α射线露点传感器非线性修正

介绍了采用半导体探测器和温度传感器研制成的α射线露点传感器的工作原理.分析了α射线露点传感器的温度特性,表明测量范围较宽时,传感器的输出易受环境温度的影响,并且成非线性.提出一种基于神经网络高精度线性化子块网络集成插值实现露点传感温度补偿方法.利用神经网络共轭梯度算法具有逼近任意非线性函数的特点,通过训练使神经网络建立在不同环境温度下传感器输出与其实际感受的电压值之间的非线性映射关系,实现α射线露点传感器温度补偿.实验结果表明,该方法不仅能有效地消除温度的影响,而且能在神经网络的输出端得到期望的线性输出.     

SOS压力传感器温度的补偿

分析了硅 蓝宝石(SOS)压力传感器的温度特性,表明测量范围较宽时,传感器的输出易受环境温度的影响,并且成非线性·提出一种基于神经网络共轭梯度算法的硅 蓝宝石压力传感器温度补偿方法·利用神经网络共轭梯度算法具有逼近任意非线性函数的特点,通过训练使神经网络建立在不同环境温度下传感器输出与其实际感受的电压值之间的非线性映射关系,实现硅 蓝宝石压力传感器温度补偿·计算机仿真表明,该方法不仅能有效地消除温度的影响,而且能在神经网络的输出端得到期望的线性输出·     

二维PSD非线性修正共轭梯度算法

根据光电位置敏感器件的原理和光点位置方程分析了PSD的非线性成因,并根据PSD的非线性特点,提出用神经网络的共轭梯度算法对PSD的非线性进行补偿·利用神经网络共轭梯度算法具有逼近任意非线性函数的特点,通过神经网络建立PSD实际输出与其理想值之间的非线性映射关系,实现光电位置敏感器件非线性补偿·计算机仿真表明,该方法不仅能有效地消除非线性的影响,而且在神经网络的输出端得到期望的线性输出·从而使PSD的B区获得了与A区近似的线性度,故在不增加成本,不改变测量设备复杂度的情况下,扩大了测量范围,提高了B区的测量准确度及数据的置信度·     

基于电话的远程湿度控制系统及其非线性修正

介绍了一种基于电信网络和MODEM技术的远程湿度控制系统,阐述了该系统的功能,并给出了系统的硬件组成和软件设计,分析了湿度传感器的特性,表明测量范围较宽时,传感器的输出易受环境的影响,并且成非线性的关系,提出一种神经网络共轭梯度算法对湿度传感器非线性特性进行修正的方法,结果表明,修正后的湿度传感器能在较宽的测量范围内输出高线性度的信号。     

一种基于BP算法的融合神经网络

针对水电仿真系统水机温度建模中存在非线性动态数学模型问题,提出了一种采用融合神经网络的温度模型·并且为消除应用中神经网络训练速度慢、容易陷入局部极值的影响,采用了可变学习速度的VLBP算法作为更新网络梯度和权值的算法·在该模型的实际应用中,首先设置多个传感器采集温度参数,然后使用采集数据对神经网络进行离线训练,而后使用训练完成的网络对水机温度参数进行实时在线预测·通过现场数据和网络预测数据的对比分析,证明该模型的实际准确率可达96 5%,可以满足实际仿真的要求·     

基于BP算法的光纤传感器非线性位移补偿研究

针对光纤位移传感器应用中存在的非线性问题,提出了以神经网络为补偿环节,结合传感器构成的一种非线性补偿模型.基本思想是采用BP算法,以传感器的输出作为神经网络的输入样本.传感器的输入位移为神经网络的期望输出,通过调整神经网络权值使神经网络的输出与期望值近似,实现位移测量的非线性补偿.实例仿真结果表明该方法有效提高了精度,是一种有效的传感器非线性补偿方法.     

基于神经网络的光纤光栅压力传感器的温度补偿

针对光纤光栅自身对温度和应变的交叉敏感性,以及光纤光栅压力传感器的输出受环境温度影响很大且不易消除的问题,以聚合物封装的光纤光栅传感器为例,提出了用BP神经网络实现光纤光栅压力传感器温度补偿的方法,解决了传感器输出特性的非线性校正的问题．通过Matlab仿真结果显示,系统最大测量误差由1915％降低到4．26％;实验证明该方法可以有效地减少温度对光纤光栅压力传感器测量精度的影响．     

多层神经网络共轭梯度优化算法及其在模式识别中的应用

将神经网络总体平均误差作为目标函数,以待求的神经网络权值和阈值作为设计变量,通过设计变量合理排序与分配,提出多隐层多层神经网络权值和阈值计算的高精度真实共轭梯度最优化算法·与BP算法和梯度优化算法相比,既能实现每步迭代在搜索方向上获得最优步长保证目标函数递减,又能克服在目标点附近的振荡现象·编制出神经网络权值和阈值计算的通用程序,给出神经网络合理结构选择的基本原理·通过足球机器人位置分析算例的神经网络分析和模式识别,表明所提出算法的有效性和实际应用价值·     

基于Labview和BP神经网络的温度补偿的研究

经典压力传感器的输入输出大都存在非线性、易受工作环境温度的影响。本文提出了基于LabVIEW和BP神经网络的传感器温度补偿系统得设计,实验证明温度补偿效果较好,有一定的实用价值。     

