基于ABC—BP神经网络算法的LVDT非线性校正
摘 要：针对线性可变差动变压器（LVDT）检测装置的输出信号的非线性问题，本文建立了人工蜂群算法优化的BP神经网络对LVDT的非线性输出进行拟合。通过人工蜂群算法优化BP神经网络的权值和阈值，然后利用BP神经网络可拟合任意非线性函数的特性，对LVDT的非线性段进行拟合预测。蜂群经过多次的循环取得最优解作为BP神经网络的权值和阈值，经过仿真实验，在平均误差在0.004V，平均误差百分比为0.25%。
关键词：LVDT；非线性；ABC-BP算法
DOI：10.16640/j.cnki.37-1222/t.2018.15.199
0 引 言
线性可变差动变压器（Linear Variable Differential Transformer，简称LVDT），作为位移测量系统的重要组成部分，被广泛的应用于教学科研和工业生产中。传感器输出的电压与位移量理论上呈线性关系，实际输出在线性范围的值称为有效输出，如超出范围，输出的线性度会渐渐衰减，呈现出非线性。
为解决LVDT输出非线性问题，国内外研究人员从铁芯材料、传感器结构及智能算法的优化校正等方面去克服非线性问题。BP神经网络在传感器的非线性校正领域应用较多，但其精度低、收敛速度慢的缺点也影响校正的效果。为了改善BP神经网络的缺点，本文采用人工蜂群算法对BP神经网络的权值和阈值进行优化，并对其进行了软件仿真。
1 LVDT工作原理
LVDT的其结构示意图如图1所示，包含一个初级线圏、两个次级线圏、可动铁芯、线圏骨架、连杆及壳体[1]。LVDT中的两个次级线圈按差动模式连接。在给初级线圏接通交流电时，线圈产生互感作用，便在LVDT次级线圈中产生互感电压。次级线圈A与次级线圈B的电压差，即为LVDT所输出的电压值，其输出值与铁芯的位移量基本呈线性关系。当铁芯位于次级线圈A和次级线圈B的中心位置时，因为两个线圈的互感电压等值反向，所以电压输出为零，故称之为'零位“。
在LVDT工作时，需要对其初级线圈接入交流激磁电压，频率 、幅值和功率是选择激磁电压时主要考虑的三个点。选择较高的电压幅值可以获得较高的灵敏度 ，但是过高的电压可能造成线圈发热导致信号漂移、磁路饱和等 ，一般选择 5 - 10V 。激磁电源一定要保证足够的功率，否则过小的激磁功率将引起输出的非线性，进而影响测量的准确性。
2 人工蜂群算法
人工蜂群算法（Artificial Bee Colony，ABC）是一种根据蜜蜂自组织模拟模型和群体智能为基础，所建立的人工智能启发式算法[2]。蜂群通过不同的分工和相...
|
== 试读已结束，如需继续阅读敬请充值会员 ==
|
|
本站文章均为原创投稿，仅供下载参考，付费用户可查看完整且有格式内容！
(费用标准：38元/2月，98元/2年，微信支付秒开通！) |
| 升级为会员即可查阅全文 。如需要查阅全文，请 免费注册 或 登录会员 |
|
