学位论文 > 优秀研究生学位论文题录展示
压阻式压力传感器温度补偿方法研究
作 者: 孙艳梅
导 师: 刘树东
学 校: 齐齐哈尔大学
专 业: 通信与信息系统
关键词: 压阻式压力传感器 温度补偿 神经网络
分类号: TP212
类 型: 硕士论文
年 份: 2012年
下 载: 496次
引 用: 0次
阅 读: 论文下载
内容摘要
压阻式压力传感器是目前压力测量中应用最广泛的传感器,这种传感器具有频率响应高、精度高,稳定性好、体积小、易于集成化等特点,它在生物,医疗,航天,海洋工程,原子能等各种尖端科技和工业领域等都有着广泛的应用。由于半导体材料对温度具有高度的敏感性,因此,压阻式压力传感器的输出不可避免地受到温度的影响,而产生温度漂移。温度漂移问题极大地影响了传感器的稳定性和精度。为提高压阻式压力传感器的性能,目前神经网络被广泛用于传感器的温度补偿,其中BP(Back Propagation)神经网络的应用最为广泛,RBF(Radial Basis Function)神经网络和小波神经网络的应用也较为普遍。BP神经网络、RBF神经网络和小波神经网络各有其优缺点,BP神经网络具有较好的函数逼近特性,但存在收敛速度慢的缺点。RBF神经网络具有更好的函数拟合特性,学习速率比BP网络快、不存在局部极小问题,但它对训练样本却存在着高度的依赖性,极易出现数据病态现象。与BP神经网络和RBF神经网络相比,小波神经网络的特点是:收敛精度高和收敛速度快,但易陷入局部极小。本论文针对BP神经网络、RBF神经网络和小波神经网络在压阻式压力传感器温度补偿中存在的缺点进行了改进,具体如下:1.在分析BP神经网络和主成分分析原理的基础上,针对BP神经网络在压阻式压力传感器温度补偿中存在收敛速度慢的缺陷,提出了一个基于主成分分析的BP神经网络温度补偿模型。然后,对该模型用于压阻式压力传感器温度漂移的补偿进行了仿真。2.在分析RBF神经网络和因子分析原理的基础上,针对RBF神经网络存在极易出现数据病态现象的缺陷,提出了一个基于因子分析的RBF神经网温度补偿模型。然后,对该模型用于压阻式压力传感器温度漂移的补偿进行了仿真。3.在分析小波神经网络和遗传算法原理的基础上,针对小波神经网络易陷入局部极小的缺陷,提出了一个基于遗传算法的小波神经网络温度补偿模型。然后,对该模型用于压阻式压力传感器温度漂移的补偿进行了仿真。结果表明:提出的补偿模型有效抑制了温度对压阻式压力传感器输出的影响,提高了压阻式压力传感器的稳定性和准确性。基于主成分分析的BP神经网络温度补偿模型利用主成分分析提取数据的主要信息,同时剔除数据噪声误差,使网络平滑拟合,克服了BP神经网络在压阻式压力传感器温度补偿中收敛速度慢的缺陷;基于因子分析的RBF神经网络温度补偿模型利用因子分析实现对原始信息的筛选和降维,减少了网络的输入,简化了网络结构,大大提高了网络的学习速率与泛化能力,充分发挥RBF神经网络自适应能力,有效避免了RBF神经网络在压阻式压力传感器温度补偿中易出现数据病态的现象;基于遗传算法的小波神经网络温度补偿模型结合遗传算法的全局搜索能力和小波神经网络简单快速的函数逼近能力,克服了小波神经网络在压阻式压力传感器温度补偿中易陷入局部极小的缺点。
|
全文目录
摘要 6-8 Abstract 8-12 1 绪论 12-17 1.1 课题的研究目的和意义 13-14 1.2 国内外研究现状 14-15 1.3 本文的主要研究内容 15-16 1.4 本论文的各章节安排 16-17 2 压阻式压力传感器的工作原理与温度特性 17-24 2.1 压阻式压力传感器的工作原理 17-18 2.2 压阻式压力传感器温度特性 18-20 2.2.1 零点温漂产生的原因 18-19 2.2.2 灵敏度温漂产生的原因 19 2.2.3 传感器温度特性 19-20 2.3 