基于神经网络融合的传感器温度误差补偿

为了在一定的温度和压力下有效改善传感器的非线性及温度变化引起的误差输出特性,提出了一种人工神经网络算法对其实现软件补偿. 它包含4 个权值的调整,分别代表输出信号的一次项,二次项以及温度的一次项,二次项系数,经过迭代以后...

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

提供《传感器模糊神经网络非线性误差补偿的研究.pdf》完整技术工程技术资料下载（归档大小 274 K），包含相关硬件原理图参考、开发文档或源代码工程。

·摘 要:针对热敏电阻温度传感器应用中存在的非线性问题，提出了应用小波神经网络实现其非线性补偿的方法，介绍了非线性补偿的原理，完整的推导了小波神经网络训练过程。实验结果表明，该方法补偿精度高，优于BP神经网络。[著者文摘...

指出了超声波在测距应用中的局限性, 并给出解决方案。着重从新的角度补偿超声传感器的误差, 提出了用BP前馈神经网络补偿超声波声速受温度、湿度变化而引起的误差。

介绍了用神经网络校正传感器系统非线性误差的原理和方法,提出了基于BP 神经网络传感器非线性误差校正及其模型、算法与实现技术。通过计算机仿真与应用,显示出这种逆模型不但可实现温度补偿和非线性校正,而且网