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

打開文本圖片集

摘要：隨著壓力變送器檢測(cè)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(duì)壓力變送器的穩(wěn)定性、實(shí)時(shí)性、測(cè)量精度等方面有了更嚴(yán)格的要求。而工作環(huán)境的溫 度會(huì)對(duì)設(shè)備精度造成巨大影響，導(dǎo)致變送器測(cè)量值出現(xiàn)偏移。針對(duì)此問(wèn)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(bǔ)償方法。深度置信網(wǎng)絡(luò) （Deep Belief Networks， DBN） 在無(wú)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(duì)網(wǎng)絡(luò)參數(shù)進(jìn)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(dá)到 平衡，有效地提高 DBN 網(wǎng)絡(luò)的優(yōu)化效果；引入 Metropolis 準(zhǔn)則和適應(yīng)度平衡因子，進(jìn)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）