遗传神经网络及其在非线性校正中的应用

遗传神经网络及其在非线性校正中的应用

ID:38279111

大小:184.21 KB

页数:5页

时间:2019-05-26

遗传神经网络及其在非线性校正中的应用_第1页
遗传神经网络及其在非线性校正中的应用_第2页
遗传神经网络及其在非线性校正中的应用_第3页
遗传神经网络及其在非线性校正中的应用_第4页
遗传神经网络及其在非线性校正中的应用_第5页
资源描述:

《遗传神经网络及其在非线性校正中的应用》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、遗传神经网络及其在非线性校正中的应用GeneticNeuralNetworkandApplicationinNon-linearityRectification庞清乐,刘新允,刘新华PangQing-le,LiuXin-yun,LiuXin-hua摘要:针对遗传算法和神经网络的不足,介绍了对非线性校正的遗传神经网络方法。计算机仿真结果表明了该方法的收敛速度优越于其它传统方法,且具有较强的鲁棒性。关键词:变送器遗传算法神经网络非线性校正中图分类号:TP273文献标识码:A基金资助:淄博先行测控系统有限公司Abstract:Geneticneuralnetworkmodelofsolv

2、ingtheprobleminnon-linearityrectificationisputforwardforgeneticalgorithmsandneuralnetworkmethods.Computersimulationsaregiventodemonstratethattheconvergencerateofthemodelisfasterthanotherconventionalmethodsandpossessesstrongerrobustness.Keywords:transmittergeneticalgorithmsneuralnetworknon-line

3、arityrectification1引言在许多测控系统中,往往存在非线性环节,特别是传感器输出量和被测物理量之间的关系,绝大多数是非线性的。这势必难以保证系统的精度与准确度,有时不得不规定传感器的使用范围。因此,需要对传感器信号进行非线性校正。非线性校正的方法可分为硬件校正和软件校正。其中,硬件校正具有电路复杂、调试困难、通用性差等的缺陷,工程中很少应用。而软件校正具有处理数据能力强、精度高、通用性强和性价比高等特点,在工程中得到广泛应用。用软件进行非线性校正的方法很多,传统的方法中最常用的是最小二乘法和函数校正法,还有遗传算法和神经网络方法,这些方法都存在这样或那样的缺陷。本文

4、采用遗传算法(GeneticAlgorithms,GA)和神经网络(NeuralNetwork,NN)相结合的遗传神经网络(GeneticNeuralNetwork,GNN)方法。GA和NN都是解决非线性、不确定性问题的有力工具,GA和NN各有优势和缺点,GA的优势在于具有较强的全局搜索能力,但容易过早收敛。而NN的局限是收敛速度慢且易陷于局部最小。将两者结合,可以扬长避短,获得理想效果。2遗传算法GA是一种基于自然选择和群体遗传机理的搜索优化算法。它既具有全局最优性,又在大范围内具有鲁棒性。它首先将问题的可能解按某种形式进行编码,编码后的解称为染色体(或个体)。随机选取N个染色体

5、构成初始种群,然后分别进行三种运算:复制(reproduction)、交叉(crossover)、变异(mutation),来产生适应度高的个体,形成新的种群。这样一代一代不断繁殖、进化,最后收敛到更适应环境的个体上,也就是问题的最优解。3神经网络神经网络的种类很多,这里采用被广泛应用的BP网络。BP网络是一种前馈网络,它采用分层结构。通过对样本的不断学习来调整神经元间的连接权和神经元的阈值,根据误差反向传播来不断修正连接权和阈值,使误差沿梯度方向下降,最后使其进入稳定状态。4遗传神经网络遗传神经网络包括:连接权的进化、网络结构的进化和学习规则的进化。这里采用连接1权的进化,其基本

6、方法是:首先采用遗传算法对神经网络的初始权值和阈值进行快速优化,在解空间中定位出一个较好的搜索空间,问题并将此作为其后采用神经网络搜索的初始权值和阈值,然后利用神经网络的局问题的空间编码部搜索能力强的优点在解空间中搜索出最优解。遗传神经网络算法的流程图如种群初始化图一所示。5遗传神经网络的应用解码下面以压力传感器的电流输出和压力输入的非线性关系为例,介绍遗传神经网络在智能变送器中进行非线性校正运行神经网络的方法。其原理图如图二所示。此例为单输入单输出系统,神经网络的结构采满足评价用含有一个隐含层和一个输出层的两层不满足结构,如图三所示。用BP算法进行网络训练5.1样本点的选取复制将

7、系统的实际输出和期望输出构成不满足的数据对作为样本的模式对。在本应用评价交叉中,传感器压力输入范围为0~6Mpa,满足输出范围为4~20mA。通过非线性校正,变异结束将传感器的实际的电流输出变换为与压力输入成线性关系的4~20mA电流信号。二次选择通过对压力传感器精确测量,得到以下数据对:(0,4.263)、(2,9.509)、(3,12.133)、(5,17.381)、(6,20.006)。取实际输出与期图一望输出作为模式对:(4.263,4)、(9.509,9.3

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。