[发明专利]一种基于GA-BP的光纤位移传感器的温度补偿方法

权利要求书

1.一种基于GA-BP的光纤位移传感器的温度补偿方法，其特征在于，包括以下步骤：

(1)进行温度标定实验，获得实验数据；

(2)确定BP神经网络结构，通过遗传算法优化BP神经网络得到GA-BP模型；

(3)将温度标定实验中得到的实验数据的一部分作为训练集，对GA-BP模型进行训练，训练完成后将全部数据交由GA-BP神经网络拟合，根据拟合结果的零位温度和灵敏度温度系数调整神经网络的参数以获得更好的拟合结果；

(4)将得到的参数固化到单片机中，通过单片机对原始测量数据进行处理以消除温度漂移对测量准确度的影响。

2.根据权利要求1所述的基于GA-BP的光纤位移传感器的温度补偿方法，其特征在于，所述步骤(2)中通过遗传算法优化BP神经网络具体为：

种群初始化：用遗传算法训练BP神经网络采用实数编码，所述BP神经网络为三层BP神经网络，设输入层神经元数为n，隐含层神经元数为q，输出层神经元数为m，输入层与隐含层的连接权值为V_i,j，隐含层与输出层的连接权值为W_j,k，隐含层与输出层的阈值分别为b_j,b_k，则编码的长度为n×q+q×m+q+m，在连接权值和阈值的范围内，随机生成M个染色体个体成为初始群体；

计算个体适应度值：选择训练数据期望输出与预测输出的差值绝对值，求和之后作为个体适应度值F，计算方法如下：式中：m为输出节点数；y_i为BP神经网络第i个节点的期望输出；z_i为BP神经网络第i个节点的预测输出；k为系数；

遗传操作：用轮盘赌选择法进行遗传算法的选择操作，每个个体χ的选择概率p_χ与其适应度值大小成正比，计算方法如下：f_χ＝k/F_χ，式中：F_χ为个体χ的适应度值；M为个体种群数；k为系数；用自适应交叉变异算子进行遗传算法的交叉和变异操作，当个体适应度值小于平均适应度值时，使用较大的交叉和变异概率，当个体适应度值大于平均适应度值时，使用较小的交叉和变异概率；自适应交叉概率的计算公式为：自适应变异概率的计算公式为：式中：F_a为待交叉个体的适应度值；F_b为待变异个体的适应度值；F_max为当前种群中的最大适应度值；F_avg为当前种群中的平均适应度值；K₁,K₂,K₃,K₄为0～1之间的随机数。

3.根据权利要求1所述的基于GA-BP的光纤位移传感器的温度补偿方法，其特征在于，所述步骤(2)中得到的GA-BP模型中的输入层有3个节点，分别是工作环境温度、标定位移值和温度传感器输出电压值，输入层的输入信号直接输入隐含层的输入端；隐含层有6个节点，采用tansig函数作为传递函数；输出层有1个节点，采用purelin函数作为传递函数；其中，训练函数为trainlm，学习函数为learngdm。