本文關(guān)鍵詞：基于改進(jìn)GA-BP神經(jīng)網(wǎng)絡(luò)的濕度傳感器的溫度補(bǔ)償，由筆耕文化傳播整理發(fā)布。

　　摘要：遺傳算法起源于對生物系統(tǒng)所進(jìn)行的計算機(jī)模擬研究，神經(jīng)網(wǎng)絡(luò)隨著科技的發(fā)展應(yīng)用前景十分廣泛，當(dāng)前數(shù)據(jù)信息系統(tǒng)繁雜，數(shù)據(jù)處理效率偏低。本文基于遺傳算法-人工神經(jīng)網(wǎng)絡(luò)（GA-ANN）在數(shù)據(jù)處理上的應(yīng)用。

　　1.構(gòu)建理論模型

　　1.1 BP神經(jīng)網(wǎng)絡(luò)

　　BP主要通過反復(fù)迭代網(wǎng)絡(luò)權(quán)值和閾值從而促使總體網(wǎng)絡(luò)的系統(tǒng)誤差達(dá)到預(yù)定設(shè)計值或最小值。其主要分別由數(shù)據(jù)正向傳播和誤差的負(fù)向反饋兩個過程。正向傳播時，數(shù)據(jù)從輸入層經(jīng)由隱含層逐層傳遞直至輸出層。若輸出層擬合的數(shù)據(jù)并不是預(yù)期反饋值，則轉(zhuǎn)向誤差的負(fù)項反饋階段，誤差誤差信號沿原通道返回，通過修改各項神經(jīng)元的權(quán)值和閾值確保網(wǎng)絡(luò)誤差最小。求解過程如下：

　�。�1）給神經(jīng)元的各項權(quán)值和閾值隨機(jī)初始化，確立網(wǎng)絡(luò)輸入和期望輸出；（2）數(shù)據(jù)分別從輸入層、隱含層、輸出層逐層傳遞；（3）計算神經(jīng)網(wǎng)絡(luò)系統(tǒng)總誤差；（4）不斷修正權(quán)值：和閾值，確保誤差最��；（5）如果輸出值與期望值的誤差精度或循環(huán)次數(shù)系統(tǒng)設(shè)置的總體要求，則輸出結(jié)果，否則回到步驟（2）。

　　1.2 遺傳算法

　　GA是通過交配將父本優(yōu)秀的染色體和基因遺傳給子代，通過染色體核基因的重新組合產(chǎn)生更優(yōu)秀的新的個體及由它們組成的新群體，隨著個體的不斷更新，群體朝著最優(yōu)方向進(jìn)化。遺傳算法是真實模擬自然界生物進(jìn)化機(jī)制。研究的樣本整體看做一個群體，每一個樣本看做個體，組成樣本的數(shù)據(jù)相當(dāng)于生物鐘組成染色體的基因，染色體用固定長度的二進(jìn)制串表述，通過交換、突變等遺傳操做，在一定范圍內(nèi)隨機(jī)搜索，與目標(biāo)值接近的保留，與目標(biāo)值較差的被淘汰，是新的一代具備了上一代的優(yōu)良性狀，在性能上要優(yōu)于上一代。由于遺傳操作可以越過位壘，能跳出局部較優(yōu)點，達(dá)到全局最優(yōu)點。典型的算法步驟是：

　�。�1）將問題的解用初始化的編碼串表示（生物學(xué)術(shù)語稱為染色體），每一個編碼串代表一個系統(tǒng)解；

　�。�2）系統(tǒng)隨機(jī)產(chǎn)生一組初始群體，編碼串長為m;

　�。�3）分別將編碼串轉(zhuǎn)譯成尋優(yōu)參數(shù)，并用適用度函數(shù)（統(tǒng)稱適應(yīng)度閾值）進(jìn)行評價；

　�。�4）根據(jù)編碼串個體適應(yīng)值的高低，執(zhí)行編碼串復(fù)制、交叉和變異因子操作產(chǎn)生新一代群體；

　�。�5）反復(fù)執(zhí)行步驟2到步驟4,不斷進(jìn)化優(yōu)化后的編碼串群體，最后確定最適應(yīng)問題的個體，求出問題的最優(yōu)解。

