本文關(guān)鍵詞：傳感器校正的優(yōu)化灰色神經(jīng)網(wǎng)絡(luò)建模方法研究，由筆耕文化傳播整理發(fā)布。

傳感器校正的優(yōu)化灰色神經(jīng)網(wǎng)絡(luò)建模方法研究

第35卷第3期2014年3月

儀器儀表學報

ChineseJournalofScientificInstrument

Vol.35No.3Mar．2014

傳感器校正的優(yōu)化灰色神經(jīng)網(wǎng)絡(luò)建模方法研究

1，21，2

甘何偉銘，宋小奇，

112

屹，李郝林，，井原透

*

（1．上海理工大學機械工程學院摘

上海200093中國；2．日本中央大學理工學部精密機械工學科8551東京112-日本）

要：隨著測試技術(shù)的發(fā)展，傳感器被廣泛應(yīng)用于各種精密測量與檢測領(lǐng)域。由于受到被測量對象、測量環(huán)境等因素影響，

N）系統(tǒng)的非線性傳感器的校正方法，其輸入輸出特性會產(chǎn)生各種誤差。提出了一種基于神經(jīng)網(wǎng)絡(luò)優(yōu)化的灰色GM（1，使得通過該方法補償?shù)奈灰苽鞲衅骶哂欣硐氲妮斎胼敵鎏匦浴鞲衅餍Ｕ^程分為數(shù)學表達式求解環(huán)節(jié)和誤差逼近環(huán)節(jié)。首先將實N）模型的優(yōu)化灰色系數(shù)矩陣求解方法以及利用BP神經(jīng)網(wǎng)絡(luò)的非線性映射特性驗數(shù)據(jù)進行統(tǒng)一化數(shù)據(jù)處理，提出灰色GM（1，C），N）模型自身模型求解的缺陷，來求取灰色模型的合理初始條件（1，彌補GM（1，獲得高精度的傳感器校正數(shù)學函數(shù)表達式。然后，利用ＲBF神經(jīng)網(wǎng)絡(luò)良好的局部逼近能力對殘差修正，實現(xiàn)傳感器校正的精度要求。最后，推導出優(yōu)化后的合并模型，實現(xiàn)對傳感器的校正。與其他信息融合技術(shù)相比，該方法能給出傳感器校正數(shù)學函數(shù)表達式，充分利用各模型的優(yōu)點，在小樣本、貧信息的情況下依然可以獲得很高的校正精度。實驗證明該優(yōu)化模型的模型精度為99．8%，模型平均殘差約為5．5nm，模型精度滿足要求，方法切實有效。

N）；神經(jīng)網(wǎng)絡(luò)關(guān)鍵詞：傳感器校正；非線性誤差；GM（1，中圖分類號：TP212

TH7

文獻標識碼：A

國家標準科學分類代碼：460．4020

Ｒesearchonoptimizedgreyneuralnetworkmodelingmethod

forsensorcalibration

22

HeWeiming1，，SongXiaoqi1，，Ganyi1，LiHaolin1，TohruIhara2

（1．CollegeofMechanicalEngineering，UniversityofShanghaiforScienceandTechnology，Shanghai200093，China；2．DepartmentofPrecisionMechanics，F(xiàn)acultyofScienceandEngineering，ChuoUniversity，Tokyo112-8551，Japan）

Abstract：Withthedevelopmentoftesttechnology，sensorsarewidelyusedinvariousfieldsofprecisionmeasure-mentandtest．Duetotheeffectsofthemeasuredobject，environmentorotherfactors，theinput/outputcharacteris-ticsofthesensorswillhavemanykindsoferrors．Anewapproachtocalibratethesensornonlinearerrorbasedonthe

ANNoptimizedgreyGM（1，N）systemwasinvestigated，withwhichthecompensateddisplacementsensorachievesidealinput/outputcharacteristic．Thesensorcalibrationprocessisdividedintomathematicalexpressionsolvingstepanderrorapproachingstep．Firstly，unifieddataprocessingisperformedontheexperimentdata，theoptimizedgreycoefficientmatrixsolvingmethodfortheGM（1，N）modelisproposed，andthenon-linearmappingcharacteristicofBPneuralnetworkisusedtocalculatethereasonableinitialconditionsofthegreymodel（1，C），thedefectofGM（1，N）modelsolutioncanberemedied，andthehigh-precisioncalibrationmathematicalexpressionofthesensoris

obtained．Then，thegoodlocalapproximationabilityoftheＲBFneuralnetworkisusedtocorrecttheresidual，theaccuracyrequirementofthesensorcalibrationisrealized．Finally，theoptimizedcombinationmodelofthesensorisdeducedandthesensorcalibrationisachieved．Comparedwithotherinformationfusiontechnologies，themethodcangivethesensorcorrectionmathematicalexpression．Inthecaseofsmallsampleandpoorinformation，themethodcanstillobtainhighcalibrationaccuracywithfullyusingtheadvantagesofthemodels．Experimentresultsshowthatthe

09收稿日期：2013-ＲeceivedDate：2013-09

*基金項目：國家自然科學基金（51375314）資助項目

Word文檔免費下載：傳感器校正的優(yōu)化灰色神經(jīng)網(wǎng)絡(luò)建模方法研究_何偉銘 （下載1-9頁，共9頁）

  本文關(guān)鍵詞：傳感器校正的優(yōu)化灰色神經(jīng)網(wǎng)絡(luò)建模方法研究，由筆耕文化傳播整理發(fā)布。