本發(fā)明涉及一種基于afsa-bp神經(jīng)網(wǎng)絡(luò)的濕度傳感器溫度補(bǔ)償方法，屬于傳感器軟補(bǔ)償技術(shù)領(lǐng)域。

背景技術(shù)：

人工魚群算法(afsaartificialfish-swarmalgorithm)是模仿魚類群體覓食的一種算法，和粒子群算法、蟻群算法相似，都是仿生類智能優(yōu)化算法。在一片寬闊的水域中，魚能自行或尾隨其他魚找到營養(yǎng)物質(zhì)多的地方，因而魚生存數(shù)目最多的地方一般就是本水域中營養(yǎng)物質(zhì)最多的地方，人工魚群算法就是根據(jù)這一特點(diǎn)，通過構(gòu)造人工魚來模仿魚群的覓食、聚群及追尾行為來解決組合優(yōu)化問題的。在尋優(yōu)過程中，每條人工魚根據(jù)它當(dāng)前所處的環(huán)境情況(包括目標(biāo)函數(shù)的變化情況和伙伴的變化情況)進(jìn)行行為的選擇進(jìn)而執(zhí)行一種行為來更新自身的位置狀態(tài)。同時(shí)，通過與群體中最優(yōu)個(gè)體魚信息的比較得到全局最優(yōu)值信息，經(jīng)過多次迭代尋優(yōu)最終實(shí)現(xiàn)全局最優(yōu)值的搜索。

了盡可能的消除溫度對(duì)濕度傳感器的影響，國內(nèi)外許多學(xué)者從硬件電路補(bǔ)償和軟件補(bǔ)償這兩方面進(jìn)行了研究。硬件補(bǔ)償受電路復(fù)雜性與成本昂貴等限制，很難實(shí)現(xiàn)整體的補(bǔ)償。軟件補(bǔ)償?shù)姆椒ㄓ凶钚《朔?、多元回歸、bp神經(jīng)網(wǎng)絡(luò)法等。最小二乘法在應(yīng)用時(shí)，雖然算法比較簡單，收斂速度較快，但精度卻不是很高。多元回歸雖然建立了多變量間的線性因果關(guān)系，但是可能忽略了交互效應(yīng)和非線性的因果關(guān)系。bp神經(jīng)網(wǎng)絡(luò)是非線性優(yōu)化，其權(quán)值是隨著局部改善的方向逐漸調(diào)整的，這樣容易出現(xiàn)局部極小問題，而且其目標(biāo)函數(shù)越來越復(fù)雜，收斂速度也明顯變慢。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是克服現(xiàn)有技術(shù)的缺陷，提供一種基于afsa-bp神經(jīng)網(wǎng)絡(luò)的濕度傳感器溫度補(bǔ)償方法，采用人工魚群優(yōu)化算法來優(yōu)化bp神經(jīng)網(wǎng)絡(luò)的方法，通過人工魚群中個(gè)體的局部尋優(yōu)找到全局最優(yōu)權(quán)閾值，以此來優(yōu)化bp神經(jīng)網(wǎng)絡(luò)，建立了afsa-bp神經(jīng)網(wǎng)絡(luò)的濕度傳感器溫度補(bǔ)償模型，補(bǔ)償溫度對(duì)濕度傳感器測量結(jié)果帶來的誤差。

為解決上述技術(shù)問題，本發(fā)明提供一種基于afsa-bp神經(jīng)網(wǎng)絡(luò)的濕度傳感器溫度補(bǔ)償方法，其特征是，包括如下步驟：

1)初始化bp神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及人工魚群的相關(guān)參數(shù)；

2)計(jì)算各條魚的適應(yīng)度函數(shù)值f，取f最大值賦給公告板；

3)順序進(jìn)行覓食、聚群、追尾行為，選f值最大的行為實(shí)際執(zhí)行；

4)用f值最大人工魚更新公布板，記作bestf；

5)是否達(dá)到最大迭代次數(shù)，若未達(dá)到則回到步驟2)，達(dá)到則輸出最優(yōu)全閾值。

進(jìn)一步的，所述步驟1)的相關(guān)參數(shù)包括人工魚群的群體規(guī)模m，迭代次數(shù)num，最大迭代次數(shù)try_number，感知距離visual、移動(dòng)步長step，擁擠度因子σ。

進(jìn)一步的，定義適應(yīng)度函數(shù)值f為bp神經(jīng)網(wǎng)絡(luò)輸出結(jié)果與期望值結(jié)果的誤差值e的倒數(shù)，

其中，n是訓(xùn)練樣本集的維數(shù)：dij是第i個(gè)樣本的第j個(gè)網(wǎng)絡(luò)輸出層節(jié)點(diǎn)的理想輸出值，yij是第i個(gè)樣本的第j個(gè)網(wǎng)絡(luò)輸出層節(jié)點(diǎn)的實(shí)際輸出值。