　　1.3 ANN-GA模型

　　ANN-GA模型結(jié)構(gòu)示意圖如圖1所示。

　　其具體流程如下：

　　2.數(shù)據(jù)處理范例

　　在這里，我們以對某型金屬材料淬火數(shù)據(jù)處理為例，具體ANN-GA模型建立如下：

　�。�1）以ANN網(wǎng)絡(luò)中的輸入變量淬火溫度、淬火時間、冷卻方式、回火溫度分別作為遺傳算法的種群，每個種群中樣本的各個數(shù)據(jù)作為個體。以屈服強(qiáng)度、抗拉強(qiáng)度、延伸率的最大值作為適應(yīng)度函數(shù)。

　�。�2）在建立好的ANN模型范圍內(nèi)隨機(jī)產(chǎn)生一樣本，將每個樣本自行進(jìn)行復(fù)制、交叉、變異、遺傳后產(chǎn)生一組新的樣本。

　�。�3）將產(chǎn)生的新樣本迭代入ANN模型中進(jìn)行預(yù)測，計算出新樣本所對應(yīng)的屈服強(qiáng)度、抗拉強(qiáng)度、延伸率及收縮率。

　�。�4）若計算出的屈服強(qiáng)度、抗拉強(qiáng)度、延伸率及收縮率大于系統(tǒng)設(shè)置的適應(yīng)度函數(shù)值，則輸出新樣本所對應(yīng)的淬火溫度、淬火時間、冷卻方式及回火溫度。反之，則重新循環(huán)執(zhí)行2~4步驟，直至計算運算結(jié)束。

　　該材料化學(xué)成分見表1 .試樣淬火溫度分別為++950℃、1000℃、1050℃、1 1 0 0℃、1 1 5 0℃、1 2 0 0℃，淬火時間分別為3 0 m i n、4 5 m i n、6 0 m i n,冷卻方式分別為水冷、空冷、油冷， 再測出00Cr13Ni5Mo馬氏體不銹鋼的抗拉強(qiáng)度、屈服強(qiáng)度、延伸率及收縮率。將各種各種工藝參數(shù)下的試樣經(jīng)過打磨、拋光，制成金相試樣后，用專用腐蝕劑對試樣進(jìn)行腐蝕，利用Leica光學(xué)顯微鏡觀察試樣的微觀組織。

　　選取具有代表性的實驗數(shù)據(jù)作為樣本進(jìn)行訓(xùn)練，通過均方誤差（RMSE）來描述實驗值Ti與網(wǎng)絡(luò)輸出值Yi之間的精度。

　　為了平衡不同參數(shù)在網(wǎng)絡(luò)訓(xùn)練過程中的權(quán)重，將熱處理參數(shù)和力學(xué)性能樣本數(shù)據(jù)分別規(guī)范在-1~1,其公式如（2）所示：

　　3.結(jié)果與討論

　　3.1 BP網(wǎng)絡(luò)模型

　　表2為采用各種網(wǎng)絡(luò)算法下神經(jīng)網(wǎng)絡(luò)的運算結(jié)果。從表2可見，采用Traincgf算法的神經(jīng)網(wǎng)絡(luò)具有收斂運算耗時69.436s,RMSE為1.42%.因此，本文的構(gòu)建的ANN模型網(wǎng)絡(luò)采用Traincgf算法，網(wǎng)絡(luò)結(jié)構(gòu)為3-8-4,動量因子為0.4時，學(xué)習(xí)速率為0.2時，網(wǎng)絡(luò)測試的均方誤差值分別最小。

　　3.2 遺傳算法優(yōu)化結(jié)果

　　該材料的GA-ANN模型預(yù)測熱處理參數(shù)模擬及實驗結(jié)果如表3所示。從表3中可以看出，ANN-GA模型預(yù)測的的熱處理參數(shù)與實驗結(jié)果基本一致，最大RMSE為9.69%.

