-
Patent Agency Ranking
公开(公告)号：CN112985692B
公开(公告)日：2022-11-29
申请号：CN202110182152.8
申请日：2021-02-09
Applicant: 北京工业大学
Abstract: 本发明公开了一种融合多项式与学习模型的气压传感器误差标校方法，计算测量气压值和标准气压值之间的误差，分析输入的标准气压值与误差之间散点图的分布状态，采用最小二乘法拟合其多项式，获取设计温度标校点对应的参数，然后将该多项式的参数进行分解并通过RBF神经网络分别预测具体温度点对应的多项式相关参数。最后根据某一特定温度下误差的函数解析式可获得气压测量值标校后的数值。相比于直接使用各轻量级神经网络拟合气压值与温度之间关系的方法，通过将气压传感器的数据误差进行先分解再拟合的方法具有更高的标校精度，减少53.33％的测量误差，是一种精度高、计算轻量、实用性强的气压传感器标校新方法。
-
公开(公告)号：CN113108949A
公开(公告)日：2021-07-13
申请号：CN202110279691.3
申请日：2021-03-16
Applicant: 北京工业大学
IPC: G01K15/00 , G01K13/024 , G01W1/08
Abstract: 本发明公开了一种基于模型融合的探空仪温度传感器误差预测方法，属于传感器技术领域。本发明包含以下步骤：构建高空气象探测数据集；利用特征工程进行相应影响因素构建；设计增强型深度神经网络模型；设计基于模型融合的传感器误差预测方法。本发明充分利用机器学习在误差预测中的优势，并以残差为思想，设计了针对探空仪温度传感器误差的预测模型，有效地提升了传感器的测量精度。
-
公开(公告)号：CN113108949B
公开(公告)日：2022-11-04
申请号：CN202110279691.3
申请日：2021-03-16
Applicant: 北京工业大学
IPC: G01K15/00 , G01K13/024 , G01W1/08
Abstract: 本发明公开了一种基于模型融合的探空仪温度传感器误差预测方法，属于传感器技术领域。本发明包含以下步骤：构建高空气象探测数据集；利用特征工程进行相应影响因素构建；设计增强型深度神经网络模型；设计基于模型融合的传感器误差预测方法。本发明充分利用机器学习在误差预测中的优势，并以残差为思想，设计了针对探空仪温度传感器误差的预测模型，有效地提升了传感器的测量精度。
-
公开(公告)号：CN112985692A
公开(公告)日：2021-06-18
申请号：CN202110182152.8
申请日：2021-02-09
Applicant: 北京工业大学
Abstract: 本发明公开了一种融合多项式与学习模型的气压传感器误差标校方法，计算测量气压值和标准气压值之间的误差，分析输入的标准气压值与误差之间散点图的分布状态，采用最小二乘法拟合其多项式，获取设计温度标校点对应的参数，然后将该多项式的参数进行分解并通过RBF神经网络分别预测具体温度点对应的多项式相关参数。最后根据某一特定温度下误差的函数解析式可获得气压测量值标校后的数值。相比于直接使用各轻量级神经网络拟合气压值与温度之间关系的方法，通过将气压传感器的数据误差进行先分解再拟合的方法具有更高的标校精度，减少53.33％的测量误差，是一种精度高、计算轻量、实用性强的气压传感器标校新方法。
-
公开(公告)号：CN111076758A
公开(公告)日：2020-04-28
申请号：CN201911175498.4
申请日：2019-11-26
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于物联网的高空探测传感器自动标校方法，属于传感器技术领域。本发明包含以下步骤：设计温、湿、压传感器数据采集机制；定义数据传输通信协议；构建基于神经网络的传感器标校算法；设计存储数据库；进行数据分析与可视化展示。本发明充分利用物联网在工业生产中的优势，并将物联网技术与神经网络相结合，使传感器标校过程实现自动化与智能化，有效地解放了劳动力，提高了工作效率。
-
-
-
-
Search Results
5
records
(took 0.027 seconds)
