基于遗传算法和线性神经网络的浓度传感器输出特性拟合

摘要：

针对最小二乘法、分段线性化、神经网络等拟合方法的不足,提出了解决浓度传感器输出特性拟合和在线标定的遗传神经网络方法.该方法首先使用遗传算法优化线性神经网络的权值,再用神经网络对浓度传感器的输出特性进行拟合,提出遗传进化停滞算子与自适应变异方法,实验验证该方法的有效性.当环境条件发生变化时,只要测量几组数据对,该方法可自动重新训练网络,获得新的多项式系数,实现浓度传感器的在线动态标定.

关键词：浓度传感器、遗传算法、线性神经网络、动态标定

所属期刊栏目：22

分类号：TP183(自动化基础理论)

资助基金：安徽省自然科学基金03042309

在线出版日期：2008-01-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：17-20,40