[發(fā)明專利]基于FA優(yōu)化RBF的光聲池溫度補(bǔ)償方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010196147.8
• 申請(qǐng)日: 2020-03-19
• 公開（公告）號(hào): CN111310389A
• 公開（公告）日: 2020-06-19
• 發(fā)明（設(shè)計(jì)）人: 趙南;趙寧陽(yáng);劉陽(yáng);苑磊;馬瓏格
• 申請(qǐng)（專利權(quán)）人: 石家莊鐵道大學(xué)
• 主分類號(hào): G06F30/27
• 分類號(hào): G06F30/27;G06N3/00;G06N3/04;G01N21/39;G01K7/02;G06F119/08
• 代理公司: 石家莊輕拓知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 13128
• 代理人: 郭明月

1.基于FA優(yōu)化RBF的光聲池溫度補(bǔ)償方法，其特征在于：包括：

獲取FA算法的搜索種群和RBF神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，訓(xùn)練樣本為光聲池在不同溫度點(diǎn)下的多組溫度輸出的平均值及溫度信號(hào)；

基于FA算法篩選出最優(yōu)個(gè)體，該個(gè)體包含的網(wǎng)絡(luò)權(quán)值和閾值作為RBF神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值；

基于訓(xùn)練樣本，建立RBF神經(jīng)網(wǎng)絡(luò)，通過(guò)RBF神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)建立光聲池的溫度補(bǔ)償模型，以MATLAB中的神經(jīng)網(wǎng)絡(luò)newrb函數(shù)建立神經(jīng)網(wǎng)絡(luò)模型：格式為net＝newrb(A，B，GOAL，SPR，MN，DF)，其中，A為輸入向量矩陣；B為輸出向量矩陣；GOAL為均方誤差目標(biāo)；SPR為徑向基函數(shù)的擴(kuò)展速度，默認(rèn)為1；MN為神經(jīng)元最大的數(shù)目；DF為兩次顯示之間所添加的神經(jīng)元數(shù)目；

RBF神經(jīng)網(wǎng)絡(luò)為三層結(jié)構(gòu)，其包括輸入層、隱含層和輸出層，其中隱含層是通過(guò)高斯函數(shù)來(lái)實(shí)現(xiàn)非線性映射，表達(dá)式如下：

式中：x是n維輸入向量；c_i是第i個(gè)基函數(shù)的中心，與x具有相同維數(shù)的向量；σ_i是第i個(gè)感知的變量；m是感知單元個(gè)數(shù)；

從輸出層實(shí)現(xiàn)R_i(x)到輸出的線性映射，通過(guò)神經(jīng)網(wǎng)絡(luò)補(bǔ)償后的環(huán)境溫度值T為

式中：w是網(wǎng)絡(luò)權(quán)值；

存儲(chǔ)得到的溫度補(bǔ)償模型參數(shù)，放入FA-RBF神經(jīng)網(wǎng)絡(luò)，計(jì)算出補(bǔ)償后輸出值，實(shí)現(xiàn)補(bǔ)償算法的實(shí)時(shí)輸出。

2.根據(jù)權(quán)利要求1所述的基于FA優(yōu)化RBF的光聲池溫度補(bǔ)償方法，其特征在于：所述補(bǔ)償算法包括以下步驟：

初始化各項(xiàng)基本參數(shù)；計(jì)算適應(yīng)度值；計(jì)算相對(duì)亮度和吸引度；確定移動(dòng)方向；排序?qū)ふ易顑?yōu)個(gè)體以及終止條件判斷。

3.基于FA優(yōu)化RBF的光聲池溫度補(bǔ)償系統(tǒng)，其特征在于：包括：

獲取FA算法的搜索種群和RBF神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，訓(xùn)練樣本為光聲池在不同溫度點(diǎn)下的多組溫度輸出的平均值及溫度信號(hào)；

基于FA算法篩選出最優(yōu)個(gè)體，該個(gè)體包含的網(wǎng)絡(luò)權(quán)值和閾值作為RBF神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值；

基于訓(xùn)練樣本，建立RBF神經(jīng)網(wǎng)絡(luò)，通過(guò)RBF神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)建立光聲池的溫度補(bǔ)償模型，以MATLAB中的神經(jīng)網(wǎng)絡(luò)newrb函數(shù)建立神經(jīng)網(wǎng)絡(luò)模型：格式為net＝newrb(A，B，GOAL，SPR，MN，DF)，其中，A為輸入向量矩陣；B為輸出向量矩陣；GOAL為均方誤差目標(biāo)；SPR為徑向基函數(shù)的擴(kuò)展速度，默認(rèn)為1；MN為神經(jīng)元最大的數(shù)目；DF為兩次顯示之間所添加的神經(jīng)元數(shù)目；

RBF神經(jīng)網(wǎng)絡(luò)為三層結(jié)構(gòu)，其包括輸入層、隱含層和輸出層，其中隱含層是通過(guò)高斯函數(shù)來(lái)實(shí)現(xiàn)非線性映射，表達(dá)式如下：

式中：x是n維輸入向量；c_i是第i個(gè)基函數(shù)的中心，與x具有相同維數(shù)的向量；σ_i是第i個(gè)感知的變量；m是感知單元個(gè)數(shù)；

從輸出層實(shí)現(xiàn)R_i(x)到輸出的線性映射，通過(guò)神經(jīng)網(wǎng)絡(luò)補(bǔ)償后的環(huán)境溫度值T為

式中：w是網(wǎng)絡(luò)權(quán)值；

存儲(chǔ)得到的溫度補(bǔ)償模型參數(shù)，放入FA-RBF神經(jīng)網(wǎng)絡(luò)，計(jì)算出補(bǔ)償后輸出值，實(shí)現(xiàn)補(bǔ)償算法的實(shí)時(shí)輸出。

還包括光聲池、設(shè)于所述光聲池上的溫度控制器和加熱裝置以及光聲光譜檢測(cè)系統(tǒng)，所述光聲光譜檢測(cè)系統(tǒng)用于接受補(bǔ)償后的信號(hào)。