基于改进型BP神经网络的瓦斯传感器的非线性校正

刘刚; 刘学仁; 嵇英华; 罗海梅

doi:10.13873/j.1000-97872007.01.005

Chinese

您当前的位置：

首页 >

文章列表页 >

基于改进型BP神经网络的瓦斯传感器的非线性校正

更新时间：2025-09-11

- 基于改进型BP神经网络的瓦斯传感器的非线性校正
- Nonlinear correction of methane sensor based on improved BP neural network
- 传感器与微系统 2007年第1期页码：15-17+20
- 作者机构：
  
  1. 江西师范大学物理与通信电子学院
  2. 江西师范大学物理与通信电子学院,江西,南昌,330022
- 作者简介：
- 基金信息：
- DOI：10.13873/j.1000-97872007.01.005
  中图分类号： TP183;TP212.1
- 纸质出版：2007
- 稿件说明：
移动端阅览
[1]刘刚,刘学仁,嵇英华,罗海梅.基于改进型BP神经网络的瓦斯传感器的非线性校正[J].传感器与微系统,2007(01):15-17+20.

LIU Gang, LIU Xue-ren, JI Ying-hua, et al. Nonlinear correction of methane sensor based on improved BP neural network[J]. 2007, (1): 15-17+20.
[1]刘刚,刘学仁,嵇英华,罗海梅.基于改进型BP神经网络的瓦斯传感器的非线性校正[J].传感器与微系统,2007(01):15-17+20. DOI： 10.13873/j.1000-97872007.01.005.

LIU Gang, LIU Xue-ren, JI Ying-hua, et al. Nonlinear correction of methane sensor based on improved BP neural network[J]. 2007, (1): 15-17+20. DOI： 10.13873/j.1000-97872007.01.005.

摘要

提出了一种基于改进型BP神经网络的瓦斯传感器的非线性校正方法

利用神经网络良好的非线性映射能力

逼近反非线性函数完成非线行校正。仿真实验结果表明:与传统的分段线性与BP算法相比

改进型的BP神经网络收敛速度快、逼近精度高

准确度由原来分段线性校正的±5.020%提高到现在的±0.130%

且易于动态调校。

Abstract

The nonlinear correction method of methane sensor based on improved BP neural network is introduced to approach inverse nonlinear function by use of nonlinear mapping ability of neural network.The experimental results show that network-learning speed can be sped up markedly and nonlinear precision of the sensor is（±0.130 %） nonlinegr precision of classic paragraph algorithm and BP algorithm is（5.020 %）.

关键词

Keywords

references

快速收敛的BP神经网络算法 [J]. 王赟松,许洪国. 吉林大学学报(工学版) . 2003(04)

神经网络BP算法的改进和仿真 [J]. 刘鹰,赵琳. 计算机仿真 . 1999(03)

载体催化元件特性的研究 [J]. 王汝琳,姚承三. 中国矿业学院学报 . 1982(01)

感测技术与系统设计[M]. 科学出版社 , 孙传友, 2004

人工神经网络与模拟进化计算[M]. 清华大学出版社 , 阎平凡,张长水编著, 2000

浏览量

202

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于Pd-SWCNTs的UWB-RFID无线瓦斯传感器研究

基于函数型连接神经网络的瓦斯传感器非线性校正