　　實驗與模擬結(jié)果表明：該材料最優(yōu)化的淬火工藝溫度為1000~1050℃，淬火時間為30min,冷卻方式為空冷。

　　4.結(jié)論

　　通過基于Traincgf算法對某型材料淬火數(shù)據(jù)的處理，建立了該型材料的淬火溫度，保溫時間、冷卻方式與抗拉強(qiáng)度、屈服強(qiáng)度、延伸率等關(guān)系的ANN預(yù)測模型。

　　該模型能夠比較有效的運用Traincgf算法的神經(jīng)網(wǎng)絡(luò)進(jìn)行收斂運算，，使得運算時間耗時最少，網(wǎng)絡(luò)測試的均方誤差值最小，ANN-GA模型預(yù)測的物理參數(shù)與檢驗結(jié)果基本一致，能夠有效提高數(shù)據(jù)分析處理效率。（作者：孫憲全，陳文濤）

技術(shù)資料出處:電子技術(shù)網(wǎng)
該文章僅供學(xué)習(xí)參考使用，版權(quán)歸作者所有。
因本網(wǎng)站內(nèi)容較多，未能及時聯(lián)系上的作者，請按本網(wǎng)站顯示的方式與我們聯(lián)系。

基于改進(jìn)GA-BP神經(jīng)網(wǎng)絡(luò)的濕度傳感器的溫度補(bǔ)償（二）

4 改進(jìn)的遺傳算法　　在GA 搜索過程中，會出現(xiàn)將妨礙適應(yīng)值高的個體生成而影響GA 的工作，是搜索方向偏離全局最優(yōu)解的問題，針對這樣的問題采用適當(dāng)?shù)母倪M(jìn)適應(yīng)度函數(shù)和混合...

基于改進(jìn)GA-BP神經(jīng)網(wǎng)絡(luò)的濕度傳感器的溫度補(bǔ)償（一）

摘要： 針對自動氣象站采用的HMP45D 型濕度傳感器測量精度易受溫度影響的問題，通過對遺傳算法中的編碼方式、適應(yīng)度函數(shù)和參數(shù)進(jìn)行改進(jìn)研究，利用改進(jìn)的遺傳算法（ genetic...

無刷勵磁同步發(fā)電機(jī)旋轉(zhuǎn)整流器故障實現(xiàn)模糊神經(jīng)網(wǎng)絡(luò)診斷

1 引言　　無刷勵磁系統(tǒng)是指交流激磁機(jī)和安裝于電樞上的旋轉(zhuǎn)整流器。交流激磁機(jī)的轉(zhuǎn)子上裝有整流器，使交流激磁機(jī)電樞產(chǎn)生的交流電直接經(jīng)整流供主發(fā)電機(jī)勵磁，通過調(diào)節(jié)激磁...

基于混沌蟻群的神經(jīng)網(wǎng)絡(luò)速度辨識器研究

0 引言　　近年來，由于神經(jīng)網(wǎng)絡(luò)的研究取得了長足的進(jìn)展，基于BP神經(jīng)網(wǎng)絡(luò)模型的速度辨識方法得到了廣泛研究，但其仍存在收斂速度慢、易陷入局部極小值等問題，因此，對神經(jīng)...

優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)在電子設(shè)備故障診斷中的應(yīng)用

隨著現(xiàn)代科學(xué)技術(shù)的發(fā)展，設(shè)備的集成度越來越高，越來越復(fù)雜，故障診斷技術(shù)的出現(xiàn)為提高系統(tǒng)的可靠性和安全性開辟了一條新的途徑。近些年來，由于計算機(jī)技術(shù)、信號處理、人...

  本文關(guān)鍵詞：基于改進(jìn)GA-BP神經(jīng)網(wǎng)絡(luò)的濕度傳感器的溫度補(bǔ)償，由筆耕文化傳播整理發(fā)布。