針對綜合管廊中溫度變化導(dǎo)致氣體傳感器數(shù)據(jù)失真的問題,提出一種引入粒子群方差條件的PSO算法（VCPSO,variance condition particle optimization algorithm）,利用該算法尋找用于溫度補償?shù)腂P神經(jīng)網(wǎng)絡(luò)的初值。首先,在傳統(tǒng)PSO算法考慮粒子適應(yīng)度值的基礎(chǔ)上,額外計算整個粒子群在搜索空間中分布的方差。若適應(yīng)度停止更新且方差較大則認為搜索陷入局部平坦區(qū)域,無法繼續(xù)尋優(yōu)。然后,采用logistic映射更新粒子位置解決搜索停滯的問題。最后,通過貪婪算法保證搜索收斂。實驗結(jié)果表明,較傳統(tǒng)PSO,VCPSO收斂精度更高,穩(wěn)定性更強。經(jīng)補償后,傳感器誤差均值約為25ppm,誤差小于2%。 

【文章來源】：電子元器件與信息技術(shù). 2020,4(01)

【文章頁數(shù)】：3 頁

【部分圖文】：

補償結(jié)果對比

對比VCPSO和傳統(tǒng)PSO對神經(jīng)網(wǎng)絡(luò)參數(shù)得尋優(yōu)能力。以式(3)中的適應(yīng)度函數(shù)值作為評價指標,適應(yīng)度值越小,則算法尋優(yōu)性能越好。算法參數(shù)如下,粒子數(shù)量N=30,加速度常數(shù)c1=c2=2,慣性權(quán)重ω=ωmax-(ωmax-ωmin)*(iter/N),其中ωmin=0.8,ωmax=1.2,適應(yīng)度值累計變化次數(shù)k=10,適應(yīng)度閾值βs=10-6,方差和閾值βб=0.01。訓(xùn)練集數(shù)據(jù)適應(yīng)度值隨迭代次數(shù)下降的過程如圖2所示。圖2 訓(xùn)練集的迭代過程

圖1 算法流程圖通過兩圖的對比可以看出:VCPSO-BP算法中適應(yīng)度函數(shù)在10次迭代后停止下降,而粒子位置方差和變化較大,此時粒子群進入平坦區(qū)域。對粒子VCPSO對粒子進行變異后繼續(xù)搜索,最終適應(yīng)度值降低,方差和減小。而傳統(tǒng)PSO算法在進入平坦區(qū)域后停止搜索。因此,VCPSO的對神經(jīng)網(wǎng)絡(luò)初始參數(shù)的搜索性能更好。

【參考文獻】：
期刊論文
[1]基于粒子群-遺傳混合算法的函數(shù)優(yōu)化研究[J]. 劉文英,張自魯,路慎強,張曉燕.  計算機技術(shù)與發(fā)展. 2019(10)
[2]關(guān)于一種壓力傳感器用低通濾波器設(shè)計[J]. 張穎英.  電子元器件與信息技術(shù). 2019(06)
[3]基于加權(quán)最小二乘法曲率計算的點云精簡算法[J]. 唐澤宇,高保祿,竇明亮.  計算機工程與設(shè)計. 2019(06)
[4]帶混沌映射的WSN蝴蝶優(yōu)化定位算法[J]. 李田來,劉方愛.  計算機工程與設(shè)計. 2019(06)
[5]改進BP神經(jīng)網(wǎng)絡(luò)在機票銷售量預(yù)測中的應(yīng)用[J]. 羅嗣卿,李冰珂,王佳玉.  計算機工程與設(shè)計. 2018(12)
[6]基于AABC-BP算法的紅外氣體傳感器溫度補償[J]. 李成兵,毛熙皓.  傳感技術(shù)學(xué)報. 2018(10)
[7]基于PSO優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的話題趨勢預(yù)測[J]. 馬曉寧,王惠.  計算機工程與設(shè)計. 2018(09)
[8]基于PSO-SVR的壓力傳感器溫度補償[J]. 韓欣玉,何平,潘國峰,劉一賽,張萬發(fā).  儀表技術(shù)與傳感器. 2018(08)
[9]改進AFSA-BP神經(jīng)網(wǎng)絡(luò)的濕度傳感器溫度補償研究[J]. 何怡剛,陳張輝,李兵,蘇蓓蕾.  電子測量與儀器學(xué)報. 2018(07)
[10]基于改進SPSO-BP神經(jīng)網(wǎng)絡(luò)的溫度傳感器濕度補償[J]. 行鴻彥,郭敏,張?zhí)m,張一波.  傳感技術(shù)學(xué)報. 2018(03)

碩士論文
[1]綜合管廊環(huán)境安全性監(jiān)測多源信息融合應(yīng)用研究[D]. 趙婷.西安建筑科技大學(xué) 2018



本文編號：3229490