《基于改进Levy飞行的PSO湿度传感器补偿算法》PDF+DOC
作者:唐朝国
单位:中国电子学会
出版:《电子测量与仪器学报》2020年第03期
页数:7页 (PDF与DOC格式可能不同)
PDF编号:PDFDZIY2020030160
DOC编号:DOCDZIY2020030169
下载格式:PDF + Word/doc 文字可复制、可编辑
《引入粒子群方差条件的PSO气体传感器温度补偿》PDF+DOC2020年第01期 唐朝国
《基于PSO-BP神经网络的湿度传感器温度补偿》PDF+DOC2015年第06期 行鸿彦,邹水平,徐伟,张强
《基于AFSA-BP神经网络的湿度传感器温度补偿》PDF+DOC2017年第08期 郭敏,行鸿彦,张冬冬,张兰
《基于BP神经网络的IH3605传感器建模方法》PDF+DOC2010年第05期 黄俊燕,木昌洪
《LabWindows/CVI下基于BP神经网络的温度补偿虚拟湿度测量系统设计》PDF+DOC2010年第01期 王悦,叶海明,颜骥
《PSO-BP网络模型在温室数据融合中的应用研究》PDF+DOC2008年第12期 张酉军,熊伟丽,张林,徐保国
《基于PSO的BP神经网络在压力传感器温度补偿中的应用》PDF+DOC2014年第03期 孙艳梅,苗凤娟,陶佰睿
《基于改进GA-BP神经网络的湿度传感器的温度补偿》PDF+DOC2013年第01期 彭基伟,吕文华,行鸿彦,武向娟
《湿敏电容器的温度补偿方法研究》PDF+DOC2013年第06期 叶小岭,廖俊玲,孙宁
《基于相对湿度的棉花回潮率在线检测》PDF+DOC2013年第04期 张成梁,冯显英,杨丙生,李蕾
针对综合管廊中温度变化导致湿度传感器数据失真的问题,提出一种改进Levy飞行的粒子群优化(PSO)算法(ILPSO),用于补偿数据误差。首先,建立一个预测误差的神经网络,通过PSO寻找网络初始参数;然后,在PSO寻找过程中加入改进的Levy飞行,粒子飞行的概率与到最优粒子的距离成反比,靠近最优粒子时以较大概率反向逃离最优粒子,克服粒子早熟问题;最后,网络以PSO的输出作为初始参数重新训练。在算法寻优性能实验中,相比于其他测试算法,ILPSO算法的寻优能力更强,在传感器误差测试实验以及稳定性实验中,ILPSO算法的补偿效果最好,补偿后的湿度值误差在5%以内,均方误差(MSE)最低,稳定性最好。实验结果表明,与传统的Levy飞行相比,ILPSO算法对误差预测网络的适应度更强,收敛更快,提高了湿度传感器温度补偿的准确性以及稳定性。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。