基于改进遗传神经网络的微硅加速度传感器动态补偿研究

摘要：

比较遗传算法与神经网络的特点, 并对将遗传算法用于函数连接型神经网络(FLNN)的优点进行了研究.对遗传算法的编码方法、交换和变异操作做了改进,提出了一种融合改进遗传算法的FLNN用于微硅加速度传感器动态性能补偿的新方法.该方法不依赖于传感器的动态模型, 可根据传感器的动态响应数据, 建立补偿模型,采用改进遗传神经网络搜索和优化补偿模型参数,既保留了遗传算法的全局搜索能力,又具有神经网络的鲁棒性和自学习能力.介绍补偿原理及算法, 给出动态补偿网络的数学模型.结果表明, 该补偿方法能克服FLNN收敛速度慢、容易陷入局部极小的缺陷,具有网络训练速度快、实时性好、良好的全局搜索能力、精度高、鲁棒性好及动态补偿器实现简单等优点.

关键词：微硅加速度传感器、函数连接型神经网络、动态补偿、遗传算法

所属期刊栏目：34

分类号：TP212.6(自动化技术及设备)

在线出版日期：2004-08-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：455-458