论文部分内容阅读
为了降低磁电式振动速度传感器的下限测量频率，以实现超低频振动速度测量，提出改进其幅频特性的函数连接型人工神经网络（FLANN）方法。该方法以磁电式振动速度传感器动态试验数据为基础，通过FLANN训练来确定传感器动态补偿网络，以改善它的幅频特性。介绍了原理和FLANN权值调整的算法，给出用FLANN建立的磁电式振动速度传感器动态补偿网络的数学模型。结果表明：这种幅频特性的改进方法具有精度高、鲁棒性好，并能在线修正等优点，在工程测试领域有重要的实用价值。