基于蚁群BP神经网络算法的六维力传感器解耦研究

摘要：

针对传统BP神经网络在六维力传感器解耦训练过程中,由于其初始参数的选取不确定性导致神经网络出现震荡、收敛速度缓慢和陷入局部极值等问题,提出一种基于蚁群BP神经网络算法并应用于六维力传感器解耦研究.该算法利用蚁群算法在种群寻优方面的优越性,通过局部和全局信息素更新相结合的方式更新信息素,提高蚁群算法搜索的效率,为BP神经网络提供一组最优的训练初始参数,网络收敛速度得到很大地提高,同时局部极值和震荡等缺点也有一定的改善.实验仿真结果表明,在六维力传感器神经网络模型训练过程中,达到同样的目标误差,基于蚁群BP神经网络算法的迭代次数N比传统算法少50％,运行时间T快60％.这说明蚁群BP神经网络算法在六维力传感器解耦研究中有着很好的应用效果.

关键词：六维力传感器、蚁群BP神经网络算法、初始参数、解耦、收敛速度

所属期刊栏目：34

分类号：TP212.12(自动化技术及设备)

资助基金：国家自然科学基金项目:电阻应变片式六维力传感器动态耦合特性研究51175001

在线出版日期：2016-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1-4,13