科创中国
神经网络与卡尔曼滤波融合的光纤压力传感器温补方法
发布时间: 2022-12-08
基本信息
合作方式：
技术服务
成果类型：
新技术
行业领域：
电子信息技术
成果介绍
神经网络与卡尔曼滤波融合的光纤压力传感器温补方法，涉及光纤传感及温度补偿领域。解决了现有对光纤压力传感器进行补偿的方法存在补偿过程复杂、补偿难度大的问题。本发明补偿方法首先构建数据集，利用基因遗传算法对初始BP神经网络的权值和阈值进行优化，获得初始优化后的BP神经网络
成果亮点
利用训练集对初始优化后的BP神经网络进行训练，利用验证集对训练后的BP神经网络进行验证，从而获得最优的BP神经网络，最后利用最优的BP神经网络对其待测光纤压力传感器采集的实测压力进行温度补偿，并对补偿后的压力进行滤波获得修正后的压力。本发明主要用于对光纤压力传感器采集的压力进行温度补偿。
团队介绍
黑龙江大学（Heilongjiang University），位于黑龙江省哈尔滨市，是黑龙江省人民政府和中华人民共和国教育部、国家国防科技工业局共建的省属综合性大学，黑龙江省“双一流”建设国内一流大学A类高校，入选国家卓越法律人才教育培养计划、中西部高校基础能力建设工程、特色重点学科项目、国家建设高水平大学公派研究生项目、中国政府奖学金来华留学生接收院校、全国深化创新创业教育改革示范高校、教育部来华留学示范基地，是世界翻译教育联盟、中俄新闻教育高校联盟、中俄综合性大学联盟、上海合作组织大学、“一带一路”智库合作联盟成员单位
成果资料
产业化落地方案
成果综合评价报告
评价单位：“科创中国”黑龙江科技服务团 (黑龙江省科学技术协会) 评价时间：2022-12-08
袁国辉
哈尔滨工业大学
教授
综合评价
本发明带来的有益效果为：本发明将神经网络与卡尔曼滤波融合对光纤压力传感器进行温补，具体过程为：通过用基因遗传优化算法对初始BP神经网络进行优化，得到最优解作为初始优化后的BP神经网络的权值和阈值，解决了传统BP神经网络容易陷入最小值问题；根据最优解建立的初始优化后的BP神经网络，通过对初始优化后的BP神经网络进行训练及验证后，获得最优的BP神经网络；
现有技术中利用波长的偏移量与温度和压力关系确定系数矩阵，但随着光纤传感器深入，系数矩阵变得复杂，同时传统BP神经网络容易陷入局部最小值以及传统卡尔曼只有在数学模型确定的情况下才是最佳。故本申请先建立最优的BP神经网络，降低了传统卡尔曼在数学建模上的复杂度和困难度；先利用最优的BP神经网络得到的数据再经过卡尔曼滤波算法进行降噪处理，经实验验证，可对光纤压力传感器的测量精度和稳定性得到很大提升，得到很好的补偿效果，且整个温度补偿方法过程简单，补偿难度小。
查看更多>
下载app