Abstract：
针对气象传感器标校过程中测量精度低和生产成本高的问题,将人工智能技术与单片机技术相结合,提出一种气象传感器智能标校方法.该方法将BP神经网络、高斯函数和Levenberg-Marquardt算法相融合,设计一种用于传感器标校的增强型BP网络模型.并将训练好的标校模型移植到单片机中,通过分段多项式来拟合高斯函数,有效减少单片机的计算资源、缩短计算时间.实验结果表明:传统BP网络使气压传感器均方根误差由最初的5.93降低到2.83,减少52.28％的测量误差;而增强型BP网络则使均方根误差降低到0.77,进一步减少34.74％的测量误差.通过分段多项式来拟合高斯函数,显著降低标校模型的计算量,可满足气象探测过程中的时间要求.
Keyword：
Reprint Author's Address：
Email：
Source ：
中国测试
ISSN： 1674-5124
Year： 2020
Issue： 12
Volume： 46
Page： 105-111
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
