基于FLANN数据融合的传感器温度补偿及校正

提出了一种用函数连接型神经网络(FLANN)数据融合及直线回归分析技术相结合实现传感器温度参量的补偿及其非线性校正的方法．该方法将传感器线性段特性用回归方法进行拟合,得到直线校正方程,对传感器非线性特性采用参考温度参量与传感器输出值的FLANN数据融合,从而实现传感器温度补偿与非线性校正．该方法用于微重力落舱动态测重结果分析表明,该方法是切实有效和可行的．     

基于PSO优化RBF-NN的磁浮车间隙传感器温度补偿

针对高速磁浮列车悬浮间隙传感器的温度漂移现象,建立了基于RBF（radial basis function）神经网络的间隙传感器温度补偿模型.通过对全局最优粒子执行梯度下降寻优,将粒子群优化算法与梯度下降算法结合得到一种寻优能力更强的混合算法,并将该方法用于RBF温度补偿模型参数优化,提高了间隙传感器的补偿精度,最后,使用现场可编程门阵列FPGA（field-programmable gate array）实现了该补偿模型并进行了实验.实验结果表明:该方法能够较好地对间隙传感器进行温度补偿,补偿后的传感器输出不受环境温度影响,全量程范围内最大误差为0.45 mm,8~12 mm工作间隙范围内误差为0.16 mm.      

基于聚酰亚胺的电容式湿度传感元件的研制

以P型单晶硅为基片,聚酰亚胺为湿敏介质,钛和金为电极材料,通过氧化SiO2绝缘层、磁控溅射平板下电极和栅状上电极、涂敷湿敏介质及其亚胺化,制作了平行板电容式湿度传感元件.介绍了传感元件的制造工艺和感湿机理,测试了成品的湿敏特性,对测试结果进行了分析.结果表明本文研制的湿度传感器设计合理、性能稳定,可满足湿度测量的要求,其性能主要取决于聚酰亚胺膜的制备过程,以及栅状上电极的结构.     

基于BP人工神经网络的压力传感器的温度补偿实现过程研究

对于压力传感器而言,在测量压力大小的时候,敏感材料很容易受到温度的影响,因此需要对温度补偿。补偿的根本就是把温度的影响降到最低,本文通过MATLAB神经网络工具箱中提供的构造神经网络的各种函数进行编程实现压力传感器的温度补偿功能。     

基于单片机的木材干燥窑湿、温度测量仪表系统的设计

木材干燥控制是通过改变木材干燥窑内的温度、湿度来控制木材干燥过程的含水率。介绍作为湿度传感器的湿敏电容的特性及在木材干燥室的应用,并简要介绍该测量仪表的结构、工作原理。     

热敏电阻温度传感器非线性补偿方法

针对热敏电阻特性中的非线性问题,提出了利用BP神经网络非线性逼近能力对热敏电阻温度传感器进行非线性补偿。介绍了非线性补偿原理和网络训练方法,并且进行了MATLAB仿真,最后BP神经网络的逼近能力进行了一定分析。     

高温高湿对比一般环境耐力运动对运动员肌肉疲劳的影响及相关机制

目的调查高温高湿应激对耐力运动、神经肌肉调节的单独和联合效应。方法简单随机抽样方法选取11名研究对象在气温/湿度适宜(对照组),高温度/湿度适宜(高温组),气温适宜/高湿度(高湿组)和高温度/高湿度[(高温+高湿)组]4个不同环境条件下,恒负荷骑车至精疲力竭。分别在运动前、后5 min记录电刺激胫神经后的扭矩和肌电图反应。结果高温和高湿均缩短了运动至力竭的时间,高温高湿协同作用下的运动至力竭时间均分别低于高温或高湿组(P<0.05)。与对照组比较,高温条件下心率和皮肤温度均有升高[(9±5)次/min、和(5±1)℃,P<0.05],高湿条件下血氧饱和度明显降低[自(96±2)%降低至(88±4)%,P<0.05]。高温和高湿对运动员的核心温度或感知运动量均无显著影响(P>0.05)。高温下运动,M波、V波的振幅以及比目鱼肌或胫骨前均方根均较温和环境显著降低(P<0.05)。结论高温或高湿环境影响运动员的耐力运动能力,且两者的作用协同增加;在不同的环境条件下,肌肉疲劳的程度和特征是相似的。     

径向基神经网络辨识非线性系统的改进算法

利用神经网络的非线性映射特性,将神经网络应用于非线性系统辨识。利用径向基神经网络来辨识非线性系统,并对两种不同RBF神经网络辨识算法进行比较。仿真结果表明,改进的算法具有学习速度快,辨识精度高的特点。     

微量在线称重检测系统自适应补偿设计

为满足对医药胶囊在线快速称重的要求，提出对称重检测传感器系统采用基于神经网络识别和极点配置的自适应补偿方式，改进提高称重系统的动态特性．通过MatLab软件仿真计算。表明该方法在提高称重传感器动态响应速度方面具有一定效果．     

压力传感器温度补偿新技术的研究

分析了传感器目前的应用状况和发展障碍,提出了利用人工神经网络作为传感器补偿的新方法,构建了BP神经网络结构,并利用MATLAB软件对网络进行了训练和仿真.     

