[发明专利]一种基于BAS-BP算法的绞线RLCG参数提取方法

权利要求书

1.一种基于BAS-BP算法的绞线RLCG参数提取方法，其特征在于，包括如下步骤：

步骤(1)：建立绞线数学模型；

步骤(2)：构建RLCG参数样本矩阵提取模型及处理；

步骤(3)：基于ANSYSQ3D仿真软件提取RLCG参数矩阵样本；

步骤(4)：利用BP神经网络的非线性映射能力构建RLCG参数提取网络；

步骤(5)：基于天牛须全局搜索算法优化BP神经网络；

步骤(6)：训练和测试步骤(5)优化后的神经网络，并最终获取高精度RLCG参数提取网络。

2.根据权利要求1所述的一种基于BAS-BP算法的绞线RLCG参数提取方法，其特征在于，所述步骤(1)具体包括以单螺旋线为基础对绞线进行建模，其公式如下：

其中R₀是旋转半径，α是扭绞因子，p是节距，αp是旋转角度，l是线长。

3.根据权利要求1所述的一种基于BAS-BP算法的绞线RLCG参数提取方法，其特征在于，所述步骤(5)具体包括以下步骤：

步骤(51)：假设天牛方位，定义解空间维度，模型结构为1-M-N，1为输入层神经元个数(角度)，M为隐含层神经元个数，输出层神经元个数为N，则解空间维度k＝1*M+M*N+M+N；

步骤(52)：设置步长因子α，天牛须搜索算法的精度取决于步长因子，为保证较高的搜索经精度，初始参数的设置应尽可能的覆盖搜索区域而不至于陷入局部极小。为了保证算法较高的收敛性，基于变步长策略，设置如下迭代公式：

α_i+1＝α_i*β,i＝(1,2,...,n)

式中：β取[0，1]之间接近1的数；

步骤(53)：确定适应度函数为样本的均方根误差，借以迭代寻优，函数为：

式中：N为训练集样本数，y′_i为第i个样本的模型输出值；y_i为第i个样本的实际值；

步骤(54)：初始化天牛参数，将天牛的初始位置数集设置为[-0.5，0.5]之间的随机数，并将初始化后的参数保存在bestX中；

步骤(55)：将上述初始位置对应的初始适应度值保存在bestY中；

步骤(56)：天牛须位置迭代，根据步骤(52)迭代计算天牛须的解空间位置；

步骤(57)：计算左右须的适应度函数值f(x_ri)和f(x_li)，迭代更新天牛位置。这一步实际为对BP神经网络的权值和阈值进行迭代寻优，同时依据适应度函数更新bestY，bestX；

步骤(58)：判断是否达到精度要求，设置为0.000005；或是否达到最大迭代次数(100代)，满足任一条件则进行步骤S9，否则，返回步骤(56)继续寻优；

步骤(59)：寻优结束后，bestX中的解集就是BP神经网络的最优初始权阈参数；利用该最优解即可生成最优的基于BP神经网络的绞线RLCG参数矩阵提取模型。

4.根据权利要求3所述的一种基于BAS-BP算法的绞线RLCG参数提取方法，其特征在于：所述步骤(52)中eta为0.8。