压力传感器温度漂移的常用补偿方法 20-23 2.3.1 硬件补偿 20 2.3.2 软件补偿 20-23 2.4 本章小结 23-24 3 神经网络 24-36 3.1 神经网络概述 24-25 3.2 神经网络模型 25-28 3.2.1 神经元模型 25-26 3.2.2 神经网络的拓扑结构 26-27 3.2.3 学习与记忆 27 3.2.4 神经网络的功能 27-28 3.3 BP 神经网络 28-30 3.4 RBF 神经网络 30-32 3.5 小波神经网络 32-34 3.6 三种神经网络的比较 34-35 3.7 本章小结 35-36 4 压力传感器温度漂移标定数据及数据分析 36-44 4.1 温度漂移标定实验及数据 36-40 4.2 数据分析 40-43 4.3 误差分析 43 4.4 本章小结 43-44 5 压阻式压力传感器温度补偿 44-65 5.1 基于主成分分析的 BP 神经网络温度补偿模型 44-51 5.1.1 基于主成分分析的 BP 网络温度补偿模型 44-45 5.1.2 具体实现步骤 45-46 5.1.3 压力传感器温度补偿仿真及结果 46-50 5.1.4 补偿效果及分析 50-51 5.1.5 小结 51 5.2 基于因子分析的 RBF 神经网络温度补偿模型 51-59 5.2.1 因子分析 51-53 5.2.2 基于因子分析的径向基神经网络算法的实现步骤 53-54 5.2.3 压力传感器温度补偿仿真及结果 54-57 5.2.4 补偿效果及分析 57-58 5.2.5 小结 58-59 5.3 基于遗传算法的小波神经网络温度补偿模型 59-63 5.3.1 基于遗传算法的小波神经网络模型 59 5.3.2 具体实现步骤 59-60 5.3.3 补偿效果及分析 60-63 5.3.4 小结 63 5.4 三种温度补偿模型的各自特长 63-64 5.5 本章小结 64-65 结论 65-67 参考文献 67-71 攻读硕士学位期间发表学术论文情况 71-72 致谢 72-73
|
相似论文
- 天然气脱酸性气体过程中物性研究及数据处理,TE644
- 压气机优化平台建立与跨音速压气机气动优化设计,TH45
- 调频式电容位移传感器高速测频与非线性校正技术研究,TH822
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 红外超光谱图像的虚拟探测器研究,TP391.41
- 模糊控制、神经网络在平面二级倒立摆中的应用,TP273.4
- 基于神经网络的水厂投药预测控制研究,TP273.1
- 视觉伺服四自由度机械臂的研究,TP242.6
- 机械臂视觉伺服系统的研究,TP242.6
- 压电驱动微工作台的控制与校正技术研究,TP273
- 某武器检测装置的控制系统设计,TP183
- 市级旅游用地规划环境影响评价研究,X820.3
- 珠三角地区高性能混凝土配合比智能化系统,TU528
- 大学生综合素质测评研究,G645.5
- 不具备全局Lipschitz条件的时滞细胞神经网络的反周期解研究,TP183
- 基于并行算法的模糊综合评价模型的设计与应用,TP18
- 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
- 基于神经网络辨识的同步发电机励磁控制研究,TM31
- 基于BP神经网络的水稻干燥智能控制研究,S226.6
- 基于遗传算法优化的BP网络对生物柴油制备工艺的优化,TE667
- 海上平台消防系统研究,U698.4
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 自动化元件、部件 > 发送器(变换器)、传感器
© 2012 www.xueweilunwen.com
|