提出了一种基于径向基函数（RBF）神经网络建立光电经纬仪等效跟踪误差模型的方法来评价光电经纬仪的跟踪性能。分析了光电经纬仪存在的非线性因素,说明了采用理论建模方法难以准确描述其全部过程的原因。然后,介绍了RBF神经网络和靶标系统,基于一组靶标参数建立了RBF神经网络模型,并更换靶标参数进行模型验证。最后,对更换后的靶标参数进行重新训练建模,并改变参数周期,对模型进行了验证。实验结果表明：所建的神经网络模型精度与靶标参数有关,当动态靶标的半椎角a为21.2°,倾角b为43.8°,靶标匀速运行周期T为8.5s时,网络模型在靶标速度最大时误差也达到最大为3.18′,其它时刻均小于0.6′。当a为16.6°,b为37.5°,T为13s时,模型最大误差为1.8′左右,在此模型下真实输出与网络模型输出的最大偏差为2.4′左右,其它时刻均小于1.2′。结果表明,采用RBF...

随着压力传感器的应用范围不断扩大,对测量准确度的要求不断提高,而由于力敏电阻器的不匹配及其漏电流的影响会产生零点漂移现象。这种现象在一定程度上影响了压力传感器的精度。本文利用RBF神经网络方法构建了双输入单输出网络模型,采用带遗忘因子的梯度下降算法实现了压力传感器零点飘移的补偿。结果表明,RBF神经网络方法收敛速度快、拟合出的数据精度高。