Enhancing the Linearity Characteristics of Photoelectric Displacement Sensor Based on Extreme Learning Machine Method

光电的排水量传感器很少拥有一个非常线性的转移特征，但是总是在他们操作的范围上有非线性的某度。如果传感器产量是非线性的，它将生产问题的一个整个分类。这份报纸论述一个方法基于学习显著地减少需要与光排水量传感器和测量输入排水量的输出电压训练一个神经网络消除非线性的错误的时间的数量的机器(榆树)方法的极端补偿光电的排水量传感器的非线性在训练进程。这个建议方法的使用与传感器的试验性的数据通过计算机模拟被表明。结果表明建议方法与很低的训练时间，最低均方差(MSE ) 价值，和更好的线性在传感器中补偿了非线性的存在。这个研究工作包含了更少的计算复杂性，并且它表现了为为光电的排水量传感器的非线性赔偿的好表演并且有好应用程序前景。