基于神经网络的传感器非线性误差校正

文章描述了一种用反函数校正传感器非线性误差的方法,阐述了校正原理,提出了利用BP 神经网络和遗传算法相结合,拟合传感器传输特性反函数的算法,该算法可将传感器传输特性的非线性模型,改造成为与实际

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

当环境温度变化时电容式压力传感器的非线性响应特性也发生很大的变化，为了实现对电容式压力传感器的响应特性进行自动非线性补偿，提出了基于神经网络的智能压力传感器。该系统由两个神经网络组成，一个实现对温度的

提出了一种用支持向量机校正传感器非线性误差的原理和方法。该算法只依据样本就可以正确辩识传感器逆模型特征，而不需关于逆模型函数形式的任何先验知识，并将原问题转化为一个凸二次优化问题，能够保证找到的极值解

提供《基于神经网络的电容式压力传感器非线性校正.pdf》完整技术工程技术资料下载（归档大小 244 K），包含相关硬件原理图参考、开发文档或源代码工程。

在测量系统中，传感器的非线性特性是测量系统误差的主要来源。要提高测量系统的精度，就必须进行误差补偿。设计了一个用模糊小脑神经网络实现的补偿环节。该补偿环节是一个用神经网络拟合的传感器逆特性，通过传感器