提高传感器输出特性线性化的神经网络方法  

Neural Network Methods for Improving Linear Regression of Sensor Output Characteristic

作　　者：卢智远[1] 李卫军[1] 周永军[1] 牛中奇[1] 

机构地区：[1]西安电子科技大学电子工程学院,西安710071

出　　处：《传感技术学报》2004年第4期633-635,共3页Chinese Journal of Sensors and Actuators

基　　金：国家自然科学基金 (30 170 2 4 0 ) ;西安市科技攻关项目基金 (GG0 4 0 38)

摘　　要：采用BP神经网络结构和LM网络学习规则对传感器系统的非线性误差进行线性校正和补偿 ,并对网络结构进行了适当的改进。用Matlab语言实现 ,计算比较了使用两种不同初始化规则和网络结构时对网络性能的影响。计算机仿真实验表明使用NW初始化规则并改进网络结构后 ,网络的收敛速度更快 ,拟合精度也有所改善。BP neutral network structure and LM study rule of neutral network are applied to compensate and adjust sensor′s nonlinear errors. Training programs are done by MATLAB language. Two different initial rules and network architectures are compared in the aspect of network performance, especially of the converging speed. The results of computer simulation illustrate that the method which uses Nguyen Widrow initial rule and improved network architecture has a high converging speed and good precision.

关 键 词：BP神经网络 LM算法 NW初始化规则 传感器 非线性误差 

分 类 号：TP212[自动化与计算机技术—检测技术与自动化装置]