基于SVR构造FLANN的传感器动态补偿研究

摘要：

提出了一种利用支持向量回归机(SVR)对函数链接型神经网络(FLANN)进行构造的新方法,并将其应用于传感器动态补偿.文中将SVR的解与常规FLANN估计进行对比,发现两者具有相同的问题形式,因此,在适当的参数条件下可通过SVR对FLANN进行优化构造.与常规FLANN构造方法比较,SVR-FLANN具有明显特点,即将权值迭代逼近问题转化为二次规划问题求解,使得在整个训练过程中有且仅有一个全局极值点,确定了所构造FLANN补偿器的唯一性.实际压力传感器动态补偿实验结果表明:用该方法构造的补偿器与常规方法相比,具有更高的精度、更强的抗干扰能力及更稳定的补偿效果.因此,更适合传感器动态补偿.

关键词：计量学、函数链接型神经网络、支持向量回归机、传感器、补偿、辨识

所属期刊栏目：30

分类号：TB942(计量学)

资助基金：国家自然科学基金70272032;江西省教育厅科技项目2007328

在线出版日期：2009-04-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：42-48