[发明专利]基于遗传算法优化神经网络的柔性注液传感器检测方法

权利要求书

1.一种基于遗传算法优化神经网络的柔性注液传感器检测方法，其特征在于，包含有若干个柔性注液传感器的设置、神经网络预测模型的构建训练、遗传算法对神经网络预测模型的优化设置和控制系统，在围岩上开设多个钻孔，每个钻孔中均安装柔性注液传感器，检测围岩上不同位置处的应力；

所述柔性注液传感器包含有至少一个柔性感压装置（1）、注液装置（2）、输送装置（3）和测压装置（4），所述注液装置（1）通过输送装置（2）与柔性感压装置（1）连接，用以向柔性感压装置（1）注入乳化液，所述测压装置（4）分别与输送装置（2）、柔性感压装置（1）连通，通过压力表用以显示其中乳化液的压力；

所述测压装置（4）包含有压力表和三通阀（41），所述三通阀（41）一端与压力表连通，另外两端分别连通柔性感压装置（3）和注液装置（2）；

将每个柔性注液传感器的柔性感压装置均分为4段，分别施加不同的压力，对围岩应力进行模拟采集，将每1段测量到的围岩应力值作为神经网络预测模型的输入值，将压力表的读数作为神经网络预测模型的输出值，得到围岩应力变化与压力表形变之间的高精度逼近非线性函数关系，通过遗传算法对神经网络预测模型进行参数优化，实现对输出数据的精确快速预测，所述控制系统采用高性能芯片作为控制中心控制器，将若干个柔性注液传感器与现场总线网络的数据总线通讯连接，实现输出压力表与控制中心之间的通信。

2.根据权利要求1所述的基于遗传算法优化神经网络的柔性注液传感器检测方法，其特征在于，所述神经网络预测模型的构建和训练方法通过如下步骤实现：

第一阶段：神经网络预测模型的构建与数据采集，所述神经网络预测模型由输入层、隐含层和输出层构成，所述输入层神经元设置为与柔性注液传感器均分4段对应的d1,d2,d3,d4四段直径，所述输出层神经元设置为压力表输出的压力读数p，所述隐含层的神经元个数一般采用经验公式确定，通过实验设备模拟施加不同的围岩应力，对所需要的输入输出数据进行采集，记录n组数据，得到对应的样本数据；

第二阶段：神经网络预测模型的训练，训练过程主要包括信号的正向传播和误差的反向传播两个过程，当实际输出与目标输出之间的误差不满足预设的精度要求时，神经网络会不断的调整权值，更新网络，直到误差小于预设精度，训练结束。

3.根据权利要求2所述的基于遗传算法优化神经网络的柔性注液传感器检测方法，其特征在于，所述隐含层的层数设置为1，隐含层神经元个数设置为9。

4.根据权利要求1所述的基于遗传算法优化神经网络的柔性注液传感器检测方法，其特征在于，所述遗传算法通过如下步骤设计实现：

S1、选择二进制编码；

S2、群体初始化；

S3、选择采用误差性能指标函数定义适应度函数，并对适应值进行评价，保存最优染色体；

S4、采用轮盘赌选择操作，单点交叉操作和变异率取值0.000-0.1之间的变异操作；

S5、产生新群体，重新计算各个染色体的适应值；

S6、判断是否满足终止条件，当算法达到终止条件，算法终止，并输出结果，若不满足终止条件，则返回S3。

5.根据权利要求1所述的基于遗传算法优化神经网络的柔性注液传感器检测方法，其特征在于，所述柔性感压装置（1）包含有管体（11）、密封层（12）、橡胶层（13）、接头（14），所述管体（11）外部分别设置密封层（12）和橡胶层（13），所述管体（11）一端封闭，另一端连接接头（14），所述接头（14）中部设置注液孔、侧面设置排气孔，所述注液孔和排气孔均与管体（11）的内腔连通。

6.根据权利要求1所述的基于遗传算法优化神经网络的柔性注液传感器检测方法，其特征在于，所述注液装置（2）包含有泵（21）、流量计（22）和注液枪（23），所述输送装置（3）设置为橡胶管，所述泵（21）、流量计（22）、注液枪（23）和橡胶管顺次连接，用于输送乳化液。

7.根据权利要求1所述的基于遗传算法优化神经网络的柔性注液传感器检测方法，其特征在于，采用STM32、DSP、CPLD或FPGA高性能芯片作为控制器。