基于PSO的BP神经网络在压力传感器温度补偿中的应用.pdf

《基于PSO的BP神经网络在压力传感器温度补偿中的应用.pdf》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、第27卷第3期传感技术学报V01．27N0．3CHINESEJOURNALOFSENSORSANDACTUATORSMar．20142014年3月TheApplicationofBPNeuralNetworkBasedonPSOAlgorithmtoPressureSensorTemperatureCompensationSUNYanmei，MIAOFengjuan，TAOBairui(UniversityQiqiharInstituteCommunicationsandElectronicsEngineering，QiqiharHeil

2、ongfiang161006，China)Abstract：Forthetemperaturedriftofthesiliconpiezoresistivepressuresensor，compensationmethodbyBackPropagation(BP)networkbasedonParticleSwarmOptimization(PSO)algorithmhasbeenproposed．Thismodelhasovercornedthedrawbackofslowconvergenceandeasilytrappinginth

3、elocalminimumofBPnetworkthroughglobalsearchweightandthresholdinPSOalgorithm．Thesimulationexperimentresultsshowthatthemodelcandepressthetemperaturedriftofthesiliconpiezoresistivepressuresensoreffectively，andthestabilityandaccuracyofthesiliconpiezoresistivepressuresensorare

4、improvedgreatly．Keywords：temperaturecompensation；particleswarmoptimizationalgorithm；BPnetwork；pressuresensorEEACC：2520C；2560Ldoi：10．3969／j．issn．1004-1699．2014．03．013基于PSO的BP神经网络在压力传感器温度补偿中的应用术孙艳梅，苗凤娟，陶佰睿(齐齐哈尔大学通信与电子『干旱学院，黑龙江齐齐哈尔161006)摘要：针对硅压阻式压力传感器的温度漂移问题，提了基T：粒子群优化算法PSO

5、(ParticleSwarmOptimizationAlgorithm)的BP神经网络的温度补偿模型，通过粒子群化算法对BP网络的权值和闽值进行全局寻优，克服了BP网络收敛速度慢和易陷入局部极值的缺陷，而且温度补偿的精度较高。研究结果表明，陔方法有效的抑制了温度埘压力传感器输的影响，提高_r传感器的稳定性和准确性．、关键词：温度补偿；粒子群优化算法；BP神经网络；压力传感器中图分类号：TP212文献标识码：A文章编号：1004-1699(2014)03-0342—05目前，在压力测量领域中，硅压阻式压力传感器从某点开始沿误差函数的斜面逐渐

6、达到最小值．，是使用最多的一种，由于半导体材料的压阻系数具误差函数一般存在多处曲面谷，梯度下降法只能有较大的温度系数，导致硅压阻式压力传感器的输搜索到误差曲面的某一低谷，但无法跳m，也就搜索出极易受到温度的影响，即存在温度漂移问题、温不到其他更小的误差，即陷入局部极小，而粒子群优度漂移严重制约着硅压阻式压力传感器的测量精度化算法通过追随当前搜索到的最优值可进行全局寻和应用领域，为消除非目标参量(温度)对压阻式压优，可以有效的解决BP网络收敛速度慢和易陷入力传感器输出特性的影响，压阻式压力传感器的温局部极小的问题⋯。。。度补偿研究一直在进行

7、。1BP神经网络BP神经网络是温度补偿中使用最为广泛的一种，它具有强大的非线性映射能力和自学习能BP神经网络属于前向神经网络，其结构示意图力，但}}j于BP算法的本质是梯度下降法的一如图1所示。种迭代学习，梯度下降法进行稳定学习要求学习率网中，P为输入，R为维数；为隐含层神经元个很小，[大j此使得收敛速度很慢。梯度下降法训练时数；s为输出层神经元个数；W为隐层神经元权值；项目来源：国家f1然科学基金项日(61204127)；黑龙江省自然科学基金项目(F201332)；黑尼江省普通高等学校新世纪优秀人才培养计划项闩(1253一NECT025

8、)收稿日期：2013—12—23修改日期：2014—03—09第3期孙艳梅，苗凤娟等：基于PSO的BP神经网络在压力传感器温度补偿中的应用343式中，为惯性权重；c和c为学习因子；m，、m为介