动态交通流量预测方法研究

随着智能运输系统的广泛应用,实时交通流量预测的重要性也日益显著。本文介绍了预测模型发展过程中比较重要的几个模型,并由此引出人工神经网络。介绍误差逆传播(BP)模型的相关理论。指出传统BP神经网络的缺陷,并提出提高预测精度的措施引进高阶神经网络。建立普通BP神经网络的预测模型,利用误差反传播算法实现这些影响因素到输出变量的复杂映射,再用高阶神经网络构建另一预测模型。利用交叉口实测数据进行预测,并用实际数据进行比较验证。     

基于BP神经网络的沙漠公路交通事故预测模型

介绍人工神经网络理论,论述BP神经网络的模型结构与原理,利用BP神经网络构建了交通事故预测模型,用MATLAB语言编写了相应的程序,并给出了模拟与预测的结果。模拟结果表明,构建的BP神经网络预测模型是成功的、有效的。     

非接触移动供电系统不同补偿拓扑下的鲁棒性分析

为揭示非接触移动供电系统参数扰动的产生、传播及影响机理,首先采用广义状态空间平均建模方法,建立了4种基本双边谐振补偿拓扑的系统不确定模型;其次,研究了电磁耦合机构相对距离和工况变化导致的互感及负载扰动特性,并依此推导出软开关调制模式下的系统频率扰动规律;第三,基于参数扰动模型分析了互感、负载及频率变化对系统输出的影响,并通过计算系统结构奇异值分析了不同补偿拓扑系统的鲁棒稳定性;最后,针对一套双边串联谐振补偿系统,对互感及负载偏离标称值条件下的系统鲁棒性进行了验证实验.实验波形表明:当互感和负载分别在标称值（12.15 H、5.00 ）与摄动值（9.51 H、12.55 ）之间变化时,系统仍然是鲁棒稳定的,采用PI控制能较好地抑制其对负载输出电压的影响.      

居民轨道选择意向建模与应用研究

基于轨道交通大发展的背景,对居民选择轨道交通出行的意向进行建模分析,旨在为大城市的轨道交通建设提供依据。通过分析居民出行交通方式选择的影响因素（传统的出行方式、出行费用、性别等）,构建了居民轨道选择意向转移模型,并确定模型的输入输出向量,利用MATLAB-ANN的BP网络,求解模型效用值,最后结合苏州市进行应用研究。     

基于电化学模型的PEM燃料电池建模与仿真

基于PEM燃料电池的电化学模型.运用Matlab的Simulink仿真工具对系统进行建模及稳态、动态仿真分析.稳态分析主要研究了温度对电池电压和输出功率的影响;动态特性分析当电池电流突增和突降时,电池电压、输出功率、消耗功率、电池效率、电池等效内阻的动态响应.此模型也可用于电堆的仿真与设计,为燃料电池的优化与控制提供帮助.     

一种优化补偿电容配置的方法

为更好地实现补偿电容在轨道电路信息传输中的作用,采用基于Mamdani模型的模糊逻辑理论,建立湿度和温度对补偿电容值具有影响的模型,达到在配置补偿电容时更加精确的优点,使得机车接收到的信息更加稳定、可靠。通过实例仿真计算分析,进一步证明该方法的实用性。     

�������ת��������Խ����BP����ģ�ͼ������ȷ���

机非相互穿越模型是信号交叉口混合交通微观仿真系统中反映机动车和自行车相互影响的核心模型. 为了描述交叉口处机动车穿越自行车流的决策行为,分析了两相位信号交叉口右转机动车穿越邻道直行自行车的微观行为,提出了基于BP神经网络的机动车穿越决策模型. 以北京2个交叉口调查数据为基础,对该模型验证并与Logistic模型比较,结果表明BP模型优于Logistic模型且具有较好的预测精度. 根据所建模型的映射关系计算出系统输出对输入参数的一阶灵敏度矩阵,灵敏度分析结果表明,自行车提供给机动车的穿越间隙是影响机动车穿越决策行为的决定性因素,且间隙在2.76s～2.96s变动时对机动车穿越决策行为影响最大.     

基于神经网络的公路工程造价快速估算分析

从影响公路造价的影响因素中提取特征因子,用神经网络建立起公路造价快速估测模型,以工程特征为参数,用历史数据为依据,建立模型,文章最后用实例验证了BP神经网络模型在公路工程造价估测中的优良效果,结果显示,BP神经网络在这方面应用效果较好.     

BP Simulation Model and Sensitivity Analysis of Right-turn Vehicles' Crossing Decisions at Signalized Intersection

Inter-crossing behavior model of motor vehicles and bicycles is the key part of micro-simulation for mixed traffic at signalized intersection. The microscopic behaviors of the motor vehicles passing through the bicycle flow at a two phased signalized intersection were analyzed to reproduce the passing behavior of motor vehicles. A BP neural network model was proposed to describe the motor vehicles' passing decision. Based on the field data at two typical intersections in Beijing, the model was validated and compared with the Logistic model. The results indicated that the BP model was more effective than the Logistic model and had better prediction accuracy. First derivative sensitivity matrix of the BP model was established. The sensitivity analysis showed that the most important factor impacting on the motor vehicles' passing decision-making behavior is the gap allowing motor vehicles to pass through. The passing decision-making behavior is the most sensitive to the gap when it lies between 2.76 s and 2.96 s.     

交叉口右转机动车穿越决策BP仿真模型及灵敏度分析

机非相互穿越模型是信号交叉口混合交通微观仿真系统中反映机动车和自行车相互影响的核心模型. 为了描述交叉口处机动车穿越自行车流的决策行为,分析了两相位信号交叉口右转机动车穿越邻道直行自行车的微观行为,提出了基于BP神经网络的机动车穿越决策模型. 以北京2个交叉口调查数据为基础,对该模型验证并与Logistic模型比较,结果表明BP模型优于Logistic模型且具有较好的预测精度. 根据所建模型的映射关系计算出系统输出对输入参数的一阶灵敏度矩阵,灵敏度分析结果表明,自行车提供给机动车的穿越间隙是影响机动车穿越决策行为的决定性因素,且间隙在2.76s～2.96s变动时对机动车穿越决策行为影响最大.