基于增强型BP网络的气象传感器标校方法

发布时间：2022-02-21 14:56

　　针对气象传感器标校过程中测量精度低和生产成本高的问题,将人工智能技术与单片机技术相结合,提出一种气象传感器智能标校方法。该方法将BP神经网络、高斯函数和Levenberg-Marquardt算法相融合,设计一种用于传感器标校的增强型BP网络模型。并将训练好的标校模型移植到单片机中,通过分段多项式来拟合高斯函数,有效减少单片机的计算资源、缩短计算时间。实验结果表明:传统BP网络使气压传感器均方根误差由最初的5.93降低到2.83,减少52.28%的测量误差;而增强型BP网络则使均方根误差降低到0.77,进一步减少34.74%的测量误差。通过分段多项式来拟合高斯函数,显著降低标校模型的计算量,可满足气象探测过程中的时间要求。 

【文章来源】：中国测试. 2020,46(12)北大核心

【文章页数】：7 页

【文章目录】：
0 引言
1 增强型BP网络气压传感器标校算法
    1.1 标校原理
    1.2 面向气压传感器的增强型BP网络设计
2 实验条件与结果分析
    2.1 超参数设置
    2.2 激活函数对比
    2.3 隐藏层个数对比
    2.4 收敛速度对比
3 标校模型硬件实现
    3.1 标校模型硬件实现
    3.2 激活函数硬件实现
    3.3 计算时间对比
    3.4 传感器性能对比
4 结束语


【参考文献】：
期刊论文
[1]基于变分模态分解的超声检测信号降噪研究[J]. 王大为,王召巴,李鹏,陈友兴,李海洋.  中国测试. 2019(12)
[2]一种多维度数据采集大气污染物探空仪设计[J]. 刘平英,谭智强,王玉芳.  信息技术. 2019(09)
[3]气象探测环境等级评估方法及应用[J]. 王成刚,魏夏潞,严家德,金莲姬.  应用气象学报. 2019(01)
[4]基于IAGA-BP神经网络的电地热室内温度预测[J]. 王盛慧,张亭亭.  中国测试. 2018(12)
[5]基于FPGA的BP神经网络硬件实现及改进[J]. 杨景明,杜韦江,吴绍坤,李良,魏立新.  计算机工程与设计. 2018(06)
[6]深度学习的模型搭建及过拟合问题的研究[J]. 陶砾,杨朔,杨威.  计算机时代. 2018(02)
[7]高分2号图像业务化大气校正查找表的设计与实现[J]. 舒敏,闻德保,张浩,陈正超.  北京工业大学学报. 2017(05)
[8]基于MSP430单片机的信标机系统设计[J]. 崔丽丽,丁永红,尤文斌,姚琴琴.  中国测试. 2015(10)
[9]用BP神经网络法对压力传感器进行温度补偿[J]. 李佳君,卢文科.  工程与试验. 2015(01)
[10]传感器校正的优化灰色神经网络建模方法研究[J]. 何伟铭,宋小奇,甘屹,李郝林,井原透.  仪器仪表学报. 2014(03)



本文编号：3637489