电位差计校正电表误差分析

从校正电表及测电表内阻公式出发,对实验结果进行误差分析估算。     

基于FLANN数据融合的微重力落舱动态测重补偿及校正

提出了一种用函数连接型神经网络(FLANN)数据融合及直线回归分析技术相结合实现微重力落舱动态测重的补偿及其非线性校正的方法.该方法将测重传感器输出的线性段特性用回归方法进行拟合,得到直线校正方程;对测重传感器非线性特性采用FLANN数据融合,从而实现测重传感器温度补偿与非线性校正.该方法用于微重力落舱动态测重结果分析表明,该方法是切实有效和可行的.     

基于不同误差函数的神经网络求解线性方程组

对于同一线性方程,存在多种不同的求解方法,而且由于求解方法的不同,其收敛速度也存在差异.对一个一般的线性方程设计2个不同的误差函数,利用梯度下降法建立2个梯度神经网络模型.借助Matlab仿真软件进行计算机仿真,根据不同的梯度神经网络模型求出线性方程的解,从而证实2个梯度神经网络模型的可行性.最后借助Matlab软件模拟利用2个梯度神经网络模型求解线性方程时的收敛情况,比较2个梯度神经网络求解线性方程的收敛速度.     

基于极大似然估计法的磁力计误差补偿算法

针对现有三轴磁力计误差补偿速度慢、需要外部辅助设备、磁力计和惯性传感器组合存在多传感器轴位敏感重合误差问题,提出了一种基于极大似然估计法(maximum likelihood estimation,MLE)的快速有效的磁力计误差补偿算法.根据传感器组合系统中误差来源建立测量误差模型,建立高斯分布的极大似然参数估计模型,用牛顿最优法解算出误差补偿参数,并给出求解理想初始值的算法.仿真数据显示,补偿后的磁力计航向角解算精度达到0.81°,相比补偿前精度提高94.9％.实验结果表明,该算法可简单快速的实现误差补偿,多传感器轴位敏感重合误差得到校准.     

存在建模误差时的鲁棒自校正控制

研究了一类存在建模误差时的鲁棒自校正问题.在对象的模型误差是“相对小”的情况下,提出了具有辨识误差死区的辨识算法和相应的控制律;通过理论分析,给出厂辨识算法的收敛性;在给出的极点配置自校正定理中证明了对存在任意建模误差及任意有界初始状态的被控对象,整个自适应系统中所有的信号保持有界,因而也就表明所提出的控制算法对模型误差有很强的鲁棒性.     

一种基于ADSP-TS201的阵列误差校正方法

在数字阵列中,由于器件等原因造成的阵元的响应的不一致性,会对波束形成带来影响。本文分析了存在误差下的阵元幅相误差模型,给出了基于校正源的收发校正方法。该方法采用ADI公司的T S 201 DSP芯片和Altera公司的GX130 FPGA,通过DSP来计算和更新权系数,采用计算机板来计算校正系数,最后由FPGA来实现波束形成,试验验证了该方法的正确性和有效性。     

基于BP神经网络的关口电能计量装置测量误差预测及校正

关口电能计量装置造成的误差通常会给电网公司带来巨大的经济损失,因此提高关口电能计量装置的准确度,具有十分重要的应用价值.通过对关口电能计量装置的历史数据进行分析,采用BP(back propagation)神经网络算法进行误差预测,筛选出最适合关口电能计量数据的优化模型,并且校正计量异常值,从而减小电能计量装置产生的误差,提高电能计量的准确性.实验表明,误差预测及校正模型能准确预测关口电能计量装置误差,修正异常值.     

虚拟参考反馈校正控制器参数的预测误差辨识

针对未知系统中双控制器的设计问题,采用虚拟参考反馈校正方法,通过最小化由一组观测数据组成的L2范数所构成的代价函数,达到直接设计控制器目的.联合前馈控制器分离出的固定部分和反馈控制器作为滤波器,对原输入/输出关系式进行重参数化,得到标准的预测误差辨识形式,在所得式中,对控制器未知参数矢量采用可分离迭代的非线性最小二乘法进行估算.文中还对算法的收敛性进行了理论分析,并通过仿真验证了所提方法的有效性.     