進(jìn)一步的，所述bp神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)采用三層神經(jīng)網(wǎng)絡(luò)，輸入層節(jié)點(diǎn)數(shù)為2，隱含層節(jié)點(diǎn)數(shù)為5，輸出層節(jié)點(diǎn)數(shù)為1。

進(jìn)一步的，所述步驟2)中，設(shè)初始的迭代次數(shù)num＝0，在人工魚的感知范圍visual內(nèi)，人工魚隨機(jī)生成m個(gè)人工魚個(gè)體，形成初始人工魚群；分別計(jì)算初始魚群中每條人工魚個(gè)體的適應(yīng)度函數(shù)值f，通過比較適應(yīng)度的大小，將適應(yīng)度最大的人工魚個(gè)體記錄到公告牌中，同時(shí)將此人工魚個(gè)體復(fù)制給公告牌。

進(jìn)一步的，所述步驟3)中，當(dāng)yc/nf＞σyi時(shí)，人工魚分別模擬進(jìn)行追尾行為和聚群行為，將得到的f值較大行為進(jìn)行實(shí)際執(zhí)行，缺省行為方式為覓食行為，其中yi為人工魚感知范圍內(nèi)的最大狀態(tài)，nf為xi感知范圍內(nèi)所有人工魚數(shù)目，yc為xi感知范圍內(nèi)所有人工魚中心位置的狀態(tài)，xi為人工魚i的當(dāng)前狀態(tài)。

進(jìn)一步的，所述步驟4)中，所有的人工魚每進(jìn)行一次行動(dòng)之后，都將當(dāng)前的適應(yīng)度函數(shù)值f與公告牌的適應(yīng)度函數(shù)值進(jìn)行比較，如果自身狀態(tài)優(yōu)于公告牌狀態(tài)，就將自身狀態(tài)寫入并更新公告牌。

進(jìn)一步的，所述步驟5)中，如果num達(dá)到最大迭代次數(shù)try_number，行為結(jié)束，輸出計(jì)算結(jié)果，即bp神經(jīng)網(wǎng)絡(luò)的最優(yōu)權(quán)閾值，否則num＝num+1，轉(zhuǎn)步驟(2)。

進(jìn)一步的，所述最大迭代次數(shù)在程序運(yùn)行前進(jìn)行設(shè)置，當(dāng)人工魚迭代次數(shù)達(dá)到最大迭代次數(shù)，行為結(jié)束。

本發(fā)明所達(dá)到的有益效果：

本發(fā)明由于bp神經(jīng)網(wǎng)絡(luò)算法本質(zhì)上為梯度下降法，而它所要優(yōu)化的目標(biāo)函數(shù)有非常復(fù)雜，導(dǎo)致其存在很多缺陷：學(xué)習(xí)速度慢、易陷入局部極小、網(wǎng)絡(luò)結(jié)構(gòu)選擇不一。而afsa算法是全局尋優(yōu)的算法，具有很好的泛化能力。因此，將afsa與bp神經(jīng)網(wǎng)絡(luò)相結(jié)合，通過bp神經(jīng)網(wǎng)絡(luò)的全局尋優(yōu)能力不但克服bp訓(xùn)練神經(jīng)網(wǎng)絡(luò)易陷入局部極小的缺陷，又提高了訓(xùn)練速度，其補(bǔ)償效果遠(yuǎn)遠(yuǎn)高于bp網(wǎng)絡(luò)，該方法有效地抑制了溫度給濕度傳感器帶來的誤差，提高了傳感器測量的精確度。

附圖說明

圖1是溫度對(duì)濕度傳感器測量結(jié)果的影響；

圖2是afsa-bp算法的流程圖；

圖3是適應(yīng)度曲線；

圖4是誤差曲線。

具體實(shí)施方式

下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步描述。以下實(shí)施例僅用于更加清楚地說明本發(fā)明的技術(shù)方案，而不能以此來限制本發(fā)明的保護(hù)范圍。

表1為實(shí)際測量的數(shù)據(jù)，即濕度傳感器在不同溫度條件下測量的濕度值。圖1為根據(jù)實(shí)驗(yàn)數(shù)據(jù)繪出的在不同溫度和不同濕度條件下濕度傳感器的測量誤差曲線圖。

圖2為afsa-bp算法的流程圖。將人工魚群算法(fasa)與bp神經(jīng)網(wǎng)絡(luò)相結(jié)合，就是利用人工魚群算法的全局尋化能力來克服bp神經(jīng)網(wǎng)絡(luò)容易陷入局部極小的缺陷。假設(shè)人工魚群中的每一條人工魚代表一個(gè)bp神經(jīng)網(wǎng)絡(luò)，需要優(yōu)化的初始權(quán)閾值和人工魚的個(gè)體狀態(tài)一一對(duì)應(yīng)，通過找到最優(yōu)人工魚的位置得到最優(yōu)的權(quán)閾值，然后用所得到的最優(yōu)權(quán)閾值訓(xùn)練bp神經(jīng)網(wǎng)絡(luò)。定義人工魚群的適應(yīng)度函數(shù)f為bp神經(jīng)網(wǎng)絡(luò)輸出結(jié)果與期望值結(jié)果的誤差值e的倒數(shù)。

