基于自適應(yīng)深度置信網(wǎng)絡(luò)的壓力變送器溫度補償方法研究

打開文本圖片集

摘要：隨著壓力變送器檢測技術(shù)和人工智能技術(shù)的不斷發(fā)展，在航空航天、石化、核電等領(lǐng) 域人們對壓力變送器的穩(wěn)定性、實時性、測量精度等方面有了更嚴格的要求。而工作環(huán)境的溫 度會對設(shè)備精度造成巨大影響，導(dǎo)致變送器測量值出現(xiàn)偏移。針對此問題，本文提出了基于自 適應(yīng)深度置信網(wǎng)絡(luò)的高精度壓力變送器溫度補償方法。深度置信網(wǎng)絡(luò) （Deep Belief Networks， DBN） 在無監(jiān)督學(xué)習(xí)階段提取數(shù)據(jù)的特征，然后在有監(jiān)督階段使用少量的數(shù)據(jù)對網(wǎng)絡(luò)參數(shù)進行 微調(diào)；利用白鯨優(yōu)化算法 （Beluga Whale Optimization， BWO） 在全局搜索和局部尋優(yōu)之間達到 平衡，有效地提高 DBN 網(wǎng)絡(luò)的優(yōu)化效果；引入 Metropolis 準則和適應(yīng)度平衡因子，進一步提 高算法的全局尋優(yōu)能力以及模型收斂速度。（剩余9180字）