提出了一种基于Wiener神经网络逆系统的动态补偿方法,并将其应用于红外温度传感器的动态特性优化中.首先,将非线性动态补偿器描述成线性动态子环节串接非线性静态增益--Wiener模型的形式;再设计一种新型的Wiener神经网络结构,使其权值与Wiener模型参数相对应;推导网络迭代算法,同时对Wiener模型中的线性动态环节和非线性静态增益进行优化;最后,收敛的网络权值即为动态补偿器的实际参数.用动态标定数据进行实验的结果表明,经该模型的补偿,红外温度传感器达到稳态的时间由26 ms缩短为7 ms,动态特性明显得到了改善.

提出一种基于函数链接型神经网络（FLANN）的三轴磁强计误差修正方法。由于三轴非正交、灵敏度不一致及零点漂移所引起的误差降低了三轴磁强计的测量精度，因此有必要进行校正。本文先对与三轴磁强计系统参数有关的测量进行详细分析和理论计算；然后，设计矩阵形式的数学模型对该误差进行修正。通过构造相应的FLANN网络结构，实现对模型参数矩阵的辨识。用实际地磁场测量数据进行测试，结果表明，三轴磁强计的转向误差南800nT修正到12nT以下。因此，该研究为提高三轴磁强计性能提供了一种可行方法。

提出一种基于最小二乘支持向量机( LS- SVM) 构造函数链接型神经网络( FLANN) 的方法, 并根据正反馈原理将该FLANN 应用於热电偶传感器非线性校正. 讨论LS- SVM 构造FLANN 的基本原理和具体算法, 给出了非线性补偿器的数学模型. 与常规BP 迭代算法构造的FLANN 比较, 该方法构造的FLANN 补偿器具有如下优点: ① 利用LS- SVM 将迭代逼近问题转化为直接求解多元线性方程, 因此具有更快的速度; ② 整个训练过程中有且仅有一个全局极值点, 确定了所构造FLANN 补偿器的唯一性, 提高了补偿精度. 最后以P-t Rh30- P-t Rh6 热电偶( B 型) 为例进行非线性校正实验, 结果验证了上述结论.