一种基于改进遗传RBF神经网络的传感器动态特性补偿算法.pdf

《一种基于改进遗传RBF神经网络的传感器动态特性补偿算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第23卷第9期传感技术学报V01．23No．9CHINESEJOURNALOFSENSORSANDACTUATORSSept．20102010年9月ADynamicCompensationAlgorithmBasedonImprovedGenetic-RBFNeuralNetworkforSensorWANGJunhao，MENGXiangrui，1．SchoolofComputerScienceandEngineering，AnhuiUniversityofScienceandTechnology，Huai

2、nanAnhui232001，＼2．SchoolofEnergyandSafety，AnhuiUniversityofScienceandTechnology，HuainanAnhui232001，ChinaAbstract：Toimprovethesensor’sdynamicperformance，andreduceerrorsinsystematicmeasurement，theprin—cipleofsensor’Sdynamicperformancecompensationisanalyzed．Ak

3、indofimprovedgeneticalgorithm(IAGA)andtheRBF(RadialBasisFunction)neuralnetworkinthecompensationalgorithmisproposed．Themathemati—ca1modelwiththeIAGA—RBFcompensationalgorithmisgivenandappliedtothegassensorcompensationunit．Experimentsshowthatthecompensationalg

4、orithmisoffastresponse，highaccuracyandwideworkingband，anumberofdynamicindicatorsarealsolargelyimproved，whichcaneffectivelycompensateforthedynamicper—formanceofthesensor．Keywords：sensor；dynamiccompensation；GeneticAlgorithm；radialbasisfunctionneuralnetworkEEA

5、CC：7220；7230doi：10．3969／j．issn．1004—1699．2010．09．019一种基于改进遗传RBF神经网络的传感器动态特性补偿算法术王军号，孟祥瑞／1．安徽理工大学计算机科学与工程学院，安徽淮南232001；、＼2．安徽理工大学能源与安全学院，安徽淮南232001／摘要：为了改善传感器的动态特性，减小系统测量误差，分析了传感器动态性能补偿的基本原理，提出了一种基于改进型遗传算法(IAGA)和RBF神经网络相结合的补偿算法，给出了用IAGA—RBF补偿算法建立的数学模型，并应用到瓦斯

6、传感器的补偿环节。实验证明，该补偿算法具有响应速度快、计算精度高和工作频带宽的特点，多项动态特性指标都得到了较大的改善，能够有效地用于传感器的动态特性补偿。关键词：传感器；动态特性补偿；遗传算法；RBF神经网络中图分类号：TP212文献标识码：A文章编号：1004—1699(2010)09—1298一O5传感器在测量随时间变化的动态参数时，只文献[2]给出了用遗传算法和函数链神经网络相结考虑静态性能是不够的，尤其要注意其动态特性合建立的加速度传感器动态补偿网络的数学模型。指标。动态特性反映了传感器对随时间变化

7、的输文献[3]是根据“逆模型”的思想，利用神经元网络入量的响应性能。好的传感器，其输出量随时间良好的逼近能力，提出了基于函数联接型神经网络变化的曲线与被测量随时间变化的曲线应一致或的传感器动态补偿方法。者相近，但实际上输出与输入之间必定存在动态本文在综合分析以上文献技术特点的基础上，误差。为了减小这种动态误差，就有必要对传感提出一种基于遗传算法优化的RBF神经网络，用于器的动态特性进行补偿。对传感器的动态测量滞后误差进行了补偿校正，并文献[1]提出了一种基于递归神经网络的加速给出了实验结果，验证了该方法设计的

8、动态补偿系度传感器动态性能补偿方法，利用神经网络良好的统具有实现简单，实时性好，响应速度快，工作频带非线性映射能力，实现对传感器动态特性的补偿。宽，不依赖于传感器的模型，鲁棒性强等优点。项目来源：安徽高校省级自然科学研究重点项目资助(KJ2010A084)收稿日期：2010—05—04修改Et期：2010—06—07第9期王军号，孟祥瑞：一种基于改进遗传RBF神经网络的传感器动态特性补偿算法1299