基于神经网络的气压传感器非线性校正

TP212.1; 为了解决气压传感器非线性校正困难、校正结果精度低的问题,基于小波函数建立反向传播(back propagation,BP)神经网络模型,采用Levenberg-Marquardt算法进行网络参数更新,实现了气压传感器的非线性校正.实验结果表明:传统BP神经网络使气压传感器均方根误差由最初的2.10降低到0.68,减少了67.6％的测量误差;而提出的小波BP神经网络则使其降低到0.28,进一步减少了19％的测量误差,更好地满足了高空探测的精度要求,具有良好的泛化能力,可以推广到类似传感器的非线性校正中....

Full description

Saved in:
Bibliographic Details
Published in北京工业大学学报 Vol. 47; no. 1; pp. 40 - 49
Main Authors 贾克斌, 王彦明, 杨加春, 刘鹏宇
Format Journal Article
LanguageChinese
Published 北京工业大学信息学部,北京 100124 2021
先进信息网络北京实验室,北京 100124
北京工业大学计算智能与智能系统北京市重点实验室,北京 100124%天津华云天仪特种气象探测技术有限公司,天津 300392
Subjects
气压传感器
小波变换
神经网络
温漂
非线性校正
Levenberg-Marquardt(LM)算法
Online AccessGet full text
ISSN0254-0037
DOI10.11936/bjutxb2019110002

Cover

More Information
Summary:TP212.1; 为了解决气压传感器非线性校正困难、校正结果精度低的问题,基于小波函数建立反向传播(back propagation,BP)神经网络模型,采用Levenberg-Marquardt算法进行网络参数更新,实现了气压传感器的非线性校正.实验结果表明:传统BP神经网络使气压传感器均方根误差由最初的2.10降低到0.68,减少了67.6％的测量误差;而提出的小波BP神经网络则使其降低到0.28,进一步减少了19％的测量误差,更好地满足了高空探测的精度要求,具有良好的泛化能力,可以推广到类似传感器的非线性校正中.
ISSN:0254-0037
DOI:10.11936/bjutxb2019110002