[发明专利]基于GA-BP神经网络算法的高精确度电阻测量算法在审

申请号：	201910889431.0	申请日：	2019-09-19
公开（公告）号：	CN110738006A	公开（公告）日：	2020-01-31
发明（设计）人：	梁继然;张文旭;张颖;许延雷	申请（专利权）人：	天津大学
主分类号：	G06F30/27	分类号：	G06F30/27;G06N3/04;G06N3/08;G01K7/25;G01L1/22;G01R27/02
代理公司：	12201 天津市北洋有限责任专利代理事务所	代理人：	琪琛
地址：	300072***	国省代码：	天津;12
权利要求书：	查看更多	说明书：	查看更多
摘要：
搜索关键词：	迭代算法测量训练神经网络非线性关系嵌入式系统全局最优解被测电阻测量电压电阻测量函数拟合网络参数单片机最优解电阻固化
钻瓜网技术展会专利词库专利权人专利榜在售专利公布日期热门专利

【权利要求书】：

1.一种基于GA-BP神经网络算法的高精确度电阻测量算法，其特征在于，通过训练神经网络达到测量电压与被测电阻阻值之间的非线性关系的函数拟合；在BP网络训练参数之前，先通过GA算法，迭代得到一个较为精确的全局最优解，再通过BP神经网络训练得到模型的最优解，再将得到的网络参数固化到单片机上，通过嵌入式系统可直接测得高精确度的电阻值。

2.根据权利要求1所述基于GA-BP神经网络算法的高精确度电阻测量算法，其特征在于，所述GA-BP神经网络算法在matlab上实现，具体包括以下步骤：

(1)导入预先测量的数据，将数据分为训练集和测试集，并对数据进行归一化处理；

(2)随机产生n个种群，每个种群的染色体编码采取浮点数编码，编码的染色体个数为19个，其中前6个表示输入层到隐含层的权重，第7-12个表示隐含层到输出层的权重，第13-18表示输入层到隐含层的偏置，第19表示隐含层到输出层的偏置；

(3)计算n个样本的适应度，得到n个样本能够进行繁殖的概率；

(4)按照每个样本可以繁殖的概率，挑选2个作为亲本，随机交换两个亲本的染色体得到新的子代；

(5)重复n次步骤4，得到新的子代；

(6)对子代的染色体进行变异，即随机增加一个(-0.09，0.09)之间的随机数；

(7)重复N次步骤2-步骤6，即进行遗传算法的N次迭代，得到GA算法运行结束的近似全局最优解；

(8)建立一个BP神经网络，该网络的输入层、隐含层、输出层神经元个数分别为1个，6个，1个，输入层到隐含层的激活函数为tansig，隐含层到输出层的激活函数为sigmod，将步骤(7)中得到的网络参数作为BP神经网络的初始化参数；

(9)设定学习率lr，目标精度e，开始训练BP神经网络；

(10)得到最优解的网络参数。

3.根据权利要求2所述基于GA-BP神经网络算法的高精确度电阻测量算法，其特征在于，所述N＝60，n＝50。