[发明专利]遗传算法RBF神经网络在涡流传感器非线性补偿中的应用在审
| 申请号： | 201810780496.7 | 申请日： | 2018-07-17 |
| 公开（公告）号： | CN109102068A | 公开（公告）日： | 2018-12-28 |
| 发明（设计）人： | 俞阿龙;戴金桥;孙红兵 | 申请（专利权）人： | 淮阴师范学院 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 223300 江苏省淮安*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 遗传算法RBF神经网络在涡流传感器非线性补偿中的应用，它涉及一种涡流传感器技术领域。用RBF神经网络建立涡流传感器非线性补偿模型，称为RBF神经网络逆模型，设涡流传感器的输入为δ，涡流传感器输出频率f，f＝g(δ)为非线性关系，在涡流传感器后串联一个补偿环节，使y＝g1(f)＝kδ，那么就实现了涡流传感器的非线性补偿，当k＝1时，y＝δ＝g1(f)称为涡流传感器的逆模型，将涡流传感器输出频率f作为RBF神经网络的输入训练样本。采用上述技术方案后，本发明有益效果为：具有很强的泛化能力和有高的精度，能同时优化网络结构和参数，具有全局寻优能力，补偿精度高，网络训练速度快、能实现在线软补偿。 | ||
| 搜索关键词： | 涡流传感器 非线性补偿 输出频率 逆模型 应用遗传算法 非线性关系 补偿环节 网络结构 网络训练 训练样本 遗传算法 软补偿 寻优 串联 全局 应用 优化 | ||
【主权项】：
1.遗传算法RBF神经网络在涡流传感器非线性补偿中的应用，其特征在于它包含如下步骤：步骤1、用RBF神经网络建立涡流传感器非线性补偿模型，称为RBF神经网络逆模型，设涡流传感器的输入为δ，涡流传感器输出频率f，f＝g(δ)为非线性关系，在涡流传感器后串联一个补偿环节，使y＝g1(f)＝kδ，那么就实现了涡流传感器的非线性补偿，当k＝1时，y＝δ＝g1(f)称为涡流传感器的逆模型，将涡流传感器输出频率f作为RBF神经网络的输入训练样本，与涡流传感器输入对应的线性化位移(kδ)作为RBF神经网络的输出训练样本；步骤2、运用遗传算法优化RBF神经网络的结构和参数，将RBF神经网络的拓扑结构、连接权重、阈值、隐节点中心参数和宽度参数看成一个整体，编码为染色体，选择适当规模的种群，通过遗传迭代逐渐优化，求得网络参数和隐节点数同时优化的结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于淮阴师范学院，未经淮阴师范学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810780496.7/，转载请声明来源钻瓜专利网。
