基于人工神经网络的压力传感器的温度补偿答辩章.pptVIP

结果处理 BP神经网络仿真结果 y = 0.0500 0.1627 0.2754 0.3871 0.5005 0.6115 0.7248 0.8373 0.9492 实验结果数据分析 由仿真的数据进行反归一化，得到融合值如下表所示： 融合数据 最大偏差为0.178，均方差为0.0876 融合值 0 20.035 40．071 59．928 80．088 99．822 119．964 139．964 159.875 误差 0 0.035 0.071 0.072 0.088 0.178 0.036 0.036 0.125 均方差 0.0876 融合数据 最大偏差为0.178，均方差为0.0876 融合值 0 20.035 40．071 59．928 80．088 99．822 119．964 139．964 159.875 误差 0 0.035 0.071 0.072 0.088 0.178 0.036 0.036 0.125 均方差 0.0876 融合数据 融合值 0 20.035 40．071 59．928 80．088 99．822 119．964 139．964 159.875 误差 0 0.035 0.071 0.072 0.088 0.178 0.036 0.036 0.125 均方差 0.0876 融合数据 融合值 0 20.035 40．071 59．928 80．088 99．822 119．964 139．964 159.875 误差 0 0.035 0.071 0.072 0.088 0.178 0.036 0.036 0.125 均方差 0.0876 最大偏差为0.178，均方差为0.0876 融合数据 融合值 0 20.035 40．071 59．928 80．088 99．822 119．964 139．964 159.875 误差 0 0.035 0.071 0.072 0.088 0.178 0.036 0.036 0.125 均方差 0.0876 * 压电效应是压电传感器的主要工作原理，压电传感器不能用于静态测量，因为经过外力作用后的电荷，只有在回路具有无限大的输入阻抗时才得到保存。实际的情况不是这样的，所以这决定了压电传感器只能够测量动态的应力。 　　压电传感器主要应用在加速度、压力和力等的测量中。压电式加速度传感器是一种常用的加速度计。它具有结构简单、体积小、重量轻、使用寿命长等优异的特点。压电式加速度传感器在飞机、汽车、船舶、桥梁和建筑的振动和冲击测量中已经得到了广泛的应用，特别是航空和宇航领域中更有它的特殊地位。 　　.温度范围 　　压力传感器的温度范围分为补偿温度范围和工作温度范围。补偿温度范围是由于施加了温度补偿，精度进入额定范围内的温度范围。工作温度范围是保证压力传感器能正常工作的温度范围。 压力传感器的温度补偿一般有硬件补偿和软件补偿两种方法。硬件补偿主要采用硬件电路来消除其影响, 但难以做到全额补偿, 且存在补偿电路硬件漂移等问题。根据文献《基于小波神经网络的压力传感器温度补偿方法》可以知道，软件补偿可以分为数值分析法和人工智能法专家系统、神经网络、遗传算法和模糊系统)。基于数值分析的温度补偿法，最常采用的是最小二乘曲线拟合法或多段折线逼近法. 最小二乘法是基于梯度变化量的计算来求最优解的, 是一种局部搜索技术, 容易进入局部最优, 但很难得到全局最优解。多段折线逼近法的算法较复杂, 拟合精确度不高。考虑到传统的基于数值分析方法的不足, 本文采用了人工神经网络理论对压力传感器进行温度补偿。人工神经网络有很强的非线性建模能力, 能完成复杂的非线性映射功能, 同时, 神经网络具有自组织、自学习及推理的自适应能力。 压力传感器的温度补偿一般有硬件补偿和软件补偿两种方法。硬件补偿主要采用硬件电路来消除其影响, 但难以做到全额补偿, 且存在补偿电路硬件漂移等问题。根据文献《基于小波神经网络的压力传感器温度补偿方法》可以知道，软件补偿可以分为数值分析法和人工智能法专家系统、神经网络、遗传算法和模糊系统)。基于数值分析的温度补偿法，最常采用的是最小二乘曲线拟合法或多段折线逼近法. 最小二乘法是基于梯度变化量的计算来求最优解的, 是一种局部搜索技术, 容易进入局部最优, 但很难得到全局最优解。多段折线逼近法的算法较复杂, 拟合精确度不高。考虑到传统的基于数值分析方法的不足, 本文采用了人工神经网络理论对压力传感器进行温度补偿。人工神经网络有很强的非线性建模能力, 能完成复杂的非线性映射功能, 同时, 神经网络具有自组织、自学习及推理的自适应能力。 * 基于人工