[发明专利]基于GA优化BP神经网络的硅微加速度计温度补偿方法、系统

摘要

本发明涉及一种基于GA优化BP神经网络的硅微加速度计温度补偿方法、系统，为了提高温度补偿精度而设计。本发明，基于遗传算法的选择出最优的个体所包含的网络权值和阈值作为BP网络训练的初始权值和阈值；基于训练样本，建立BP神经网络，通过BP神经网络自学习建立加速度计的温度补偿模型，将得到的温度补偿模型参数存放在微处理器的存储器中，编写程序，通过调用GA‑BP神经网络模型参数矩阵，计算出补偿后输出值，并实现补偿算法的实时输出。本发明神经网络前向反馈训练过程采用附加动量和动态自适应学习率的梯度下降算法，动态自适应学习率算法有效防止训练发散和收敛速度慢的缺点。

主权项

1.一种基于GA优化BP神经网络的硅微加速度计温度补偿方法，其特征在于，包括：获取遗传算法GA的搜索种群和BP神经网络的训练样本，所述训练样本为硅微加速在不同温度点下的多组加速输出的平均值、温度输出的平均值；基于遗传算法的反复选择、交叉、变异操作选择出最优的个体，该个体所包含的网络权值和阈值作为BP网络训练的初始权值和阈值；基于训练样本，建立BP神经网络，通过BP神经网络自学习建立加速度计的温度补偿模型，表达式如下： a = ψ ( Σ h = 1 15 W h o φ ( Σ i = 1 2 W i h χ i + b h ) + b 0 ) ]]>式中：a为加速度，也即为温度模型输出；X＝(Va，VT)表示加速度计输出电压和温度传感器输出电压，为温度模型输入；ψ为输出层函数；为隐含层转移激励函数；Wih、Who分别为输入层到隐含层和隐含层到输出层的权值；bh、bo分别为隐含层和输出层的阈值；存储得到的温度补偿模型参数，通过调用BP神经网络模型参数矩阵，计算出补偿后输出值，实现补偿算法的实时输出。