智能测量仪表和系统中的数据和信号处理技术

论文摘要

测量是人类认识世界进而改造世界的重要手段,传感器是测量系统中直接感受被测量信息的器件,希望它能够按照一定的规律输出有用的信号。但是由于传感器自身性能因素的作用,传感器的输出呈非线性。而且在大多数情况下,由于受电磁波、噪声以及外界环境的影响,使得传感器的非线性变得更为复杂。对传感系统的非线性及干扰因素的影响同时进行校正,这对于传感技术的发展和提高测量系统的性能都具有重要的理论意义和实用价值。 基于现代测量系统的输入-输出关系的普遍非线性,而且测量受到温度、噪声等因素的影响后,这种非线性会变得更为复杂,利用传统方法建立综合校正数学模型比较困难。而神经网络具有良好的容错性与联想记忆功能,很强的自适应能力,并且具有极强的非线性映射能力,易于解决高度非线性逼近问题。因此利用神经网络建立相应检测系统的特性模型和误差修正模型是一种理想的选择。 在本课题的研究中,把神经网络理论理论引入到测量系统中,建立非线性测量系统的综合校正模型,以提高系统的测量精度。本文中利用具有较强函数逼近能力、采用BP算法进行学习的多层前向网络即BP网络来建立非线性测量系统的综合校正模型,并利用快速BP算法对网络进行训练,通过仿真比较,得到测量系统的有效神经网络模型。 主要工作体现在: 1.宽温度范围下二丙酮密度的压力效应建模; 2.压力和温度共同作用下二丙酮声速测量的神经网络建模; 3.盐酸浓度超声非插入式传感系统的正向及逆向建模。

论文目录

• 1 绪论
• 1.1 课题的提出及研究目的
• 1.2 本课题研究的主要内容
• 1.3 研究方法及技术路线
• 2 神经网络建模理论基础
• 2.1 神经网络概述
• 2.2 神经元模型
• 2.3 神经网络的结构
• 2.4 反向传输算法
• 3 测试装置神经网络建模方法
• 3.1 建模用神经网络选择
• 3.2 测试装置神经网络建模方案
• 3.3 改进的反向传播算法
• 4 宽温度范围下二丙酮密度及声速的压力效应神经网络建模
• 4.1 宽温度范围下二丙酮密度的压力效应研究
• 4.2 温度和压力共同作用下丙酮中声速测量的神经网络建模
• 5 盐酸浓度超声非插入式传感系统的正向及逆向建模
• 5.1 引言
• 5.2 盐酸浓度超声传感测量的正向建模
• 5.3 盐酸浓度超声测量的逆向建模
• 6 总结
• 致谢
• 参考文献