文献类型：期刊文章

作　　者：路茵[1] 杨瑞峰[1] 郭晨霞[1]

LU Yin;YANG Ruifeng;GUO Chenxia(Automatic Test Equipment and System Engineering Research Center of Shanxi Province,School of Instrument and Electronics,North University of China,Taiyuan 030051,China)

机构地区：[1]中北大学仪器与电子学院,山西省自动化检测装备与系统工程技术研究中心,太原030051

出　　处：《激光杂志》

基　　金：山西省中央引导地方科技发展自由探索类基础研究项目(No.YDZJSX2022A027)。

年　　份：2023

卷　　号：44

期　　号：9

起止页码：150-154

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、JST、SCOPUS、ZGKJHX、核心刊

摘　　要：为了减少非线性因素对反射式光纤传感器测量结果的影响,提出了一种基于麻雀搜索算法(SSA)优化反向传播神经网络(BPNN)的光强补偿模型。利用麻雀搜索算法优化反向传播神经网络的权值与阈值,达到避免传统反向传播神经网络陷入局部样本极值的目的。比较麻雀搜索算法和粒子群算法的收敛曲线,可知麻雀搜索算法具有迭代步骤少和收敛速度快的特性。通过传感器内圈和外圈两组接收光功率值训练SSA-BP神经网络,结果表明该混合算法平均绝对误差为0.002,均方根误差为0.003,平均绝对百分比误差为0.011%。将SSA-BP神经网络、PSO-BP神经网络和传统BP神经网络的补偿效果进行对比,结果证明提出的光强补偿模型预测误差更小且稳定,能够更高精度完成位移测量过程。

关 键 词：光纤传感器 仿生算法 BP神经网路  SSA-BP神经网络  光强补偿  

分 类 号：TN911]