[发明专利]基于神经网络的郎之万型换能器谐振频率检测方法

权利要求书

1.一种基于神经网络的郎之万型换能器谐振频率检测方法，其特征在于：首先采用换能器特征测量模块提取影响换能器谐振频率的主要影响因素，然后将主要影响因素输入神经网络检测模块，由神经网络检测模块通过神经网络的计算输出对应的谐振频率，然后，通过少量的不同规格的换能器进行组合，作为神经网络训练的样本数据，同时采用粒子群优化算法优化神经网络的参数，进一步提升网络的输出谐振频率的精度。

2.根据权利要求1所述的基于神经网络的郎之万型换能器谐振频率检测方法，其特征在于：所述换能器特征测量模块包括换能器外形测量模块和工作环境测量模块，用于换能器主要影响因素分析和提取以及换能器特征测量。

3.根据权利要求2所述的基于神经网络的郎之万型换能器谐振频率检测方法，其特征在于：所述换能器主要影响因素分析和提取包括提取换能器6项主要影响特征，分别为：前盖板L3、前盖板L5和后盖板L1的长度以及安装预紧力F1、装配预紧力F2和激励电压U，并将该6种主要影响特征作为神经网络的输入。

4.根据权利要求1所述的基于神经网络的郎之万型换能器谐振频率检测方法，其特征在于：.所述换能器特征测量的具体方法是：针对提取的换能器主要影响因素作为变量进行加工，根据换能器6个主要影响因素分别加工3组换能器，得到3的6次方个样本数据，该样本数据用来训练神经网络模型，神经网络模型训练完毕后即可使用换能器特征测量模块对同类换能器进行检测，通过测量换能器特征从而快速输出对应的谐振频率。

5.根据权利要求1所述的基于神经网络的郎之万型换能器谐振频率检测方法，其特征在于：所述神经网络计算模块采用基于BP神经网络谐振频率检测模型的基本结构，该基本结构包含输入层、隐藏层和输出层，其中，所述输入层接收换能器主要影响因素的外界信息，并传给中间的内部信息处理层，又传递到输出层，完成正向传播过程。

6.根据权利要求5所述的基于神经网络的郎之万型换能器谐振频率检测方法，其特征在于：如果得到的结果跟想要的结果不同的时候，此时把误差跟前边正向学习相反的方向递进，权值的改正经过梯度下降方式。

7.根据权利要求1所述的基于神经网络的郎之万型换能器谐振频率检测方法，其特征在于：所述粒子群优化算法优化神经网络采用粒子群算法，建立基于PSO-BPNN的谐振频率检测模型，将所述换能器特征测量模块提取的换能器特征主要影响因素作为神经网络的输入，针对每种特征分别加工3个不同尺寸的换能器，针对安装预紧力F1、装配预紧力F2和激励电压U三种特征分别设定三组不同的大小，随机抽取100组样本数据作为神经网络的训练集，抽取50组样本作为测试集。