传感器的非线性校正及动态补偿研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-18页 |
| ·研究背景 | 第11页 |
| ·传感器原理 | 第11-12页 |
| ·传感器的非线性特性及其分析 | 第12-14页 |
| ·传感器的动态特性及其分析 | 第14-16页 |
| ·传感器的辨识建模及其分析 | 第16页 |
| ·本文的研究目的 | 第16-17页 |
| ·小结 | 第17-18页 |
| 第二章 神经网络的基本原理 | 第18-34页 |
| ·概述 | 第18-20页 |
| ·神经网络概述 | 第18-19页 |
| ·神经网络的应用 | 第19-20页 |
| ·神经网络模型 | 第20-24页 |
| ·神经元模型 | 第20-21页 |
| ·人工神经网络的基本模型 | 第21-23页 |
| ·人工神经网络的特点 | 第23页 |
| ·几种常见的人工神经网络 | 第23-24页 |
| ·BP 神经网络 | 第24-30页 |
| ·BP 神经网络模型 | 第24-25页 |
| ·传统BP 神经网络的学习算法 | 第25-29页 |
| ·传统BP 神经网络的特点和不足 | 第29页 |
| ·RPE 神经网络的学习算法 | 第29-30页 |
| ·RBF 神经网络 | 第30-33页 |
| ·RBF 神经网络模型 | 第30-32页 |
| ·RBF 神经网络的学习算法 | 第32-33页 |
| ·小结 | 第33-34页 |
| 第三章 传感器非线性校正技术研究 | 第34-45页 |
| ·新型神经网络非线性校正原理 | 第34-36页 |
| ·试验标定数据 | 第36-37页 |
| ·BP 学习算法数值计算试验 | 第37-41页 |
| ·数值仿真试验 | 第37-39页 |
| ·试验标定数据的训练及补偿结果 | 第39-41页 |
| ·RBF 学习算法数值计算试验 | 第41-44页 |
| ·数值仿真试验 | 第41-42页 |
| ·试验标定数据的训练及补偿结果 | 第42-44页 |
| ·小结 | 第44-45页 |
| 第四章 传感器的动态建模 | 第45-57页 |
| ·概述 | 第45-46页 |
| ·最小二乘法(LS) | 第46-48页 |
| ·频域法建立动态模型 | 第48-51页 |
| ·时域动态模型的建立 | 第51-56页 |
| ·离散时间系统建模 | 第52-54页 |
| ·连续时间系统建模 | 第54-56页 |
| ·小结 | 第56-57页 |
| 第五章 传感器动态补偿技术研究 | 第57-77页 |
| ·概述 | 第57-58页 |
| ·传感器动态性能指标 | 第58-59页 |
| ·时间域动态性能指标 | 第58-59页 |
| ·频率域动态性能指标 | 第59页 |
| ·动态补偿技术的一般原理 | 第59-60页 |
| ·动态误差 | 第59页 |
| ·动态补偿原理 | 第59-60页 |
| ·系统辨识法设计动态补偿滤波器 | 第60-66页 |
| ·系统辨识法原理 | 第61-63页 |
| ·数字仿真 | 第63-66页 |
| ·零极点配置法设计动态补偿滤波器 | 第66-72页 |
| ·系统阶跃响应与传递函数零极点分布的关系 | 第66-69页 |
| ·动态补偿滤波器设计 | 第69-70页 |
| ·数字仿真 | 第70-72页 |
| ·神经网络设计传感器动态补偿 | 第72-75页 |
| ·神经网络动态补偿原理 | 第73页 |
| ·动态补偿步骤 | 第73-74页 |
| ·数字仿真 | 第74-75页 |
| ·小结 | 第75-77页 |
| 第六章 总结和展望 | 第77-79页 |
| ·工作总结 | 第77-78页 |
| ·未来展望 | 第78-79页 |
| 参考文献 | 第79-84页 |
| 致谢 | 第84-85页 |
| 攻读硕士学位期间已发表或录用的论文 | 第85页 |
