期刊文献+

压力传感器的支持向量机非线性回归建模 被引量:5

A nonlinear regression model of pressure sensor based on SVM
下载PDF
导出
摘要 压力传感器的输出特性易受到环境因素,尤其是温度变化的影响。针对该问题,提出了利用支持向量机(SVM)对压力传感器输出特性进行非线性补偿的校正模型。校正模型利用SVM的回归算法来逼近非线性函数的特点,通过建立压力传感器输出特性与其实际电压值之间非线性映射关系的校正模型来实现压力传感器的校正。实例表明:该方法能有效地减少温度变化对传感器输出的影响,且校正后的压力传感器具有更高的测量精度和温度稳定性。 The output characteristics of pressure sensor affected by environmental factors,especially temperature changes.In order to solve this problem,a nonlinear regression model is presented based on support vector machine(SVM).The approximate ability of the SVM to nonlinear function is utilized to build the nonlinear regression correction model.A nonlinear mapping relation between sensor output and the actual voltage values is established to achieve the correction of pressure sensor.The experimental results show that the model can decrease the correction of the temperature changes effectively,while both the measurement precision and temperature stability are improved.
出处 《传感器与微系统》 CSCD 北大核心 2012年第4期50-52,共3页 Transducer and Microsystem Technologies
基金 甘肃省科技重大专项基金资助项目(1002GKDA004) 国家中小企业创新基金资助项目(10C26226205326)
关键词 压力传感器 支持向量机 非线性回归 pressure sensor support vector machine(SVM) nonlinear regression
  • 相关文献

参考文献4

二级参考文献19

  • 1杨延西,刘丁.基于ANFIS的温度传感器非线性校正方法[J].仪器仪表学报,2005,26(5):511-514. 被引量:17
  • 2刘曙光,郑崇勋,刘明远.前馈神经网络中的反向传播算法及其改进:进展与展望[J].计算机科学,1996,23(1):76-79. 被引量:51
  • 3MartinT Hagan HowardB Demuth MarkH Beale 戴葵 等译.神经网络设计[M].北京:机械工业出版社,2002..
  • 4Y.Sun, X. Sun, B. Sun, Q.Meng. Electric drift of the bridge offset for pressure sensors and its utilization, Sens. Actuators, 1997,A(58):249~256.
  • 5Vapnik V. Statistical Learning Theory [M]. New York: Springer, 1998.
  • 6Vapnik V N. Learning hidden information: SVM + [J]. 2006 IEEE International Conference on Granular Computing,2006 : 22 - 22.
  • 7Chang Chih - Chung, Lin Chih -Jen. LIBSVM. a library for support vector machines [EB/OL]. [2006-01-16].http://www. csie. ntu. edu. tw/-cjlin/libsvm.
  • 8GUGER C,NEUPER C,WALTERSPACHER D,et al.Rapid prototyping of an EEG-based brain computer interface (BCI)[J].IEEE Trans.Neural Syst.Rehab.Eng.,2001,9(1):49-58.
  • 9LAL T N,SCHR DER M,HINTERBERGER T,et al.Support vector channel selection in BCI[J].IEEE Trans.Neural Syst.Rehab.Eng.,2004,5(6):1003-1010.
  • 10PFURTSCHELLER G,NEUPER C,SCHLOGL A,et al.Separability of EEG signals recorded during right and left motor imagery using adaptive autoregressive parameters[J].IEEE Trans.Rehab.Eng.,1998,6 (3):316-325.

共引文献2333

同被引文献85

引证文献5

二级引证文献14

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部