文献类型：期刊文章

作　　者：邹翔[1] 殷松峰[2,3] 程跃[2,3] 刘云龙[1]

ZOU Xiang;YIN Songfeng;CHENG Yue;LIU Yunlong(School of Electronics and Information Engineering,Anhui Jianzhu University,Hefei 230601,China;Hefei Institute for Public Security,Tsinghua University,Hefei 230601,China;Hefei Tsingsensor Technology Co.,Ltd,Hefei 230601,China)

机构地区：[1]安徽建筑大学电子与信息工程学院,合肥230601 [2]清华大学合肥公共安全研究院,合肥230601 [3]合肥清芯传感科技有限公司,合肥230601

出　　处：《光子学报》

基　　金：国家重点研发计划(No.2019YFC0810901);清华大学合肥公共安全研究院开放课题(No.QHHFYKF202202)。

年　　份：2023

卷　　号：52

期　　号：8

起止页码：97-108

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2023_2024、EI、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：为有效提高宽温应用环境下激光甲烷传感器的探测精度,提出基于改进麻雀搜索算法优化BP神经网络的温度补偿模型,并利用实测大规模数据集进行验证。在模型框架上,提出具有全局寻优能力的ISSA-BP算法:利用准反射学习策略初始化麻雀种群以提高麻雀种群多样性,引入变色龙算法、Levy飞行策略和人工兔扰动策略分别对探索者位置、反捕食者位置和每代麻雀个体位置进行更新,避免算法陷入局部最优。在数据上,通过建立不同温度、不同浓度的传感器大规模实验数据集,提升温度补偿模型的训练效果并减小模型的预测误差。在-20℃~65℃温度范围内利用15800组传感器测量数据分别对BP、PSO-BP、SSA-BP和ISSA-BP四种模型进行对比。结果表明,基于ISSA-BP神经网络的温度补偿模型预测值最大相对误差仅为0.52%,比BP、PSO-BP和SSA-BP模型分别减少了7.70%、2.46%和0.74%,MAE、MAPE、RMSE和RE量化评价指标均远优于BP、PSO-BP和SSA-BP模型。本文算法可大幅提高宽温应用环境下激光甲烷传感器探测精度,对提升激光甲烷传感器的环境适用性具有重要的参考意义。

关 键 词：激光甲烷传感器  温度补偿 麻雀搜索算法  准反射学习  变色龙算法  人工兔优化算法  

分 类 号：O433.4] TN249]