[发明专利]一种改进粒子群优化神经网络的压力导丝温度补偿方法

摘要

本发明公开了一种改进粒子群优化神经网络的压力导丝温度补偿方法，包括以下几个主要步骤采集压力导丝输出电压以及所处环境相关参数，并对数据进行归一化处理；构建一个具有误差反向传播能力的三层前反馈神经网络模型；利用改进的粒子群算法（Particle Swarm Optimization，PSO）优化构建的神经网络的权值和阈值；对优化后权值和阈值的神经网络进行训练；利用训练得到的神经网络模型对压力导丝测量数据进行温度补偿。本发明为利用改进的粒子群优化神经网络算法构建出压力导丝测量逆模型，训练出的模型补偿精度高，泛化能力强，稳定性高，有效避免了BP（Back Propagation）神经网络易陷入局部最优以及标准粒子群算法优化BP神经网络易跳过全局最优的缺点。

主权项

一种改进粒子群优化神经网络的压力导丝温度补偿方法，其特征是：包括以下步骤：（1）采集压力导丝输出电压以及所处环境相关参数，主要包括压力导丝所处环境的温度值，压力值以及与其相对应的压力导丝输出的电压值，并对其尽心归一化处理;（2）构建一个具有误差反向传播能力的三层前反馈神经网络（BP神经网络）模型，并设置其输入、输出层及隐含层的神经元个数，各层传递函数以及网络训练参数等；（3）利用改进的粒子群算法优化构建的神经网络的权值和阈值；a．初始化构建粒子群算法，设置粒子群算法参数，包括：粒子数、粒子群维度、粒子初始位置及初始速度、迭代次数、惯性权重ω以及学习因子、；b．针对每个粒子的当前位置计算适应度值，记录每个粒子的历史最优适应度值时粒子位置以及粒子群所有粒子中的历史最优适应度值时粒子位置；    c．判断粒子适应度是否达到要求或迭代次数是否达到最大，若达到，进行步骤（4），若未达到，继续步骤d；    d．按照以下速度和位置公式更新所有粒子的位置和速度：其中为惯性权重，为第i个粒子第t次迭代后的速度，为第i个粒子第t+1次迭代后的速度，为第i个粒子的历史最优位置，为整个粒子群历史最优位置，、为学习因子，第i个粒子的当前位置，为随机数、第i个粒子第t次迭代后的位置，为第i个粒子第t+1次迭代后的位置；     重新返回步骤b；（4）对优化后权值和阈值的神经网络进行训练，将粒子群算法优化后的权值和阈值赋给BP神经网络，并判断是否达到神经网络训练要求，若达到，直接进行步骤（5），若未达到，使用神经网络训练函数对各层权值和阈值进行二次优化，达到训练要求后进行步骤（5）；（5）利用训练得到的神经网络模型对压力导丝测量数据进行温度补偿，将压力导丝输出的电压值和环境温度值作为神经网络的输入，训练好的神经网络输出补偿后的环境压力值。