用分形和神经网络算法改善仪表精度和响应时间  

An Improvement on Precision and Responding Time of Instruments Using Fractal Interpolate and Neural Network

作　　者：蒋传纪[1] 郑正奇[1] 李宗标[1] 

机构地区：[1]华东师范大学电子科学技术系,上海200062

出　　处：《仪器仪表学报》2004年第1期81-85,共5页Chinese Journal of Scientific Instrument

基　　金：国家"8 63"青年基金资助项目 ( 818-Q-11)

摘　　要：研究在仪器仪表中利用分形插值和人工神经网络算法改善测试精度和响应时间的方法。在仪表检测中有时会遇到检测的分辨率与实时性相冲突的情况 ,此时对数据进行插值是一个很好的解决办法。利用分形和人工神经网络算法插值是一种可以进行多点数插值的优越方法 ,因为它可以通过训练学习不断修正网络的权值 ,使检测误差的方差控制在预定的范围。还研究了利用神经网络做谱分析来求取主频的方法 ,它在运算速度和分辨率方面都优于 FFT。文章还提出了一些减少人工神经网络学习训练时间的方法。A method on improving precision and real time response for the instrument is studied using fractal and neural network(NN). We may meet the detecting resolution in conflict with real time response of some instruments. Fraction and interpolation is a better way to solve these problems. Using fraction and NN arithmetic to modify the weight value while training to control the square root of error within a scheduled area. The method for spectrum analysis with NN is studied, it is better than FFT in efficiency and resolution. The way to reduce training time of NN is also discussed.

关 键 词：仪表精度 响应时间 分形插值 神经网络 算法 人工神经网络 

分 类 号：TH701[机械工程—仪器科学与技术] TP183[机械工程—精密仪器及机械]