声明
摘要
1 绪论
1.1 课题背景及研究意义
1.1.1 课题研究背景
1.1.2 课题研究的意义
1.2 称重计量的国内外现状
1.3 本文章节组织
2 称重实验数据及特征数据提取方法
2.1 电子称重系统的使用环境
2.2 电容式称重传感器的结构与原理
2.3 电容式称重传感器的温度补偿
3 人工神经网络和BP算法
3.1 人工神经网络概述
3.1.1 人工神经元结构及功能
3.1.2 神经网络拓扑结构
3.1.3 前馈型神经网络的学习算法
3.2 BP神经网络
3.2.1 BP神经网络的结构和符号表示
3.2.2 BP神经网络的误差背传学习算法
3.3 BP神经网络设计基础
3.3.1 学习过程中数据的两种传递方向
3.3.2 训练集的选取
3.3.3 学习步长、动量常量及非线性函数的选取
3.3.4 隐层层数与隐层神经元数
3.3.5 学习样本的预处理和权重初始化选择
3.3.6 局域极小及跳出技术
3.3.7 推广性问题
3.4 人工神经网络在衡器标定中的应用
3.4.1 神经网络的输入结果
3.4.2 神经网络的仿真图
4 模糊神经网络
4.1 模糊逻辑技术
4.1.1 模糊集合的概念及其表示方法
4.1.2 确定隶属度函数的基本原则
4.1.3 隶属度函数的确定方法
4.2 神经网络与模糊逻辑的融合
4.3 基于模糊神经网络的BP算法
5 模糊BP神经网络用于衡器标定
5.1 模糊神经网络结构的设计
5.2 模糊神经网络的参数设定
5.3 模糊神经网络的构建和训练
5.4 测试样本的输出及仿真结果
5.4.1 测试样本的输入结果
5.4.2 模糊神经网络的仿真结果
5.4.3 人工神经网络和模糊神经网络输出结果分析
6 总结
参考文献
附录A 学习样本
附录B 测试样本
附录C 主程序
个人简历
在学期间学术论文发表情况
致谢