Print

人工神经网络在测距传感器非线性校正中的应用

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REF3020
  • 3.3 集成运放OPA2335
  • 3.4 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

    本文来源: https://www.lw50.cn/article/5327b23f5d3021b763f5e0de.html