论文部分内容阅读
针对传感器输出易受温度、湿度等因素影响的问题,提出利用RBF神经网络良好的学习、泛化和非线性逼近能力改善传感器的输出特性。RBF神经网络采用不需要事先确定隐层单元个数、可在线自适应学习的最近邻聚类学习算法。将该算法用于易受温度影响的压力传感器的非线性校正,仿真结果表明RBF神经网络在对传感器输出信号的补偿精度和网络训练速度方面均优于BP神经网络和传统的非线性补偿方法。该方法可推广应用于其他传感器输出特性的优化。