文中以MEMS矢量水听器为研究对象,分析其温度特性,采用BP神经网络方法进行温度补偿。海水的温度范围为-2-30℃,在该范围内对水听器的温度特性进行测试。测试结果表明:随着温度的变化,MEMS矢量水听器产生温度漂移,使其灵敏度发生浮动,...文中以MEMS矢量水听器为研究对象,分析其温度特性,采用BP神经网络方法进行温度补偿。海水的温度范围为-2-30℃,在该范围内对水听器的温度特性进行测试。测试结果表明:随着温度的变化,MEMS矢量水听器产生温度漂移,使其灵敏度发生浮动,这样严重制约了水听器的测量精度和应用范围。采用BP神经网络算法对水听器进行温度补偿,将水听器测量电压值和实时温度进行数据融合,削弱了环境温度的影响。补偿后,水听器的温度漂移显著降低,不同工作温度下的灵敏度曲线高度重合,灵敏度浮动不超过2 d B。展开更多
文摘文中以MEMS矢量水听器为研究对象,分析其温度特性,采用BP神经网络方法进行温度补偿。海水的温度范围为-2-30℃,在该范围内对水听器的温度特性进行测试。测试结果表明:随着温度的变化,MEMS矢量水听器产生温度漂移,使其灵敏度发生浮动,这样严重制约了水听器的测量精度和应用范围。采用BP神经网络算法对水听器进行温度补偿,将水听器测量电压值和实时温度进行数据融合,削弱了环境温度的影响。补偿后,水听器的温度漂移显著降低,不同工作温度下的灵敏度曲线高度重合,灵敏度浮动不超过2 d B。