A novel structure of Wiener-based n

A novel structure of Wiener-based neural network is proposed and applied to correct the dynamic real-time error for the improvement of the sensor's dynamic performance. First, the compensation filter was established based on the principle of inverse model and was described by a dynamic linear-static nonlinear cascade (Wiener model). Then, the neural network structure was devised and the network weights were accord with the parameters of the compensation filter. Followed that, some experimental devices were designed for dynamic calibration of the uIRt/c infrared temperature sensor. Finally, the identification of compensation filter was achieved by network iteration and the actual calibration data of the uIRt/c were made use of in the testing experiments. The results show that the stabilising time of the sensor is reduced to less than 7 ms from 27 ms and the dynamic performance is obviously improved after compensation.

ผลลัพธ์ (ไทย) 1:

โครงสร้างนวนิยายของ Wiener ใช้โครงข่ายประสาทจะนำเสนอ และใช้แก้ไขแบบเรียลไทม์การปรับปรุงประสิทธิภาพการทำงานแบบไดนามิกของการเซ็นเซอร์ ครั้งแรก ตัวแทนก่อตั้งขึ้นตามหลักการของรูปแบบผกผัน และถูกอธิบายเป็นแบบเชิงเส้นคงไม่เชิงเส้นทั้งหมด (แบบ Wiener) จากนั้น มีกำหนดโครงสร้างของโครงข่ายประสาท และน้ำหนักเครือข่ายสอดคล้องกับพารามิเตอร์ของตัวแทน ตามที่ อุปกรณ์การทดลองบางอย่างถูกออกแบบสำหรับการปรับเทียบแบบไดนามิกของเซ็นเซอร์วัดอุณหภูมิแบบอินฟราเรด uIRt/c รหัสแทนกรองสำเร็จ โดยการวนซ้ำของเครือข่าย และทำข้อมูลจริงเทียบของ uIRt/c ใช้ในการทดลองทดสอบ ผลลัพธ์แสดงว่า เวลา stabilising ของการเซ็นเซอร์จะลดลงน้อยกว่า 7 ms จาก 27 ms และแน่นอนมีการปรับปรุงประสิทธิภาพการทำงานแบบไดนามิกหลังค่าตอบแทน

ผลลัพธ์ (ไทย) 2:

โครงสร้างนวนิยายของวีเนอร์ที่ใช้เครือข่ายประสาทมีการเสนอและนำไปใช้ในการแก้ไขข้อผิดพลาดในเวลาจริงแบบไดนามิกสำหรับการปรับปรุงประสิทธิภาพการทำงานแบบไดนามิกของเซ็นเซอร์ ก่อนที่กรองชดเชยก่อตั้งขึ้นบนพื้นฐานของหลักการของรูปแบบผกผันและได้รับการอธิบายโดยน้ำตกเชิงเส้นเส้นตรงคงที่แบบไดนามิก (วีเนอร์รูปแบบ) จากนั้นโครงสร้างเครือข่ายประสาทได้รับการคิดค้นและน้ำหนักเครือข่ายได้สอดคล้องกับค่าพารามิเตอร์ของตัวกรองการชดเชย ตามที่บางอุปกรณ์การทดลองได้รับการออกแบบสำหรับการสอบเทียบแบบไดนามิกของ uIRt / C เซ็นเซอร์วัดอุณหภูมิอินฟราเรด สุดท้ายบัตรประจำตัวของฟิลเตอร์ชดเชยได้สำเร็จโดยย้ำเครือข่ายและข้อมูลที่แท้จริงของการสอบเทียบ uIRt / C ถูกสร้างขึ้นมาใช้ในการทดลองทดสอบ ผลการศึกษาพบว่าเวลาที่การรักษาเสถียรภาพของเซ็นเซอร์จะลดลงไปน้อยกว่า 7 มิลลิวินาทีตั้งแต่วันที่ 27 ms และประสิทธิภาพการทำงานแบบไดนามิกจะดีขึ้นอย่างเห็นได้ชัดหลังจากการชดเชย

ผลลัพธ์ (ไทย) 3:

โครงสร้างใหม่ของวีเนอร์ โดยใช้โครงข่ายประสาทเทียม คือ การเสนอและใช้เพื่อแก้ไขข้อผิดพลาดเวลาจริงแบบไดนามิกสำหรับการปรับปรุงประสิทธิภาพของไดนามิก ของเซ็นเซอร์ แรก , กรองชดเชยก่อตั้งขึ้นบนหลักการของแบบจำลองผกผันและได้อธิบายโดยแบบไดนามิกเส้นคงที่เส้นน้ำตก ( ไส้กรอกเยอรมันรุ่น ) จากนั้นโครงสร้างเครือข่ายประสาทได้วางแผนและเครือข่ายน้ำหนักสอดคล้องกับพารามิเตอร์ของตัวกรองทดแทน ตาม บางการทดลองอุปกรณ์ถูกออกแบบมาสำหรับการสอบเทียบแบบไดนามิกของ uirt / C อุณหภูมิอินฟราเรดเซ็นเซอร์ ในที่สุดตัวกรองการทำซ้ำโดยเครือข่ายและข้อมูลการสอบเทียบจริงของ uirt / C ) ใช้ในการทดสอบทดลอง การปรับเวลาของเซ็นเซอร์จะลดลงน้อยกว่า 7 นางสาวจาก 27 MS และการแสดงแบบไดนามิกคือการปรับปรุงอย่างชัดเจนหลังจากการชดเชย