PSO算法结合BP神经网络在传感器静态非线性校正中的应用  

Application of PSO and BP Neural Network in Static Nonlinear Corrector for Sensor

作　　者：张媛媛[1][2] 徐科军[3][4] 许耀华[1] 黄胜初[1] Yuan-yuan Ke-jun Yao-hua Sheng-chu 

机构地区：[1]安徽大学电子科学与技术学院,安徽,合肥,230039 [2]合肥工业大学仪器科学与光电工程学院,安徽,合肥,230009 [3]合肥工业大学电气与自动化工程学院,安徽,合肥,230009 [4]工业自动化安徽省工程技术研究中心,安徽,合肥,230009

出　　处：《计量学报》2009年第6期-,共4页Acta Metrologica Sinica

基　　金：安徽省青年教师基金

摘　　要：将粒子群优化(PSO)算法与BP神经网络相结合,应用在传感器静态非线性特性的校正中.用PSO算法所得到的全局最优值作为BP神经网络的初始权值,训练BP神经网络,训练结束后的神经网络作为传感器的静态特性校正器.应用结果表明,该方法可以提高BP神经网络的精度,并且该神经网络具有良好的泛化能力. Abstract： A static nonlinear errors method for correcting the sensors based on BP neural network using particle swarm optimization (PSO) is described. The global best values of particle swarm are used as initial weights of BP neural network to train BP neural network. Then the trained neural network is regarded as the sensor's corrector. The application results show that this method can improve the precision of the BP neural network, and the generalization capability of the neural network is good.

关 键 词：PSO算法 神经网络 传感器 非线性校正 BP NEURAL NETWORK BP NEURAL NETWORK particle swarm optimization generalization capability application results 全局最优值 粒子群优化 非线性特性 应用结果 训练 静态特性 泛化能力 初始权值 initial improve 校正器 

分 类 号：TB9-55[一般工业技术—计量学]