关键词：B样条函数;;重新参数化;;粒子群算法;;差动变压式传感器;;非线性补偿;;零点残余电压
摘 要：为消除差动变压式传感器零点残余电压及非线性特性,提出基于重新参数化的B样条函数以及粒子群算法β参数B样条神经网络(B-BP-PSO)。由粒子群算法(PSO)取代传统BP算法,并由其搜索最佳β因子,用以得到适合本网络权值搜索的最优重新参数化B样条基函数,从而使得该神经网络可有效克服传统算法易于陷入局部最优的缺点。实验结果表明:经其校正后的差动变压式传感器的最大输出误差为11 mV,最大相对误差为3.7%,零点残余电压为5 mV.该方法可有效消除各种参数对差动变压式传感器输出结果的零点残余电压及非线性影响,且可用于其他各类传感器的非线性校正,具有很大的实际应用价值。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取