改进遗传神经网络在传感器温度补偿中的应用 application of improved genetic neural network in sensor temperature compensation.pdfVIP

下载本文档

0
0
约1.37万字
约 5页
2017-08-13 发布于上海
举报
版权申诉

改进遗传神经网络在传感器温度补偿中的应用 application of improved genetic neural network in sensor temperature compensation.pdf

1、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

改进遗传神经网络在传感器温度补偿中的应用 application of improved genetic neural network in sensor temperature compensation

第22卷第1期电子测量与仪器学报％2．22No．1 · · OF 62 ELECTRoNIcMEASUREMENTANDINSTRUMENT 2008年2月 JOURNAL 改进遗传神经网络在传感器温度补偿中的应用唐炜1’2徐晓苏1 (1．东南大学仪器科学与工程学院，江苏南京210096；2．江苏科技大学机械与动力工程学院，江苏镇江212003) 摘要：精确辨识传感器温度补偿模型对于提高系统测试精度具有重要的意义。神经网络具有良好的自学习、自适应和非线性映射能力，但往往训练速度慢、易陷入局部极小值，而遗传算法具有很强的全局寻优能力，但其局部有哪些信誉好的足球投注网站能力却不足。本文探讨了利用改进遗传算法优化函数链神经网络，以获得全局最优解的方法，并根据多温度条件下的实测数据，对电涡流传感器温度补偿模型进行了有效辨识。结果表明，该方法运算快速、精度高、通用性强，在智能传感器建模与补偿等领域具有良好的应用前景。关键词：传感器，温度补偿，改进遗传算法，函数链神经网络中图分类号：TP212．6、TH701文献标识码：A of GeneticNeuralNetworkinSensor ApplicationImproved TemperatureCompensation Weil·2XuXiaosul Tang ofInstrumentScienceand 210096，China； (1．School University，Nanjing Engineering：Southeast 2．SchoolofMechanicalandPower ofScienceand University Technology，Zhenjiang212003，China) Engineering，Jiangsu is to itsmeas— identificationofsensor model Abstract：Precise significantimprove temperaturecompensation urement networkhastheabilitiesof andnon—linear its mapping，but accuracy．Neural self-learning，self-adaptation has isslowanditisliabletofallintosomelocalminimum．Genetic convergencespeed algorithmhighglobaloptimi— zation itslocalsearch isweak．Inthis to