用于科氏质量流量计的BP神经网络动态补偿
科氏质量流量计(Coriolis Mass Flowmeter,CMF)是一种基于科氏效应的直接测量流体质量的仪表,在流量应用有着广泛的应用.但其动态特性相对较差的缺陷成为了这类高精度质量流量计在批量灌装行业中广泛应用的瓶颈之一.本文基于BP神经网络的方法对动态品质不高的科氏质量流量计进行补偿,采用递推预报误差算法(RPE)对神经网络进行训练,以达到规定精度要求.研究表明,经过补偿后减少了上升时间,从而达到了改善其动态特性的目的,取得了预期的效果.该训练方法具有收敛速度快,收敛精度高的特点.
科氏质量流量计 BP神经网络 动态补偿 动态特性
彭鹏 郑德智 樊尚春
北京航空航天大学 仪器科学与光电工程学院 北京100191
国内会议
昆山
中文
434-436
2012-11-03（万方平台首次上网日期，不代表论文的发表时间）