[发明专利]基于改进PSO优化神经网络的硅微加速度计温度补偿方法、系统

权利要求书

1.一种基于改进PSO优化神经网络的硅微加速度计温度补偿方法，其特征在于，包括：

S1分别测量硅微加速度计在N个不同温度点下的多组加速度输出量和实时温度值，作为PSO极值点寻优和BP神经网络的训练样本；

S2构建BP神经网络，设置BP神经网络输入、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，通过BP神经网络自学习得到加速度计的温度补偿模型参数；判断是否达到BP神经网络训练的要求，若达到，利用PSO优化出的最优极值点作为BP神经网络的模型的初始权值和阈值，跳转到S3；若未达到，则使用BP神经网络训练函数对各层权值和阈值进行训练；

S3存储得到的补偿模型参数，通过调用参数建立BP神经网络，实现对硅微加速度计的实时温度补偿并输出。

2.根据权利要求1所述的基于改进PSO优化神经网络的硅微加速度计温度补偿方法，其特征在于，BP神经网络的模型的初始权值和阈值的确定方法包括：

粒子群初始化，设置粒子群参数，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、惯性权重以及学习因子；

针对每个粒子当前位置计算适应度值，粒子每更新一次位置，就计算一次适应度，记录每个粒子的历史极点位置以及种群历史最优极点位置；

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，将优化后的权值和阈值作为神经网络训练的初始值。

3.根据权利要求2所述的基于改进PSO优化神经网络的硅微加速度计温度补偿方法，其特征在于，根据粒子适应度值调节权重，在适应度较高时，增大惯性权重加速收敛，在适应度较低时，减小惯性权重，计算公式如下：

ω = ω min - ( ω max - ω min ) ( f - f min ) f a - f min , f ≤ f a ω max , f ≥ f a ]]>

ω_min和ω_max分别为惯性权重的最小值和最大值，f，f_min，f_a分别为当前粒子适应度值，适应度最小值和平均值。