CAJ | 학술논문

随着测试技术的发展,传感器被广泛应用于各种精密测量与检测领域.由于受到被测量对象、测量环境等因素影响,其输入输出特性会产生各种误差.提出了一种基于神经网络优化的灰色GM(1,N)系统的非线性传感器的校正方法,使得通过该方法补偿的位移传感器具有理想的输入输出特性.将传感器校正过程分为数学表达式求解环节和误差逼近环节.首先将实验数据进行统一化数据处理,提出灰色GM(1,N)模型的优化灰色系数矩阵求解方法以及利用BP神经网络的非线性映射特性来求取灰色模型的合理初始条件(1,C),弥补GM(1,N)模型自身模型求解的缺陷,获得高精度的传感器校正数学函数表达式.然后,利用RBF神经网络良好的局部逼近能力对残差修正,实现传感器校正的精度要求.最后,推导出优化后的合并模型,实现对传感器的校正.与其他信息融合技术相比,该方法能给出传感器校正数学函数表达式,充分利用各模型的优点,在小样本、贫信息的情况下依然可以获得很高的校正精度.实验证明该优化模型的模型精度为99.8％,模型平均残差约为5.5 nm,模型精度满足要求,方法切实有效.
수착측시기술적발전,전감기피엄범응용우각충정밀측량여검측영역.유우수도피측량대상、측량배경등인소영향,기수입수출특성회산생각충오차.제출료일충기우신경망락우화적회색GM(1,N)계통적비선성전감기적교정방법,사득통과해방법보상적위이전감기구유이상적수입수출특성.장전감기교정과정분위수학표체식구해배절화오차핍근배절.수선장실험수거진행통일화수거처리,제출회색GM(1,N)모형적우화회색계수구진구해방법이급이용BP신경망락적비선성영사특성래구취회색모형적합리초시조건(1,C),미보GM(1,N)모형자신모형구해적결함,획득고정도적전감기교정수학함수표체식.연후,이용RBF신경망락량호적국부핍근능력대잔차수정,실현전감기교정적정도요구.최후,추도출우화후적합병모형,실현대전감기적교정.여기타신식융합기술상비,해방법능급출전감기교정수학함수표체식,충분이용각모형적우점,재소양본、빈신식적정황하의연가이획득흔고적교정정도.실험증명해우화모형적모형정도위99.8％,모형평균잔차약위5.5 nm,모형정도만족요구,방법절실유효.