基于Elman神经网络的振镜扫描系统误差校正技术研究

为了消除激光快速成型机中振镜扫描系统的非线性扫描误差，以提高系统的扫描精度，提出了运用神经网络校正激光振镜扫描系统误差的方法．通过对BP神经网络、径向基神经网络和Elman神经网络3种不同网络的对比分析，运用Elman神经网络训练有限个标定坐标点的误差补偿值，构造全视场误差补偿曲面，然后对视场坐标进行校正补偿．通过实例分析，测试件在z、y方向的尺寸均方根误差由原来的0．2296mm、0．2107mm分别减小到0．0232mm和0．0265mm．实验结果表明，采用Elman神经网络构造振镜扫描系统误差补偿曲面，对振镜扫描系统进行动态误差校正，可以显著提高快速成型机的扫描精度．     

基于机器视觉的印刷电路板误差校正方法

利用贴片机视觉系统,首先通过示教的方法消除第1块印刷电路板(PCB)的定位误差,然后利用对PCB板基准点的图像识别与计算,消除其余PCB板的定位误差和制造误差,从而保证了贴片机的重复贴装精度.本文提出的PCB板误差校正方法和步骤用于所研制的全视觉贴片机样机上,对细间距表面元件的贴装精度可以控制在±50μm以内.     

电容压力传感器的函数链接型神经网络建模方法

旨在开发一种计算简单的电容压力传感器的模型，以便经济、可靠地应用。分析表明，采用新型函数链接型神经网络建立的电容压力传感器模型，能够精确读出应用压力。它是一种能实现输入到输出的高度非线性映射并且运算高效的非线性网络，在建立传感器模型的类似性能上比多层感知器具有更高的运算优势。     

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。     

神经网络的滤噪纠错能力验证

神经网络具有抽取、归纳的能力,它能够滤出噪声及在有噪声情况下抽取事物本身内在的特征,得出正确的结论,因此它比较适合对具有大量噪声和测量误差的结构进行在线健康检测与状态评估.本文在用一简支梁对神经网络的滤噪和纠错功能给出了验证.     

基于模糊自适应变权重算法的函数链神经网络预测方法

为提高复杂工业系统非线性时间序列预测精度,将工业系统非线性时间序列不同的单个预测模型预测值作为函数链神经网络的原始输入值,并将原始输入值按正交的三角函数扩展得到的数值作为函数链神经网络扩展输入值,在分析函数链神经网络拟合充要条件的基础上,结合模糊自适应变权重算法计算函数链神经网络权重,建立基于模糊自适应变权重算法的函数链神经网络预测模型。研究结果表明:基于模糊自适应变权重算法的函数链神经网络预测方法的预测精度较高,并且平均误差和预测平方根误差均较小,具有较强的泛化能力;该模糊自适应变权重函数链神经网络预测模型可用于复杂非线性工业系统决策。     

基于人工神经网络的智能识别数字模型

人工识别阿拉伯数字既耗时又费力,提出了一种利用BP网络与竞争网络相结合的神经网络来识别阿拉伯数字的模型,仿真结果表明,该模型能够对数字进行准确、快速地识别,且抗噪能力较好.可以用于对部队番号、邮政编码、证件等进行识别.     

基于结构的神经网络模型

提出了一种基于结构的神经网络模型，并介绍了利用该模型进行系统建模与参数优化的方法，该神经网络模型本质上是结构化的，网络模型的结构与系统结构相对应，网络中神经元的个数是确定的，神经元之间的连接不是盲目的，而是根据子系统间的相互作用关系连接而成，网络的部分连接权值与系统结构参数相对应，具有明确的物理意义，所以，建模后可进一步进行结构参数的优化。     

基于神经网络的磁场定位技术

由于磁场无处不在的特点,使得磁场定位广泛应用于目标定位和状态检测中,然而在含有复杂铁磁质环境下,磁场信号的变化会导致定位精度下降甚至不能定位等问题.针对上述问题,提出了一种将磁场定位与BP神经网络相结合的方法,并进行了实验验证. 结果表明,基于BP神经网络的磁场定位方法可用于含有铁磁质的复杂环境定位. 定位精度与数据采集时磁源的移动步长、磁场传感器数量及传感器电子噪声有关,移动步长越小,传感器数量越多,电子噪声越小,定位精度越高.     

TA15合金热压缩流变应力修正及神经网络预测

文章采用Gleeble-1500热模拟试验机对TA15合金进行了等温热压缩试验;对试验数据进行了摩擦修正,以修正后的流变应力为基础,研究了在不同的热变形条件下,TA15合金流变应力的变化规律;采用人工神经网络的方法建立了该合金在不同温度范围内流变应力曲线的预测模型.预测值与实测值吻合较好,表明该方法能够很好地预测TA15合金在热变形过程中流变应力的变化.