基于SAW微力传感器的GRNN拟合研究

作者：季雪咪; 李媛媛^*; 李济同

来源：传感器与微系统, 2019, 38(12): 14-17.

DOI：10.13873/j.1000-9787(2019)12-0014-04

• 广义回归神经网络
• 最小二乘法
• 声表面波微力传感器
• 曲线拟合

针对传统方法拟合声表面波(SAW)微力传感器输入—输出曲线的算法为最小二乘法,但无法进行全局搜索,易获得局部最优解的不足,基于SAW微力传感器实测数据,采用广义回归神经网络(GRNN)进行曲线拟合。选取以铌酸锂为压电基底的SAW微力传感器,对其施加微压并通过网络分析仪测量输出频率数据,依据GRNN和最小二乘法基本原理采用MATLAB R2016b分别对频率—压力数据进行拟合并对比。仿真结果表明:与最小二乘法相比,GRNN误差明显减小,约一个数量级,能有效提高拟合精度。

• 单位
  上海工程技术大学