论文摘要
克服传感器非线性误差的传统方法有硬件补偿或用查表、曲线拟合等方法。传统方法复杂、需要样本多,精度低。用人工神经网络进行学习校正,算法简单、需要的样本数少,易于实现。当更换传感系统部件时,只要重新学习一遍即可消除非线性误差,可维护性强。而且使传感系统具有了学习能力,是开发智能型测控设备的一种重要理论、技术。本论文在简要介绍传感器的传统非线性失真校正方法基础上,通过理论分析,论证了基于人工神经网络的传感器非线性失真校正方案的可行性,建立了测距传感器非线性失真校正方法的模型,与传统的非线性失真校正方法相比降低了系统的复杂度。本文人工神经网络采用BP网络结构,介绍了BP网络算法的计算过程和特点,并且在建模过程中分析了它们在应用中需要注意的一些问题,如隐层节点数、容许误差的选择等。本论文利用霍尔传感器CS3503构成一个测距电路,电路的输出电压与距离成非线性函数关系,采集了电压-距离的大量实验数据。设计一个BP神经网络和MATLAB程序对电压-距离函数关系进行非线性校正实验。通过实验数据分析比较,结果表明本文采用的神经网络非线性校正方法可行,取得了较好的效果。
论文目录
中文摘要Abstract第一章 绪论1.1 本论文的研究背景及意义1.1.1 传感器概述1.1.2 传感器非线性校正失真校正的发展概况1.2 本论文研究内容第二章 人工神经网络原理2.1 人工神经网络简介2.1.1 人工神经网络2.1.2 人工神经网络国内外发展概况2.2 人工神经网络的理论基础2.2.1 神经元模型2.2.2 神经元传递函数2.2.3 典型的人工神经网络2.2.4 神经网络的特点2.3 BP 神经网络2.3.1 BP 网络的算法2.3.2.B P 算法的网络模型2.3.3.B P 网络的算法信号流向2.3.4.B P 网络的算法步骤与流程第三章 测距传感器非线性校正设计3.1 霍尔传感器介绍3.1.1 霍尔传感器工作原理3.1.2 CS3503 线性霍尔电路3.1.3 霍尔传感器运用3.2 基准参考电压REF30203.3 集成运放OPA23353.4 测量调理电路3.5 本设计实例运用的BP 神经网络3.5.1 实现原理3.5.2 网络的层数3.5.3 隐含层神经元的数目3.5.4 神经网络程序流程图第四章 实验数据与分析4.1 BP 神经网络结构设计4.1.1 BP 网络神经元个数确定4.1.2 BP 网络训练次数4.2 BP 网络训练样本及测试样本数据4.2.1 距离传感器距离-电压原始数据4.2.2 训练样本对数据4.2.3 训练前的BP 网络性能4.2.4 训练后的BP 网络性能4.2.5 BP 网络测试结果第五章 总结与展望5.1 总结5.2 展望参考文献攻读硕士学位期间公开发表的论文致谢详细摘要
相关论文文献
标签：霍尔传感器论文; 非线性校正论文; 人工神经网络论文;
