[發明專利]基于GA優化BP神經網絡的硅微加速度計溫度補償方法、系統

在審

• 申請號: 201711395511.8
• 申請日: 2017-12-21
• 公開（公告）號: CN108073075A
• 公開（公告）日: 2018-05-25
• 發明（設計）人: 徐大誠;龐作超
• 申請（專利權）人: 蘇州大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 蘇州市中南偉業知識產權代理事務所(普通合伙) 32257
• 代理人: 馮瑞;楊慧林

本發明涉及一種基于GA優化BP神經網絡的硅微加速度計溫度補償方法、系統，為了提高溫度補償精度而設計。本發明，基于遺傳算法的選擇出最優的個體所包含的網絡權值和閾值作為BP網絡訓練的初始權值和閾值；基于訓練樣本，建立BP神經網絡，通過BP神經網絡自學習建立加速度計的溫度補償模型，將得到的溫度補償模型參數存放在微處理器的存儲器中，編寫程序，通過調用GA?BP神經網絡模型參數矩陣，計算出補償后輸出值，并實現補償算法的實時輸出。本發明神經網絡前向反饋訓練過程采用附加動量和動態自適應學習率的梯度下降算法，動態自適應學習率算法有效防止訓練發散和收斂速度慢的缺點。

技術領域

本發明屬于溫度補償領域，具體涉及一種基于GA優化BP神經網絡的硅微加速度計溫度補償方法、系統。

背景技術

硅微加速度計是慣性測量和導航系統的關鍵元件之一，已廣泛應用于航空航天、彈藥、高鐵機車、智能手機和汽車等領域。因此，硅微加速度計的精度和穩定性也就顯得尤為重要，而硅微加速度計精度和穩定性受環境因素是影響很大，其中環境溫度對其性能影響最為突出。這是由于硅微加速度計本身對溫度敏感。當環境溫度改變時，硅微加速度計的模型也將發生改變。因此，對硅微加速度計進行溫度補償是提高硅微加速度計精度和穩定性的重要手段。

目前，常用的補償方法有硬件補償和軟件補償兩大類。其中，硬件補償方法主要有：①在硅微加速度計設計時充分考慮熱設計，妥善處理設計中出現的熱干擾，盡可能減小對硅微加速度計的影響；②在硅微加速度計中增加溫度補償結構設計，采用負溫度系數的材料或元件以抵消由溫度變化造成的材料物理參數的變化，從而達到溫度補償的目的；③通過增加硬件措施，改善加速度計工作環境溫度。硬件補償方法大都實現成本高，過程復雜。所以工程中更多采用軟件補償方案，軟件補償方法則是通過相關算法構建硅微加速計溫度模型，諸如多項式的曲面擬合、向量機、小波神經網絡、人工神經網絡等。

現有技術分別從敏感結構和工藝加工過程、工作環境以及電路中的軟件等方面實現硅微加速度計溫度補償。這些技術要么設計加工難度高、效果差，要么電路復雜，很難在實際工程中得到應用，還存在溫度全局性欠佳以及輸出精度不高等問題。已公開文獻中的補償方法也存在算法自適應性較差。

鑒于上述的缺陷，本設計人積極加以研究創新，以期創設一種基于GA優化BP神經網絡的硅微加速度計溫度補償方法、系統，使其更具有產業上的利用價值。

發明內容

為解決上述技術問題，本發明的目的是提供一種可靠性高、全局性好、補償精度高、具有良好的自適應性、自組織性和學習能力強的基于GA優化BP神經網絡的硅微加速度計溫度補償方法、系統。

為達到上述發明目的，本發明基于GA優化BP神經網絡的硅微加速度計溫度補償方法，包括：

獲取遺傳算法GA的搜索種群和BP神經網絡的訓練樣本，所述訓練樣本為硅微加速在不同溫度點下的多組加速輸出的平均值、溫度輸出的平均值；

基于遺傳算法的反復選擇、交叉、變異操作選擇出最優的個體，該個體所包含的網絡權值和閾值作為BP網絡訓練的初始權值和閾值；

基于訓練樣本，建立BP神經網絡，通過BP神經網絡自學習建立加速度計的溫度補償模型，表達式如下：