基于精英反向学习的GA-BP神经网络的压力传感器校准  

作　　者：吴凯枫 张立新[1] 王军昂 王赛[1] 凌云 

机构地区：[1]南京信息工程大学自动化学院,江苏南京210044

出　　处：《电子制作》2022年第20期60-62,共3页Practical Electronics

摘　　要：针对压力传感器模组的输出精度校准问题,文章采用了通过精英反向学习策略来改进遗传算法优化BP神经网络的方法来提高压力传感器模组的输出精度。在BP神经网络算法的基础上,通过结合精英反向学习的思想,提高算法的全局搜索寻优能力。具体为通过精英反向学习策略去获得染色体的反向解,并通过适应度函数大小来获得更加优质的染色体从而构建新一代种群。通过实验测试表明,结合精英反向学习策略的GA-BP神经网络方法的输出结果精度高于BP神经网络法。并且相对于传感器厂商所用的传统最小二乘法拟合而言,这种方法的传感器校准精度更高。

关 键 词：精英反向学习 遗传算法 BP神经网络 最小二乘法 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] TP212[自动化与计算机技术—控制科学与工程]