典型文献
基于PSO-BP神经网络的增量式拉线位移传感器误差补偿方法
文献摘要：
拉线位移传感器将拉绳的位移转变为滑轮的转动,通过角度测量得到拉线自由端的位移,安装方式和使用环境都会对测量结果产生影响.本文基于拉线位移传感器的工作原理建立了拉线的力学模型,分析了误差影响因素,同时分析了其角度测量部件-增量式旋转编码器引入的误差.由于目前比较普遍使用的误差补偿模型优化算法难以获得较好的补偿效果,本文提出了一种基于粒子群算法(PSO)优化的BP神经网络模型的误差补偿方法.以KS120系列拉线位移传感器为研究对象,进行了实验研究,结果显示:在全量程范围内,使用该方法进行误差补偿后的拉线位移传感器精度由0.136％FS提高到0.007％FS,提高了95％.最后将本模型与基于多项式拟合算法和传统BP神经网络算法的补偿系统进行实验对比,结果显示补偿效果亦优于这两种方法.
文献关键词：
传感器技术;拉线位移传感器;BP神经网络;粒子群算法;误差补偿
中图分类号：
作者姓名：
徐峰;姚恩涛;冯嘉瑞;曹智超
作者机构：
南京航空航天大学自动化学院,江苏 南京211100
文献出处：
引用格式：
[1]徐峰;姚恩涛;冯嘉瑞;曹智超-.基于PSO-BP神经网络的增量式拉线位移传感器误差补偿方法)[J].传感技术学报,2022(03):335-341
A类：
拉线位移传感器,KS120
B类：
PSO,增量式,补偿方法,拉绳,移转,滑轮,转动,角度测量,安装方式,误差影响因素,旋转编码器,误差补偿模型,模型优化,难以获得,粒子群算法,列拉,量程,FS,多项式拟合,拟合算法,神经网络算法,补偿系统,实验对比,传感器技术
AB值：
0.220554
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
