基于遗传-蚁群算法优化BP神经网络的医用输液泵输液误差补偿

摘要：

一次性泵用输液器搭配医用输液泵进行输液时,输液精度受时间、温度和流速影响,可能会出现精度下降等不利现象.为了对输液误差进行补偿,提出一种遗传算法(genetic algorithm,GA)和蚁群算法(ant colony optimization,ACO)相结合以优化BP神经网络的方法.首先分析误差影响因素,通过多控制因素下的输液实验获得补偿前的误差数据.其次,运用GA-ACO优化BP神经网络的初始权值和阈值,建立误差补偿模型.最后将该算法和BP算法以及分别用遗传算法、蚁群算法优化BP神经网络的补偿效果进行对比.仿真结果表明,提出的算法能够有效减小输液误差.模型的平均绝对误差为0.575 7 mL、均方误差为0.533 9、均方根误差为0.730 7、平均绝对百分比误差为0.092 2%.公司产品样机实测结果表明,采用该优化算法能够提高输液精度,最大相对误差低于3.5%,验证了使用遗传-蚁群算法优化BP神经网络补偿泵用输液器输液误差的有效性,具有一定的实际应用价值.

关键词：输液泵、BP神经网络、遗传-蚁群算法、误差补偿

所属期刊栏目：42

分类号：TP183(自动化基础理论)

资助基金：北京信息科技大学促进高校分类发展重点研究培育项目2121YJPY217

在线出版日期：2023-09-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：112-120