摘要
针对将电容式传感器应用于降雨测量时,特性曲线的非线性误差较大问题,分别采用最小二乘曲线拟合法和径向基函数(RBF)神经网络对其输出特性曲线进行拟合。结果表明:RBF神经网络模型具有更强的非线性映射能力,其拟合精度明显高于最小二乘多项式模型。
Aiming at problem of large nonlinear error of characteristic curve of capacitive sensor applied to measurement of rainfall,least square curve fitting method and radial basis function（RBF） neural network are used to fit output characteristic curve. The results show that the RBF neural network model has stronger nonlinear mapping ability,and its fitting precision is significantly higher than that of the least square polynomial model.
作者
张龙
杨长业
王晓蕾
叶松
ZHANG Long YANG Chang-ye WANG Xiao-lei YE Song(College of Meteorology and Oceanography, PLA University of Science and Technology, Nanjing 211101, China)
出处
《传感器与微系统》
CSCD
2017年第10期27-30,共4页
Transducer and Microsystem Technologies
基金
国家自然科学基金资助项目(40976062)
国家自然科学基金青年科学基金资助项目(41406107)
江苏省自然科学基金资助项目(BK2009062)
关键词
电容式降雨传感器
曲线拟合
最小二乘法
径向基函数神经网络
均方误差
capacitive rain sensor
curve fitting
least square method
radial basis function （RBF ） neural network
mean square error