其中，n是訓(xùn)練樣本集的維數(shù)：dij是第i個(gè)樣本的第j個(gè)網(wǎng)絡(luò)輸出層節(jié)點(diǎn)的理想輸出值，yij是第i個(gè)樣本的第j個(gè)網(wǎng)絡(luò)輸出層節(jié)點(diǎn)的實(shí)際輸出值。

(1)設(shè)定bp網(wǎng)絡(luò)結(jié)構(gòu)：采用三層神經(jīng)網(wǎng)絡(luò)，輸入層節(jié)點(diǎn)數(shù)為2.隱含層節(jié)點(diǎn)數(shù)為5，輸出層節(jié)點(diǎn)數(shù)為1。

(2)設(shè)定人工魚群的群體規(guī)模m，最大迭代次數(shù)try_number，感知距離visual、移動(dòng)步長step，擁擠度因子σ。

(3)假設(shè)初始迭代次數(shù)num＝0，在其感知范圍內(nèi),人工魚隨機(jī)生成m個(gè)人工魚個(gè)體，形成初始人工魚群。

(4)分別計(jì)算初始魚群中每條人工魚個(gè)體的適應(yīng)度函數(shù)值f，通過比較適應(yīng)度的大小，將適應(yīng)度最大的人工魚個(gè)體記錄到公告牌中，同時(shí)將此人工魚個(gè)體復(fù)制給公告牌。

(5)每條人工魚分別模擬進(jìn)行追尾行為和聚群行為，將得到的f值較大行為進(jìn)行實(shí)際執(zhí)行，缺省行為方式為覓食行為。

(6)所有的人工魚每進(jìn)行一次行動(dòng)之后，都將當(dāng)前的適應(yīng)度值f與公告牌的適應(yīng)度值進(jìn)行比較，如果自身狀態(tài)優(yōu)于公告牌狀態(tài)，就將自身狀態(tài)寫入并更新公告牌。

(7)如果num達(dá)到最大迭代次數(shù)trynumber，行為結(jié)束，輸出計(jì)算結(jié)果，也就是bp神經(jīng)網(wǎng)絡(luò)的最優(yōu)權(quán)閾值，否則num＝num+1，轉(zhuǎn)步驟(4)。

圖3表明進(jìn)化代數(shù)進(jìn)行到45代時(shí)，其適應(yīng)度值已經(jīng)達(dá)到最大，此時(shí)就找到了bp神經(jīng)網(wǎng)絡(luò)的最優(yōu)權(quán)閾值。

圖4中包括afsa-bp神經(jīng)網(wǎng)絡(luò)的誤差曲線和bp神經(jīng)網(wǎng)絡(luò)進(jìn)行溫度補(bǔ)償后的誤差曲線圖，仿真結(jié)果表明，除了個(gè)別溫度點(diǎn)之外，afsa-bp神經(jīng)網(wǎng)絡(luò)的預(yù)測誤差全部小于傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)的預(yù)測誤差，說明afsa-bp神經(jīng)網(wǎng)絡(luò)的補(bǔ)償精度較高，有效的避免bp神經(jīng)網(wǎng)絡(luò)容易陷入局部極小的缺陷。

為了檢驗(yàn)本發(fā)明提出afsa-bp神經(jīng)網(wǎng)絡(luò)算法的效果，把該算法與傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)方法進(jìn)行了對(duì)比。在仿真過程中，當(dāng)數(shù)據(jù)易復(fù)雜時(shí)，傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)方法學(xué)習(xí)訓(xùn)練速度就會(huì)變慢，容易陷入局部極小，嚴(yán)重影響了補(bǔ)償效果，而經(jīng)過afsa算法優(yōu)化后，擬合精度相對(duì)較高，收斂速度變快，補(bǔ)償效果得到了明顯的提高。

表2是利用afsa-bp神經(jīng)網(wǎng)絡(luò)建立的模型訓(xùn)練實(shí)驗(yàn)數(shù)據(jù)，并對(duì)訓(xùn)練的結(jié)果進(jìn)行測試，將得到的實(shí)驗(yàn)結(jié)果與用傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練、測試得到的結(jié)果進(jìn)行對(duì)比，得到最后的濕度傳感器進(jìn)行溫度補(bǔ)償后的部分?jǐn)?shù)據(jù)。

本發(fā)明將afsa算法和bp神經(jīng)網(wǎng)絡(luò)相結(jié)合，通過利用afsa的全局尋優(yōu)能力不但改善了bp神經(jīng)網(wǎng)絡(luò)易陷入局部極小的缺陷，又提高了訓(xùn)練速度和學(xué)習(xí)精度，有效地補(bǔ)償了溫度對(duì)濕度傳感器產(chǎn)生的影響，提高了測量的精確度。

以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明技術(shù)原理的前提下，還可以做出若干改進(jìn)和變形，這些改進(jìn)和變形也應(yīng)視為本發(fā)明的保護(hù)范圍。