基于RBF神经网络集成-模糊加权输出的数字温度传感器误差补偿.pdfVIP

第32卷 第7期 仪 器 仪 表 学 报 Vo1．32No．7 2011年 7月 ChineseJournalofScientificInstrument Ju1．2011 基于 RBF神经网络集成．模糊加权输 出的 数字温度传感器误差补偿 林海军 ，滕 召胜 ，杨进宝 ，刘让周 (1湖南师范大学工学院 长沙 410081；2湖南大学电气与信息工程学院 长沙 410082) 摘 要：数字温度传感器存在非线性误差，在高精度测温系统中需要进行误差补偿。提出了一种基于径向基函数神经网络集 成．模糊加权输出(RBFNNE—FWO)的数字温度传感器误差补偿方法 ：首先根据数字温度传感器的误差特征，提取特征阈值 ，构 造三个相互独立的成员 RBFNN；考虑到成员网络之间边界误差补偿问题，构建一种 RBFNN集成输 出权值模糊调节器，获得 RBFNN集成输出权值，从而完成数字温度传感器的全量程误差补偿。与多种方法的比较仿真实验表明，这种 RBFNNE—FWO方 法的性能最佳、各成员网络边界误差最小，补偿后的数字温度传感器误差减少了两个数量级，大大提高了测温准确度。 关键词 ：数字温度传感器 ；误差补偿；径向基函数神经网络集成一模糊加权输出；边界误差 中图分类号：TP212 文献标识码：A 国家标准学科分类代码：510．40 Errorcompensation fordigitaltemperaturesensorbasedonRBF neuralnetwork ensembles-fuzzyweighingoutput LinHaijun，TengZhaosheng，YangJinbao，LiuRangzhou (PolytechnicCollege，HunanNormalUniversity，Changsha410081，China； 2CollegeofElectricalandInformationEngineering，HunanUniversity，Changsha410082China) Abstract：Nonlinearerrorcompensationfordigitaltemperaturesensorisnecessary in high accuratetemperature measurementsystem．Anerrorcompensationmethodbasedonradialbasisfunctionneuralnetwork ensembles-fuzzy weighingoutput(RBFNNE-FWO)isproposed．Thecharacteristicthresholdvaluesareobtainedaccordingtheerror characteristicsofthedigitaltemperaturesensorandthenthreeindependentmemberRBFNNsarefounded．Consider． ingthecompensationissuefortheboundaryerrorsamongthemembernetworks，afuzzyweighingadjusterisestab- lished，andthentheoutputweightsoftheRBFNN ensemblesareobtained．Finally，theerrorcompensationofrthe wholemeasuringrangeofthedigitaltemperaturesensorisrealized．Simulationexperimentswereconductedandthe proposedmethodwascomparedwithdifferentkindsofothermethods；experimentresultsshow thattheperformances oftheRBFNNE-FWOmethodisthebest，itsb