详情

原文传递一种基于SA-BP神经网络的溶氧传感器补偿方法

专利名称：	一种基于SA-BP神经网络的溶氧传感器补偿方法
摘要：	本发明公开了一种基于SA‑BP神经网络的溶氧传感器补偿方法,方法包括：数据采集和处理；构建溶氧传感器温度补偿的BP神经网络，确定BP神经网络结构并设置BP神经网络的相关参数；3利用模拟退火算法优化BP神经网络的初始权值和阈值；利用SA‑BP神经网络补偿溶氧传感器输出。本发明采集溶氧传感器的样本数据，将样本数据分为训练集和测试集，训练和测试溶氧传感器温度，将优化后初始权值和阈值代入BP神经网络训练并保存，将输出电压和温度归一化输入至SA‑BP神经网络，将输出结果反归一化得到补偿后的输出电压，使溶氧传感器输出电压精度得到改善，削弱了温度对溶氧传感器的影响，算法更具有鲁棒性。
专利类型：	发明专利
国家地区组织代码：	江苏;32
申请人：	南京邮电大学
发明人：	李胜文;邵世祥
专利状态：	有效
申请日期：	2019-08-08T00:00:00+0800
发布日期：	2019-11-12T00:00:00+0800
申请号：	CN201910728833.2
公开号：	CN110441374A
代理机构：	南京苏高专利商标事务所(普通合伙)
代理人：	吴静波
分类号：	G01N27/413(2006.01);G;G01;G01N;G01N27
申请人地址：	210023江苏省南京市雨花台区宁双路19号
主权项：	1.一种基于SA-BP神经网络的溶氧传感器补偿方法，其特征在于：所述方法包括以下步骤：第一步，数据采集和处理；第二步，构建溶氧传感器温度补偿的BP神经网络，确定BP神经网络结构并设置BP神经网络的相关参数；BP神经网络选取的结构为2-5-1，相应的BP神经网络表达式为其中x1,x2是BP神经网络的输入值，y是BP神经网络的输出，wij和wjk是BP神经网络的权值；aj和bk是神经网络的输出层阈值，在k的取值为1，f是选取的隐含层激励函数，选取为logsig函数，表达式为f(x)＝1/(1+e-x)；第三步，利用模拟退火算法优化BP神经网络的初始权值和阈值；第四步，利用SA-BP神经网络补偿溶氧传感器输出；将优化后的初始权值和阈值代入BP神经网络训练并保存，再将溶氧传感器输出电压和温度归一化并输入至SA-BP神经网络，最后将输出结果反归一化，得到补偿后的数据。 2.根据权利要求1所述一种基于SA-BP神经网络的溶氧传感器补偿方法，其特征在于：第三步具体步骤如下： 1)首先设置模拟退火算法的参数；根据BP神经网络结构确定模拟退火算法的编码长度，将BP神经网络的随机初始权值和阈值转化为模拟退火算法的初始解S； 2)根据随机扰动β，产生新解S'； S'＝S+βT (2) 其中β的取值范围为[0,1]，T为当前温度； 3)计算增量ΔF＝F(S')-F(S)，其中F(S)为评价函数，是输入训练数据的均方误差，其中：yi是训练样本的预测输出，y′i为训练样本的期望输出，n为训练样本的个数； 4)若ΔF<0，则把S'作为新的当前解，否则按照概率exp(-ΔF/T)，将S'作为新的当前解，T为当前温度； 5)如果满足终止判定条件，则把当前解作为最优解并解码输出作为最优初始权值和阈值，结束程序；否则降低温度，继续重复步骤2-4，相邻温度衰减公式如下： Ti+1＝αTi (5) 其中α取值范围在[0,1]。 3.根据权利要求1所述的一种基于SA-BP神经网络的溶氧传感器补偿方法，其特征在于：所述第一步的数据采集和处理方法为，根据不同的溶氧环境，在不同的温度条件下采集相应的溶氧传感器的输出电压值和温度作为样本数据，再将样本数据划分为训练集和测试集，用于训练和测试溶氧传感器温度补偿模型。
所属类别：	发明专利