资料下载
×
基于神经网络的多传感器系统误差校正方法
消耗积分:2 |
格式:rar |
大小:274 |
2009-07-13
杨平
分享资料个
为提高传感器的准确度,减少传感器的研制成本,提出了基于神经网络多传感器误差补偿的方法。该方法利用BP 网络较强的非线性映射能力,网络通过学习能实现对传感器系统误差的补偿。通过实例及仿真证明了该方法的有效性。
随着科学技术的进步,现代测控系统对传感器的可靠性及准确度提出了越来越高的要求。而现代智能信息处理技术在多传感器系统中的运用,可以提高系统的准确度和性能。当传感器达到一定准确度后,要使准确度有进一步的提高,投入要成倍增长。因此,可以通过对原传感器系统的误差进行补偿,以提高传感器的准确度。而这些误差,一般都是非线性的,甚至难以用解析表达式精确表示。
人工神经网络是由大量处理单元组成的非线性大规模动力系统。其特点是能进行大规模并行处理,具有很强的容错性和自适应性。其中BP (误差反向传播学习算法back propagation ) 网络具有较强的非线性映射能力,由映射定理,只要有一个含单层隐含层的三层BP 神经网络,就可以逼近任何映射函数以完成给定的映射任务[1 ] 。
随着科学技术的进步,现代测控系统对传感器的可靠性及准确度提出了越来越高的要求。而现代智能信息处理技术在多传感器系统中的运用,可以提高系统的准确度和性能。当传感器达到一定准确度后,要使准确度有进一步的提高,投入要成倍增长。因此,可以通过对原传感器系统的误差进行补偿,以提高传感器的准确度。而这些误差,一般都是非线性的,甚至难以用解析表达式精确表示。
人工神经网络是由大量处理单元组成的非线性大规模动力系统。其特点是能进行大规模并行处理,具有很强的容错性和自适应性。其中BP (误差反向传播学习算法back propagation ) 网络具有较强的非线性映射能力,由映射定理,只要有一个含单层隐含层的三层BP 神经网络,就可以逼近任何映射函数以完成给定的映射任务[1 ] 。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
