10.13873/J.1000-9787(2020)08-0134-04
引入粒子生存值的SPSO-BP气体传感器补偿算法
针对复杂环境下气体传感器的稳定性不足的问题,提出了一种基于改进反向传播(BP)神经网络的传感器补偿算法.首先建立基于温湿度补偿的BP神经网络结构,并确定各层网络的节点数.然后提出用粒子群算法(PSO)优化BP神经网络的初始权值和阈值.最后引入粒子生存值并结合模拟退火改进传统PSO算法(SPSO),提高模型的全局极值寻优能力.实验结果表明:本文改进的SPSO算法较传统的PSO算法寻优能力更强,将SPSO与BP神经网络相结合,提高了气体传感器的温湿度补偿精度.
反向传播(BP)神经网络、粒子群优化算法、粒子生存值、温湿度补偿
39
TP212(自动化技术及设备)
2020-08-03(万方平台首次上网日期,不代表论文的发表时间)
共4页
134-137