蚁群小波神经网络在矿用风速传感中的应用  

Application of Ant Colony Optimized WNN in Mine Wind Speed Sensor

作　　者：谢芳[1] 陈艳丽[2] 

机构地区：[1]焦作师范高等专科学校计算机与信息工程学院,河南焦作454000 [2]河南理工大学计算机与科学技术学院,河南焦作454010

出　　处：《煤矿机械》2015年第9期248-250,共3页Coal Mine Machinery

基　　金：河南省教育厅科学技术研究重点项目(14B520037)

摘　　要：针对风速传感器输入输出存在的非线性误差,提出应用蚁群小波神经网络进行校正。该算法依据小波变换优良的局部特性,采用小波基函数作为隐含层的激活函数;利用蚁群算法全局搜索寻优特性,优化网络的权值和小波参数,避免陷入局部最优。构建了基于风速传感器非线性校正模型,并与神经网络校正结果进行比较。结果表明,蚁群小波神经网络的校正精度和效率均优于神经网络。The article applied ant colony optimized wavelet neural network to correct the nonlinear error of wind speed sensor. In the algorithm, the wavelet function is used as hidden layer activation function and the ant colony algorithm optimizes the initial weights of neural network and wavelet parameters. The paper constructed nonlinear correction model and compared with the neural network correction. The results show that it’s better than neural network in precision and efficiency.

关 键 词：非线性校正 小波神经网络 蚁群算法 风速传感器 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]