具有动态映射能力，其结构仅与输入层和中间层的节点数有关，且不需要知道被补偿传感器的结构特性(如输出、输入的最大延迟)等先验知识，简化了动态补偿器的结构设计．采用递推预报误差算法训练神经网络，具有收敛速度快、收敛精度高的特点．实验结果表明，经过补偿后的传感器具有期望的输入输出特性，应用递归神经网络对传感器进行非线性动态补偿是一种行之有效的方法．     

随钻电磁波传播测井传感器参数优化设计

 随钻电磁波传播测井是随钻测井系列中最重要的一种测井方法,它通过记录电磁波信号的幅度比和相位差来反映地层介质信息。不同的频率、源距的测井仪器参数会产生不同的测井响应特性,选择适当的传感器参数能够提高其探测效率。应用有限元法对非均质地层进行正演模拟,得到随钻电磁波传播测井方法的纵向分辨率与径向探测深度。采用神经网络的方法辅助传感器参数优化设计,计算不同地层电阻率、频率、源距的纵向与径向函数。通过计算值分析得到优化后的传感器参数,并计算新传感器参数的视电阻率正演响应。计算结果虽然与正演计算数值有一定误差,但误差很小,并且在可以接受的范围内。随着正演模拟样本的增加,神经网络的方法能够有效辅助参数优化设计,降低计算次数。设计的新型传感器够有效反映地层电阻率。     

检测器误差对路网流量推算影响的灵敏度分析

以路网检测器布设可测流问题中检测器误差对路网流量推算的影响为研究对象,采用基于交叉口转弯比的流量守恒方程和网络检测器布设模型,给出灵敏度分析方法并将其作为检测器误差分析的通用方法.将路段流量推算结果受误差源路段检测器误差的影响定义为关键系数,通过理论推导得出,多个误差源路段流量检测器误差对路网流量推算结果的影响为单个误差源路段流量检测器误差影响的线性叠加.最后以方格式路网为实例,采用在路网的只进和只出路段布设检测器两种方案,利用关键系数给出了检测路段流量误差对未检测路段流量推算的影响.     

改进型BP 神经网络对球面磨削最高温度的模拟与预测

基于人工神经网络良好的非线性逼近特性,利用正交试验结果作为神经网络的训练样本,建立基于批训练的改进型误差反向传播(BP)神经网络,并通过Levenberg-Marquardt算法使网络误差最小化,配合Bayesian正则化使网络的误差平方和、网络权重以及阈值平方和实现最优化组合.结果表明,改进型BP神经网络具有较快的收敛速度、较好的泛化性和较强的稳定性,能够准确模拟和预测球面磨削中的最高温度.
     

基于联邦网络的传递对准滤波补偿算法

针对空中环境各种干扰因素对空空导弹传递对准(TA)滤波的影响,提出一种基于联邦网络的补偿算法.将干扰误差考虑为量测输入纳入滤波系统,改进标准Kalman滤波结构.将补偿神经网络设计成联邦结构,两个子系统分别用于训练量测输入估计误差、输出层权值误差和隐层权值误差.推导了联邦网络的训练算法并对算法进行了稳定性证明,保证了网络在结构上计算量小,系统反馈能力强,能够对干扰误差进行有效在线预测,辅助改进Kalman滤波器对失准角进行精确估计.仿真比较实验验证了该算法能够在不需任何先验信息的条件下,及时适应对准环境,预测校正干扰误差,滤波收敛快、精度高,适合空空导弹在具体设备和环境条件下的快速精确传递对准.     

基于改进CNN-GRU网络的多源传感器故障诊断方法

提出一种复杂系统内多源传感器的故障诊断方法.利用多源传感器数据之间的相关性,使用卷积神经网络提取不同传感器之间的联系和特征.在卷积网络中,设计了传感器数据标定模块使得网络更关注学习与故障信号相关的传感器数据.利用循环网络对传感器自身的时序特征建模,引入跳跃连接和辅助损失函数降低网络的训练难度.最后综合时空特征,一次计算得到故障分类结果和故障参数估计.仿真结果表明,改进后的CNN-GRU网络能够实时准确地诊断传感器的固定偏差故障和漂移偏差故障,传感器数据标定模块和跳跃连接的引入有效地提高了诊断算法的准确率和精度.      

动态误差时间序列小波神经网络预测模型

基于现代误差修正技术,研究小波神经网络建立的动态测量误差预测模型,以进行误差修正,提高动态测量精度,避免了传统神经网络需要人为干预网络结构参数的不足。文章介绍了建模方法,重点对大轴圆度误差测量过程中的动态测量数据进行实例分析,结果表明,该模型预测精度高,具有重要的应用价值。     

压力传感器数据融合算法研究

传感器存在的交叉灵敏度,运用BP网络对数据进行融合,可以有效降低非目标参量对输出特性的影响．MATLAB中提供了多种针对BP网络的训练方法,运用其中的变梯度法、拟牛顿法和LM法分别对压力传感器进行数据融合,比较其结果可以得出：LM算法可以有效地克服局部收敛,更好地提高压力传感器的稳定性和可靠性．     

基于神经网络的过程软测量

以神经网络实现对某厂萃取精馏塔产品成分的实时估计，神经网络选用多层前馈网络，具有６个输入结点、１个输出结点、单隐层结构、１０个隐结点。所点数据全部取自生产现场，共取１８组样本数据，其中１５组用于网络的学习，３组用于网络的检验，结构分析表明，年建立的社会网络可以所映实际对象。     

自适应神经网络及其在刀具智能监控中的应用

讨论了神经网络的拓扑结构的学习和神经元激活函数等问题,提出了自构形神经网络的概念和算法,较好地解决了隐节点数目选取问题.将自适应神经网络用于刀具加工状态智能监控的信号融合之中,取得了满意的结果.