基于RBF神经网络模型和SVM模型的压力传感器

压阻式压力传感器由于受环境温度影响会产生较大的温度漂移,测量精度明显降低,不利于其他依赖于压力数据的测控环节的工作。简要分析了当前常用的压力传感器温度补偿方法,然后采用RBF神经网络模型和支持向量机模型对压力传感器因温度变化所产生的非线性进行补偿。结果显示:传感器的温度漂移分别降低到0.6%F.S和0.5%F.S.,大大提高了压力传感器的性能和测量精度。最后,通过补偿结果的对比分析,讨论了两种算法的优劣性。     

一维PSD背景光补偿的研究

分析了PSD的背景光非线性成因,并根据PSD的背景光非线性特点,提出了用神经网络的BP算法对PSD的背景光非线性进行了补偿,从而使PSD的背景光非线性获得了与线性近似的线性度．计算机仿真表明,该方法能有效地消除背景光的影响,在神经网络的输出端得到期望的线性输出．     

多变量系统的神经网络解耦新方法

利用前馈补偿的原理,设计了两种多变量系统的神经网络解耦方法·一种利用神经网络实现前馈补偿,使补偿以后的系统实现解耦,且解耦单变量系统具有原对象主通道的特性·第二种方法将解耦和神经网络逆动态控制结合起来,使对象的输出跟随对应输入值的变化·两种方法均可适用于多变量非线性系统     

神经网络权值和阈值的优化方法

为确定多层神经网络权值和阈值建立了真实的最优化求解方法,即将网络总体平均误差建立为目标函数,以权值和阈值作为设计变量,采用梯度法和共轭梯度法对网络权值和阈值进行优化计算·通过 Ｂ Ｐ 算法、梯度法和共轭梯度法对相同实例网络权值和阈值计算,验证了所提出的优化方法的有效性,实现了权值和阈值的快速准确计算·     

神经网络权值和阈值的优化方法

为确定多层神经网络权值和阈值建立了真实的最优化求解方法,即将网络总体平均误差建立为目标函数,以权值和阈值作为设计变量,采用梯度法和共轭梯度法对网络权值和阈值进行优化计算·通过ＢＰ算法、梯度法和共轭梯度法对相同实例网络权值和阈值计算,验证了所提出的优化方法的有效性,实现了权值和阈值的快速准确计算·     

多层人工神经网络合理结构的确定方法

隐层结构如何选择是多层人工神经网络应用中一个关键问题·基于多层神经网络优化算法原理和非线性方程理论,建立了多层神经网络计算输出和理想输出关系的非线性方程组,分析了权阈变量、标准样本数量和输出层单元数量的内在关系,给出隐层层数和每个隐层单元数量选取应该满足的基本条件·提出多层神经网络合理结构,即隐层层数和每个隐层单元数量选取的一般原则,给出隐层结构定量求解的直接计算方法和间接优化计算方法·对具体算例进行了合理结构分析,通过神经网络优化算法对多种结构组合比较,表明所提出的合理结构分析方法的正确性·这种方法将为多层神经网络在工程应用中如何选取合理结构提供理论依据和选取有效方法·     

一种非线性扩展混合共轭梯度算法的全局收敛性

描述了非线性FR共轭梯度法、非线性PRP共轭梯度法、非线性DY共轭梯度法等求解大规模无约束优化问题的有效算法.研究了计算更为有效的适合求解无约束优化问题的一种非线性扩展混合共轭梯度算法;给出了在Wolfe型线搜索下的非线性扩展混合共轭梯度法,算法产生的方向为下降方向.在一般的条件下,给出了算法的全局收敛结果,且数值实验表明算法十分有效.     

在最优准则下的共轭梯度重建算法

将最小二乘准则与平滑准则相结合,提出了一个关于SIRT型CT代数重建模型的实用的最优准则,根据这一准则推导出相应的代数重建方程·分别应用预优共轭梯度算法和另一种新兴的迭代格式SOR like算法对该方程进行求解·在理论上证明了:对任意的迭代初值,预优共轭梯度法的收敛速度至少不低于广义SOR或SOR like算法·在数值实验中,验证了预优共轭梯度算法比SOR like算法具有更好的CT重建效果和消噪能力·由此导出的预优共轭梯度重建算法提高了CT代数重建的效率·     

一种神经网络自适应控制策略

针对未知非线性不确定系统,提出了一种新的基于神经网络的自适应控制策略,该方法只需辨识对象的正向模型,将神经网络与优化方法相结合,对控制量进行优化迭代求解,使被控对象的输出能较好地跟踪期望输出,并且分别针对单输入-单输出系统和多输入-多输出系统进行了控制算法的推导,其中的优化方法分别采用梯度法和高斯-牛顿法·仿真结果表明,该算法能精确跟踪设定输出,超调量小,响应速度快,无稳态误差,控制效果是非常令人满意的     

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．     

机构综合的混沌优化算法

针对机构综合的非线性方程组求解问题提出了一种混合混沌算法,将方程组转换成一个优化问题,然后利用优化问题的非线性共轭梯度法与混沌优化方法相结合进行优化求解,该算法能使非线性共轭梯度法跳出局部最优,最终获得全局最优.机构综合实例表明：笔者提出的方法能够求出非线性方程组的所有实数解,算法有效、简单、实用.