Обеспечение точности аппроксимации R/T-характеристики ntc-термистора на основе нейросетевого моделирования

The research is aimed at improving the accuracy of the approximation of characteristics of the semiconductor thermoresistive temperature conductor on the example of an NTC-type thermistor (B57703M series) using neural network techniques for intelligent processing of measurement information.The objec...

Повний опис

Збережено в:

Бібліографічні деталі
Дата:	2015
Автори:	Fedin, S. S., Zubretskya, I. S.
Формат:	Стаття
Мова:	Ukrainian
Опубліковано:	PE "Politekhperiodika", Book and Journal Publishers 2015
Теми:	точность аппроксимации R/T-характеристика NTC-термистор полиномиальная модель нейросетевые модели
Онлайн доступ:	https://www.tkea.com.ua/index.php/journal/article/view/TKEA2015.4.28
Теги:	Додати тег Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:	Technology and design in electronic equipment

Репозитарії

Technology and design in electronic equipment

id	oai:tkea.com.ua:article-273
record_format	ojs
spelling	oai:tkea.com.ua:article-2732025-05-30T19:32:27Z Ensuring the accuracy of the approximation of R/T-characteristics of NTC-thermistor based on neural network modeling Обеспечение точности аппроксимации R/T-характеристики ntc-термистора на основе нейросетевого моделирования Fedin, S. S. Zubretskya, I. S. accuracy of approximation R/T-characteristics NTC-thermistor polynomial model neural network models точность аппроксимации R/T-характеристика NTC-термистор полиномиальная модель нейросетевые модели The research is aimed at improving the accuracy of the approximation of characteristics of the semiconductor thermoresistive temperature conductor on the example of an NTC-type thermistor (B57703M series) using neural network techniques for intelligent processing of measurement information.The objective of the study is to develop feed forward neural network models with Back Propagation and Resilient Propagation learning algorithms in order to ensure the accuracy of approximation of R/T-characteristics of NTC-thermistors in the working temperature range. It is shown that the use of the developed neural network models can provide higher accuracy of the approximation in comparison with the known Steinhart-Hart polynomial model.Statistical estimation has shown that for the purpose of solving the problem of neural network approximation of R/T-characteristics of NTC-thermistors, the Back Propagation algorithm is preferable to the Resilient Propagation algorithm. The practical use of the developed models improves the accuracy of individual calibration of NTC-thermistor’s temperature range 218.15 – 428.15 K. Разработаны нейросетевые модели для аппроксимации нелинейной R/T-характеристики полупроводникового терморезистивного преобразователя температуры в рабочем диапазоне. На примере термистора типа NTC серии B57703M показано, что использование разработанных нейросетевых моделей позволяет обеспечить более высокую точность аппроксимации по сравнению с полиномиальной моделью Стейнхарта – Харта. PE "Politekhperiodika", Book and Journal Publishers 2015-08-25 Article Article Peer-reviewed Article application/pdf https://www.tkea.com.ua/index.php/journal/article/view/TKEA2015.4.28 10.15222/TKEA2015.4.28 Technology and design in electronic equipment; No. 4 (2015): Tekhnologiya i konstruirovanie v elektronnoi apparature; 28-35 Технологія та конструювання в електронній апаратурі; № 4 (2015): Технология и конструирование в электронной аппаратуре; 28-35 3083-6549 3083-6530 uk https://www.tkea.com.ua/index.php/journal/article/view/TKEA2015.4.28/241 Copyright (c) 2015 Fedin S. S., Zubretskya I. S. http://creativecommons.org/licenses/by/4.0/
institution	Technology and design in electronic equipment
baseUrl_str
datestamp_date	2025-05-30T19:32:27Z
collection	OJS
language	Ukrainian
topic	точность аппроксимации R/T-характеристика NTC-термистор полиномиальная модель нейросетевые модели
spellingShingle	точность аппроксимации R/T-характеристика NTC-термистор полиномиальная модель нейросетевые модели Fedin, S. S. Zubretskya, I. S. Обеспечение точности аппроксимации R/T-характеристики ntc-термистора на основе нейросетевого моделирования
topic_facet	accuracy of approximation R/T-characteristics NTC-thermistor polynomial model neural network models точность аппроксимации R/T-характеристика NTC-термистор полиномиальная модель нейросетевые модели
format	Article
author	Fedin, S. S. Zubretskya, I. S.
author_facet	Fedin, S. S. Zubretskya, I. S.
author_sort	Fedin, S. S.
title	Обеспечение точности аппроксимации R/T-характеристики ntc-термистора на основе нейросетевого моделирования
title_short	Обеспечение точности аппроксимации R/T-характеристики ntc-термистора на основе нейросетевого моделирования
title_full	Обеспечение точности аппроксимации R/T-характеристики ntc-термистора на основе нейросетевого моделирования
title_fullStr	Обеспечение точности аппроксимации R/T-характеристики ntc-термистора на основе нейросетевого моделирования
title_full_unstemmed	Обеспечение точности аппроксимации R/T-характеристики ntc-термистора на основе нейросетевого моделирования
title_sort	обеспечение точности аппроксимации r/t-характеристики ntc-термистора на основе нейросетевого моделирования
title_alt	Ensuring the accuracy of the approximation of R/T-characteristics of NTC-thermistor based on neural network modeling
description	The research is aimed at improving the accuracy of the approximation of characteristics of the semiconductor thermoresistive temperature conductor on the example of an NTC-type thermistor (B57703M series) using neural network techniques for intelligent processing of measurement information.The objective of the study is to develop feed forward neural network models with Back Propagation and Resilient Propagation learning algorithms in order to ensure the accuracy of approximation of R/T-characteristics of NTC-thermistors in the working temperature range. It is shown that the use of the developed neural network models can provide higher accuracy of the approximation in comparison with the known Steinhart-Hart polynomial model.Statistical estimation has shown that for the purpose of solving the problem of neural network approximation of R/T-characteristics of NTC-thermistors, the Back Propagation algorithm is preferable to the Resilient Propagation algorithm. The practical use of the developed models improves the accuracy of individual calibration of NTC-thermistor’s temperature range 218.15 – 428.15 K.
publisher	PE "Politekhperiodika", Book and Journal Publishers
publishDate	2015
url	https://www.tkea.com.ua/index.php/journal/article/view/TKEA2015.4.28
work_keys_str_mv	AT fedinss ensuringtheaccuracyoftheapproximationofrtcharacteristicsofntcthermistorbasedonneuralnetworkmodeling AT zubretskyais ensuringtheaccuracyoftheapproximationofrtcharacteristicsofntcthermistorbasedonneuralnetworkmodeling AT fedinss obespečenietočnostiapproksimaciirtharakteristikintctermistoranaosnovenejrosetevogomodelirovaniâ AT zubretskyais obespečenietočnostiapproksimaciirtharakteristikintctermistoranaosnovenejrosetevogomodelirovaniâ
first_indexed	2025-09-24T17:30:39Z
last_indexed	2025-09-24T17:30:39Z
_version_	1844167352791334912

Обеспечение точности аппроксимации R/T-характеристики ntc-термистора на основе нейросетевого моделирования

Репозитарії

Схожі ресурси