基于白鲨优化极限学习机的三维力传感器非线性解耦

摘要

针对三维力传感器维间耦合干扰问题,以基于光纤布拉格光栅(Fiber Bragg Grating,FBG)的一体式三维力传感器为研究对象,提出了一种基于白鲨优化算法的优化极限学习机(White Shark Optimizer-Extreme Learning Machine,WSO-ELM)的非线性解耦算法。首先,设计了基于FBG的一体式三维力传感器,阐明该传感器波长漂移量与三维力的映射关系;然后,搭建静态标定实验系统,分析三维力耦合特征,并建立WSO-ELM算法三维力传感器解耦模型,利用白鲨优化算法(White Shark Optimizer,WSO)稳定、高效特点优化模型,寻找ELM神经网络隐含层神经元数与解耦时间的最佳参数组合,开展基于WSO-ELM的三维力传感器非线性解耦研究;最后,该传感器解耦后最大平均I类误差达到0.51%,最大平均II类误差达到0.65%,实现了基于WSO-ELM的三维力非线性解耦。为验证解耦效果,将WSO-ELM算法与极限学习机神经网络模型、反向传播神经网络、最小二乘法解耦效果进行对比实验。实验结果表明:WSO-ELM算法具有较好的解耦效果,能有效构建三维力维间耦合关系,同时降低传感器耦合干扰,提高传感器的测量精度,具有良好的非线性解耦能力。