基于PSO-RBF神经网络的磁浮车悬浮间隙传感器非线性校正方法
Urban Mass Transit（2018）
摘要
针对磁浮车悬浮间隙传感器在0～20 mm范围内检测的非线性问题, 建立了RBF (径向基函数) 神经网络非线性校正逆模型, 并采用粒子群算法对网络参数进行优化.仿真实验表明, 所设计的PSO (粒子群优化) -RBF神经网络能够高精度地逼近传感器逆模型, 经校正后传感器线性度可达0. 45％, 全量程的检测误差小于0. 1 mm, 能够满足悬浮控制系统的精度要求.
更多查看译文
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要