基于神經(jīng)網(wǎng)絡(luò)的CCD液位傳感器標定技術(shù)研究.pdf

1、基于CCD的液位傳感器是一類較高精度的傳感器。這類傳感器一般用在化工、石油以及動力裝置等環(huán)境惡劣的液體存儲設(shè)備中。它的標定是依據(jù)儀器的測量原理建立輸入/輸出之間的一種映射關(guān)系，再根據(jù)樣本集求出映射關(guān)系中的各個參數(shù)，是擬合問題的一種。然而在基于線陣CCD的液位傳感器中，液位值與光強值的對應(yīng)關(guān)系是非線性關(guān)系，很難通過常用的方法進行數(shù)據(jù)擬合。隨著人工智能的發(fā)展以及人們逐漸認識到人工神經(jīng)網(wǎng)絡(luò)的威力與它的現(xiàn)實可實現(xiàn)性，它在數(shù)學(xué)建模方面的優(yōu)勢逐漸顯

2、現(xiàn)出來，利用這種優(yōu)勢進行線陣CCD液位傳感器的標定研究已經(jīng)成為一種趨勢。
　　神經(jīng)網(wǎng)絡(luò)是一種模擬生物大腦的組織結(jié)構(gòu)、處理方式和系統(tǒng)功能的簡化系統(tǒng)，可以被用來表達液位傳感器這個復(fù)雜的非線性系統(tǒng)。把神經(jīng)網(wǎng)絡(luò)看成是一個黑箱，利用已經(jīng)測得的樣本集來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，使得網(wǎng)絡(luò)能夠表達該系統(tǒng)。
　　然而基本的BP神經(jīng)網(wǎng)絡(luò)有很多不可忽視的缺陷，例如:學(xué)習(xí)速度慢、人為依賴性太強、容錯機制較低等缺點且更適用于局部搜索。粒子群優(yōu)化算法同樣是一種智能

3、算法，具有結(jié)構(gòu)簡單，容易實現(xiàn)等優(yōu)點，同時在全局搜索方面具有一定優(yōu)勢。如果能將它與人工神經(jīng)網(wǎng)絡(luò)結(jié)合起來，就可在一定程度上模擬人類邏輯思維和直覺思維，這將有助于解決一些現(xiàn)實生活中的復(fù)雜問題。
　　本文提出了一種將粒子群算法和神經(jīng)網(wǎng)絡(luò)相結(jié)合的混合算法?；旌纤惴ㄔ谏窠?jīng)網(wǎng)絡(luò)的基礎(chǔ)上改進了神經(jīng)網(wǎng)絡(luò)的訓(xùn)練算法，利用粒子群優(yōu)化算法對神經(jīng)網(wǎng)絡(luò)的權(quán)向量進行尋優(yōu)，并提出了利用目標精度來對神經(jīng)網(wǎng)絡(luò)隱含層神經(jīng)元個數(shù)進行尋優(yōu)的方法。利用測試函數(shù)對混合算法進行

4、了計算機仿真，結(jié)果證明這個混合算法最終能夠?qū)ふ业綕M足目標精度的神經(jīng)網(wǎng)絡(luò)權(quán)向量和最少隱含層神經(jīng)元個數(shù)，從而得到輸入/輸出之間較高精度的非線性映射關(guān)系。
　　在文章最后，使用線陣CCD液位傳感器的標定數(shù)據(jù)對基于粒子群優(yōu)化算法的神經(jīng)網(wǎng)絡(luò)進行了訓(xùn)練，得到了符合要求的目標網(wǎng)絡(luò)，然后利用測試集對訓(xùn)練好的網(wǎng)絡(luò)進行仿真測試。從實驗結(jié)果可以發(fā)現(xiàn)，針對樣本集，網(wǎng)絡(luò)輸出達到了很高精度，測試集的網(wǎng)絡(luò)輸出也達到了較高的精度，實現(xiàn)了對CCD液位傳感器較高精度